PENERAPAN DATA MINING PADA PENJUALAN HARDISK UNTUK OPTIMALISASI DISTRIBUSI MENGGUNAKAN METODE CLUSTERING

Transkripsi

1 PENERAPAN DATA MINING PADA PENJUALAN HARDISK UNTUK OPTIMALISASI DISTRIBUSI MENGGUNAKAN METODE CLUSTERING

2

3 Artikel Skripsi Universitas Nusantara PGRI Kediri PENERAPAN DATA MINING PADA PENJUALAN HARDISK UNTUK OPTIMALISASI DISTRIBUSI MENGGUNAKAN METODE CLUSTERING SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S. Kom) Pada Program Studi Teknik Informatika Fakultas Teknik Universitas Nusantara PGRI Kediri OLEH : YOPPY RATNA ARIANTO NPM: FAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UN PGRI KEDIRI 2016 Yoppy Ratna Arianto Fakultas Teknik Prodi Teknik Informatika simki.unpkediri.ac.id 1 Artikel Skripsi Universitas Nusantara PGRI Kediri Yoppy Ratna Arianto Fakultas Teknik Prodi Teknik Informatika simki.unpkediri.ac.id 2 Artikel Skripsi Universitas Nusantara PGRI Kediri Yoppy Ratna Arianto Fakultas Teknik Prodi Teknik Informatika simki.unpkediri.ac.id 3 Artikel Skripsi Universitas Nusantara PGRI Kediri PENERAPAN DATA MINING PADA PENJUALAN HARDISK UNTUK OPTIMALISASI DISTRIBUSI MENGGUNAKAN METODE CLUSTERING Yoppy Ratna Arianto Fakultas Teknik Program Studi Teknik Informatika yoppyra.arianto@gmail.com Drs. Agus Budianto, M.Pd. dan M. Rizal Arief, S.T., M.Kom. UNIVERSITAS NUSANTARA PGRI KEDIRI ABSTRAK Jumlah ketersediaan stok hardisk PD. Bintang Mas Rezeki Nusantara terkadang tidak dapat memenuhi jumlah seluruh permintaan seluruh permintaan, hal itulah yang menjadi permasalahan dalam penelitian ini. Untuk itu PD. Bintang Mas Rezeki Nusantara perlu melakukan perbaikan managemen dalam melakukan distribusi barang. Hal ini dapat dilakukan dengan cara memilih pelanggan yang diprioritaskan. Dalam menentukan pelanggan prioritas dilakukan dengan memperhatikan jumlah pembelian pelanggan dan jarak dari PD. Bintang Mas Rezeki Nusantara dengan alamat pelanggan tersebut. Penerapan metode Aglomerative Hierarchical Clustering dilakukan untuk menentukan pelanggan-pelanggan mana yang menjadi prioritas dengan pertimbangan korelasi antara jumlah pesanan dan jarak tempuh dari perusahaan ke pelanggan. Metode Aglomerative Hierarchical Clustering yang digunakan yaitu single linkage. Aplikasi akan memberikan hasil pelanggan prioritas dan pelanggan non prioritas. Kemudian pegawai distributor akan melakukan pengiriman. Jika barang terkirim sampai ke pelanggan maka akan masuk ke laporan dan kemudian data akan dimasukkan ke dalam record laporan, kalau barang tidak terkirim

4 maka data akan kembali ke daftar pesanan dan harus diklaster ulang. Hasil dari penelitian tersebut yaitu PD. Bintang Mas Rezeki Nusantara dapat mengetahui dua jenis pelanggan yaitu pelanggan prioritas dan pelanggan non prioritas. Sehingga PD. Bintang Mas Rezeki Nusantara dapat melakukan pengiriman dahulu kepada pelanggan prioritas. Dengan diketahuinya pelanggan prioritas PD. Bintang Mas Rezeki Nusantara dapet melakukan distribusi penjuaan dengan lebih efisien. Kata Kunci : Distribusi penjualan Hardisk, Hierarchical Clustering, Pelanggan Prioritas. I. persaingan LATAR BELAKANG Persaingan perusahaan bisnis dituntut semakin pendapatan dan meningkatkan perusahaan, pimpinan berusaha perusahaan maupun manajemen dalam mendapatkan kemajuan bisnis semaksimal suatu perusahaan tersebut di tuntut untuk mungkin, jika mungkin mengembangkan dapat mengambil keputusan yang tepat skala bisnis juga dibutuhkan bagi mereka. dalam menentukan strategi penjualan. Kemajuan di bidang teknologi informasi Untuk dapat melakukan hal tersebut,

5 yang cepat memberikan pengaruh yang perusahaan cukup besar baik dalam bidang industri informasi yang cukup banyak untuk dapat maupun di analisis lebih lanjut. jasa. untuk ketat bisnis Untuk menghadapi Yoppy Ratna Arianto Fakultas Teknik Prodi Teknik Informatika membutuhkan sumber simki.unpkediri.ac.id 4 Artikel Skripsi Universitas Nusantara PGRI Kediri Dalam pendistribusian barang pada bersifat eksklusif mengandung proses penjualan, terkadang jumlah barang representasi yang diterima dari produsen tidak dapat kategori mencukupi jumlah permintaan pelanggan.

6 menumpu (overlapping). Berbeda dengan Sehingga association rule mining dan classification perusahaan perlu yang atau yang kaya seperti hirarkis atau saling memprioritaskan pelanggan tertentu agar dimana pendistribusian penjualan lebih efisien sebelumnya, sehingga pengelompokan data tanpa berdasarkan lebih menguntungkan perusahaan. kelas lebih data telah

7 clustering ditentukan melakukan kelas data tertentu. Bahkan clustering Jumlah PD. dapat dipakai untuk memberikan label Bintang Mas Rezeki Nusantara terbatas pada kelas data yang belum diketahui itu. dan tidak mencukupi untuk memenuhi Karena itu clustering sering digolongkan jumlah permintaan pelanggan. Sehingga sebagai metode unsupervised learning. perlu ketersediaan adanya stok kebijakan mengenai Prinsip dari clustering adalah pelanggan tertentu yang diprioritaskan oleh memaksimalkan kesamaan antar anggota PD. Bintang Mas Rezeki Nusantara dalam satu kelas dan meminimumkan kesamaan

8 pendistribusian penjualan hardisk antar cluster. Clustering dapat dilakukan PD. Bintang Mas Rezeki Nusantara membutuhkan manajemen yang baik pada data yang memiliki beberapa atribut yang dipetakan sebagai ruang dalam memilih dan memberikan layanan multidimensi. Banyak algoritma clustering kepada memerlukan fungsi jarak untuk mengukur pelanggan dalam bentuk pendistribusian barang yang efisien. kemiripan antar data, diperlukan juga metode II. Pengelompokan data dilakukan berdasarkan kesamaan karakteristik data. diketahui kelompok. masing-masing

9 untuk normalisasi bermacam atribut yang dimiliki data (Abdul Kadir: METODE Karakteristik untuk melakukan Pengelompokan data 2009:45). Aglomerative Clustering adalah Hierarchical salah satu metode pelabelan analisis kelompok yang berusaha untuk clustering membangun sebuah hirarki kelompok data. merupakan tugas deskripsi yang banyak Strategi pengelompokannya Bottom-Up. digunakan dalam mengidentifikasi sebuah Algoritma AHC: himpunan terbatas pada kategori atau 1. Menghitung matrik jarak antar data ke cluster untuk mendeskripsikan data yang masing-masing ditelaah.

10 menggunakan Manhattan Distance: Kategori-kategori ini dapat Yoppy Ratna Arianto Fakultas Teknik Prodi Teknik Informatika titik pusat data simki.unpkediri.ac.id 5 Artikel Skripsi Universitas Nusantara PGRI Kediri e. Mampu dikombinasikan komputasi mengatasi 2. Ulangi langkah hingga hanya satu kelompok yang tersisa. berdasarkan parameter kedekatan yang ditentukan. tambahan outlier, merepresentasikan kedekatan diantara kelompok baru dan kelompok yang masih tersisa. noise, atau kekurangan dari Hierarchical Aglomerative: a. Dapat mengalami masalah ketika mengelompokkan 4. Perbarui matrik jarak antar data untuk untuk uninterested background. Sedangkan 3. Gabungkan dua kelompok terdekat

11 dengan data yang mengandung outlier. b. Sensitif dalam penentuan titik awal cluster. c. Sulit mencapai optimum global. 5. Selesai. Beberapa metode pengelompokan secara III. HASIL DAN KESIMPULAN Hierarchical Aglomerative: 3.1 Analisis Sistem pemesanan pada distribusi Single Linkage (Jarak terdekat) penjualan di PD. Bintang Mas Rezeki duv = min {duv},duv D Nusantara dengan pemesanan barang oleh Complete Linkage (jarak Terjauh) pelanggan kepada pegawai perusahaan duv = max {duv},duv D melalui BBM (Black Berry Messanger), kemudian jika barang tersedia, maka Average Linkage (Jarak rata-rata) distributor duv = average {duv},duv D. Kelebihan dan akan mengirimkan

12 barang kepada pelanggan. Pelanggan memesan Kekurangan barang melalui BBM kepada pegawai PD. Bintang Mas Rezeki Nusantara, kemudian Hierarchical Aglomerative. Hierarchical Aglomerative memiliki pegawai input data ke dalam aplikasi kelebihan sebagai berikut: distribusi a. Kemudahan dalam implementasi. datanya ke dalam basis data. b. Pengelompokan lebih cepat yang tinggi menyimpan barang, sehingga pegawai menerima rekomendasi pelanggan yang c. Kompleksitas waktu linear. d. Posibilitas dan Aplikasi mengolah data distribusi penjualan daripada Clustering lainnya. penjualan untuk

13 menentukan centroid yang tepat. diprioritaskan dalam distribusi penjualan barang dan manager menerima laporan hasil penjualan barang (hardisk). Sistem Yoppy Ratna Arianto Fakultas Teknik Prodi Teknik Informatika simki.unpkediri.ac.id 6 Artikel Skripsi Universitas Nusantara PGRI Kediri tersebut mengandalkan ketelitian setiap perusahaan memantau entri data dan hal ini tentu sangat penting distribusi penjualan melalui laporan untuk di perhatikan. penjualan. 1. Skema Aplikasi 3. DFD rinci Merupakan kegiatan diagram yang menguraikan proses apa yang ada dalam diagram nol secara rinci. Berikut alur prosesnya: Dengan adanya sistem baru di atas, diharapkan proses distribusi penjualan hardisk dapat lebih menguntungkan perusahaan. 2. Context Diagram Diagram konteks adalah diagram yang terdiri dari suatu proses dan menggambarkan ruang lingkup suatu Pegawai distributor melakukan login, sistem. dilakukan pencocokan login dengan tabel user. jika login berhasil maka akan diarahkan menuju halaman input data. Pegawai distributor melakukan input data pelanggan (toko), meliputi nama toko, alamat, kota, nama pemilik, dan jarak

14 Kemudian dengan input bintang data mas. tersebut diinputkan ke dalam tabel pelanggan. Diagram diatas menggambarkan dari Jika ada pelanggan yang memesan admin (pegawai) bisa melakukan akses hardisk, pegawai distributor melakukan untuk mengelola input data penjualan, input pesanan kode toko dan jumlah data pelanggan. Setelah itu admin penjualan saja karena data palanggan mendapatkan sudah tersimpan pada tabel pelanggan. laporan mengenai pelanggan yang diprioritaskan dalam kemudian distribusi penjualan ini, diolah menggunakan penjualan. Manajer Yoppy Ratna Arianto Fakultas Teknik Prodi Teknik Informatika dari data

15 pada tabel simki.unpkediri.ac.id 7 Artikel Skripsi Universitas Nusantara PGRI Kediri perhitungan clustering metode kemudian pegawai Aglomerative Hierarchical Clustering. pengiriman setelah itu akan mendapatkan data pengiriman. aplikasi menampilkan barang pelanggan prioritas yang diketahui oleh yang telah dipesan, dan diputusan oleh pegawai aplikasi distributor dan laporan pengiriman akan dilaporkan kepada dengan melakukan untuk menu menentukan

16 tombol pelanggan prioritas atau non prioritas. manager. 4. Entity Relationship Diagram Data disimpan input pelanggan pada tabel semua pelanggan, gambar diatas menyajikan kemudian jika ada pelanggan yang penjualan memesan, akan disimpan pada tabel pengiriman. Setelah penjualan rekomendasi mengenai kemudaan diolah yang akan

17 diproses data untuk mendapatkan pelanggan menggunakan perhitungan clustering prioritas, akan dilakukan penngiriman metode hierarchical. barang tersebut. ketika pegawai distributor menggirimkan maka pegawai itu memilih 3.2 Implementasi dan Evaluasi Hasil penjualan aksi kirim dan transaksi yang dikirimkan menginputkan data pesanan dari data disimpan dengan status kirim, kemudian pelanggan yang sudah diinput, pegawai hasilnya akan ditampilkan di halaman menginputkan kode toko dan jumlah laporan pegawai distributor penggiriman sebagai berikut: barang. Hasil dari input data pesanan akan ditampilkan pada halaman data pemesanan. pada halaman tersebut akan ditampilakan, kode toko, nama toko, alamat, kota, pemilik,

18 jumlah penjualan, jarak dengan distributor, status penjualannya, dan tanggal. Yoppy Ratna Arianto Fakultas Teknik Prodi Teknik Informatika simki.unpkediri.ac.id 8 Artikel Skripsi Universitas Nusantara PGRI Kediri 3.3 Kesimpulan Pemilihan cara mencari pelanggan prioritas dapat ditentukan dengan mengacu pada data penjualan dan jarak jangkau PD. Bintang Mas Rezeki Nusantara terhadap pelanggan dengan menghitung data tersebut menggunakan metode clustering pegawai distributor dapat mengetahui data pelanggan prioritas. melakukan Sehingga distribusi dalam penjualan PD. Bintang Mas Rezeki Nusantara lebih efisien dan berkualitas. Diharapkan di masa yang akan datang agar dilakukan penelitian menggunakan lebih lanjut metode dengan

19 Agglomerative Hierarchical Clustering yang lain maupun dengan menggunakan metode pengelompokan yang lain. Aplikasi dapat distribusi dilengkapi menggunakan penjualan dengan ini perhitungan metode-metode lainnya karena tidak menutup kemungkinan bahwa terdapat metode lain yang lebih cocok untuk di terapkan pada aplikasi ini. IV. Indobeverage menggunakan metode clustering, UNIKOM, Bandung. [4] Hariyanto, Bamabang, Sistem manajemen Basisdata, Informatika Bandung, Bandung. [5] Iko Pramudiono. (2009). Pengantar Data Mining: Menambang Permata Pengetahuan di Gunung Data, ngantardata-mining Diakses pada tanggal 9 September [6] Kusrini & Luthfi, E. Taufiq.(2009), Algorima Data Mining, Penerbit Andi, Yogyakarta. [7] Ladjamudin, bin Al-Bahri Analisis dan Desain Sistem Informasi,Penerbit graham ilmu,yogyakarta. [8] Santosa, Budi, 2007, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis, Graha Ilmu, Yogyakarta. [9] SK, Purwanto dan Suharyadi, (2004). Statistik untuk Ekonomi Dan Keuangan Modern Jakarta : Salemba Empat. [10] Sutanta, Edhy Sistem Basis Data, Penerbit Graha ilmu, Yogyakarta. [11] Sutrisno, Afriyudi, Widiyanto. (2013) Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus PT. Indomarco Palembang, Universitas Bina Darma, Palembang. DAFTAR PUSTAKA [1] Al Fatta, Hanif. (2007). Analisa dan Perancangan Sistem Informasi. Yogyakarta. [2] Andi. (2009). Data Mining dan Web Mining, 17/data-mining-dan-webmining Diakses pada tanggal 10 September [3] Enur Irdiansyah. (2010). Penerapan Data

20 Mining Pada Penjualan Produk Minuman di PT. Pepsi Cola Yoppy Ratna Arianto Fakultas Teknik Prodi Teknik Informatika simki.unpkediri.ac.id 9

21