BAB III ANALISA DAN DESAIN SISTEM

Transkripsi

1 BAB III ANALISA DAN DESAIN SISTEM Tahapan ini merupakan tahapan utama dalam penelitian, dalam tahapan pengembangan sistem metode yang akan dipakai adalah Rapid Application Development dan tahapan data mining. III.1. Analisis Sistem Berjalan CV. KOMPUTERINDO ABADI menyediakan berbagai jenis kartu internet, yang berbagai macam operator dimana ada TELKOMSEL, XL, AXIS, INDOSAT dan SMARTFREN, perusahaan CV. KOMPUTERINDO ABADI setiap harinya terdapat puluhan transaksi penjualan yang terjadi. Untuk mengolah data transaksi tersebut pihak perusahaan menggunakan Software Microsoft Excel 2007 dan disimpan kedalam space hardisk komputer yang tersedia. Dari transaksi penjualan yang dikelola menggunakan Software Microsoft Excel 2007, dapat diketahui beberapa informasi seperti Volume Total Penjualan, Jenis Paket Internet yang terjual. Dari informasi tersebut kemudian pihak manajemen akan mengatur strategi pemasaran seperti melakukan stok kartu internet terlaris dibulan berikutnya agar tidak terjadi kekosongan barang. 41

2 42 III.1.1. Analisis Masalah Dari hasil analisa sistem yang berjalan, diketahui bahwa selama ini informasi yang dihasilkan hanya berupa volume total penjualan paket kartu internet, dan jenis kartu internet yang terjual. Adapun masalah yang dapat didefenisikan oleh penulis adalah sebagai berikut : 1. Belum adanya informasi tambahan yang didapat dari transaksi penjualan sehingga pihak perusahaan kesulitan dalam pengambilan keputusan strategis stok barang. 2. Seringnya terjadi kesalahan data transaksi karena pengolahan data transaksi yang dilakukan masih menggunakan Microsoft Excel Belum adanya aplikasi yang mampu memberikan informasi mengenai jenis paket kartu internet yang terlaris berdasarkan transaksi penjualan. III.1.2. Analisis Sistem Usulan Dalam tahapan analisa dan perancangan data mining ini, seperti yang dijelaskan sebelumnya bahwa penelitian ini menggunakan metode Algoritma Apriori. Oleh karena itu proses yang dilakukan dalam penelitian ini mengikuti tahapan-tahapan Algoritma Apriori. Setelah melakukan analisa kebutuhan sistem, maka dapat disimpulkan untuk membuat system yang bisa mengatasi masalah serta memenuhi kebutuhan sistem. Penulis mengusulkan dengan meminimalisasi aktor yang terkait pada proses

3 43 pengolahan data transaksi sehingga dapat mengetahui prediksi stok paket internet yang diminati konsumen. Penulis mengusulkan aktor yang terkait yaitu admin, admin dapat mewakili bagian kasir penjualan dan sales, sehingga memudahkan admin dalam pengolahan data transaksi penjualan paket kartu internet dan memudahkan dalam pembuatan laporan stok penjualan paket kartu internet yang diperuntukkan bagi pimpinan perusahaan. Laporan tersebut dapat digunakan sebagai dasar pengambilan keputusan dalam memprediksi stok paket kartu internet pada dibulan berikutnya. Apabila digambarkan, maka sistem usulan dapat dilihat seperti pada gambar III.1 berikut : 2 1 Database Admin 3 4 Bagian Pimpinan/Manager Laporan Gambar III.1. Sistem Usulan Pengolahan Data Mining 1. Admin berinteraksi menggunakan aplikasi berbasis Web untuk mengelola data transaksi dan pembuatan laporan hasil prediksi stok paket kartu internet. 2. Data Transaksi yang telah diinputkan disimpan kedalam database. 3. Admin mengolah data transaksi tersebut dan mencetaknya dalam bentuk laporan.

4 44 4. Bagian pimpinan/manager dari perusahaan menerima hasil pengolahan data transaksi untuk mempresiksi stok paket kartu internet. III.1.3. Analisis Kebutuhan Sistem Tahapan ini adalah tahapan yang dilakukan penulis untuk menentukan kebutuhankebutuhan system. Dari hasil analisa system yang berjalan, penulis dapat mengambil kesimpulan bahwa sistem yang akan dibuat harus dapat memenuhi kebutuhan-kebutuhan berikut : 1. Aplikasi data mining memerlukan input data berupa data transaksi penjualan unit paket kartu internet. 2. Diperlukan aplikasi yang dapat mengolah data transaksi penjualan. 3. Memerlukan aplikasi yang mampu memberikan informasi mengenai hasil prediksi stok unit paket kartu internet berdasarkan data transaksi penjualan dengan metode algoritma apriori. 4. Diperlukan penyajian data yang baik dalam bentuk laporan sebagai informasi yang diterima oleh bagian pimpinan/manager.

5 45 III.2. III.2.1. Metode Data Mining Association Rules Metode association rules atau juga dikenal dengan nama market basket analysis, digunakan untuk menemukan aturan assosiatif rules antara suatu kombinasi item atau barang. Metode association rules termasuk kedalam model deskripsi dan jenis pembelajarannya adalah learning. Dalam association rules diperlukan variable ukuran yang dapat ditentukan oleh user untuk mengatur batasan hasil output yang diinginkan. Variable ukuran tersebut adalah support dan confidence. Berikut perhitungan untuk mengetahui nilai support : Berikut perhitungan untuk mengetahui nilai confidence : (Kusrini, Emha Taufiq Luthfi : 2009) III.2.2. Algoritma Apriori Berikut pseudocode dari algoritma apriori : Ck : Kandidat itemset dari ukuran k Lk L1 : Frequent itemset dari ukuran k : {Frequent Itemset} For (k=1; Lk!=0; k++) do begin

6 46 Ck + 1 = {kandidat dibangun dari Lk}; For each transaksi t dalam database do naikkan hitungan dari seluruh kandidat dalam Ck + 1 yang dimuat dalam t; Lk+1 = {kandidat dalam Ck+1 dengan minimum support}; End Return Uk Lk; Berikut ilustrasi dari penerapan algoritma apriori : Mulai Pilih Bulan Transaksi Masukkan nilai confidence Tidak Masukkan nilai support Item set 1 Itemset 2 If confidence > 9 Itemset 3 Hasil Ya Stop Gambar III.2. Flowchart Ilustrasi Data Mining Algoritma Apriori

7 47 III.2.3. Tujuan data Mining Dari hasil analisa terhadap sistem yang berjalan, penulis melihat belum optimalnya pemanfaatan pengolahan data transaksi penjualan. Data transaksi penjualan yang ada saat ini masih memiliki potensi untuk menghasilkan informasi lain guna mendukung pengambilan keputusan yang strategis. Salah satunya informasi mengenai prediksi stok paket kartu internet sebagai bahan dalam pengambilan keputusan stok unit paket kartu internet agar sesuai dengan pemasaran. Tujuan dari penelitian ini adalah untuk mengetahui prediksi stok paket kartu internet berdasarkan data transaksi penjualan dengan menggunakan algoritma apriori. Informasi tersebut nantinya dapat digunakan untuk mendukung pengambilan keputusan yang strategis, khususnya dalam hal penyetokan unit paket kartu internet agar tidak jauh dari pemasaran. III.3. Perancangan Sistem Metode perancangan yang digunakan untuk mengembangkan sistem pakar untuk diagnosis ini berupa Use Case Diagram, Sequence Diagram, Activity Diagram, Class Diagram dan Desain Database. III.3.1. Perancangan Use Case Diagram Diagram Use Case yang digunakan dalam sistem ini hanya memiliki satu aktor yaitu, pengguna sistem. Dalam sistem ini, pengguna dapat menginputkan data-

8 48 data pelanggan, data transaksi dan menghitung prediksi stok paket kartu internet menggunakan metode Algoritma Apriori. Data Mining Login Data Pelanggan Data Barang Data Transaksi Data Mining Laporan Log Out Cetak Laporan Gambar III.3. Use Case Diagram Prediksi Stok Paket kartu internet Menggunakan Algoritma Apriori III.3.2. Sequence Diagram III Sequence Diagram Login melakukan Login dengan menginputkan username dan password pengguna, kemudian sistem akan memvalidasi login, jika valid, sistem akan meneruskan pengguna ke Halaman Utama Sistem. Sequence Diagram Data Konsumen dapat di lihat pada Gambar III.4 berikut :

9 49 Sistem Proses Database Actor1 Masuk Login Tampil Halaman Login Input Username, Password Tambah() Edit() Get Username, Password Hapus() Validasi Login Info Login Gambar III.4. Sequence Diagram Login III Sequence Diagram Data Pelanggan melakukan pengolahan data Pelanggan, kemudian sistem akan menyimpan hasil pengolahan data Pelanggan kedalam database, sistem akan menginformasikan hasil pengolahan data Pelanggan kepada pengguna. Sequence Diagram Data Pelanggan dapat di lihat pada Gambar III.5 berikut : Sistem Proses Database Menu Data Pelanggan Tambah() Menampilkan Halaman Edit() Input Data Hapus() Proses Simpan Info Tampilan Tersimpan Menyimpan Data Gambar III.5. Sequence Diagram Data Pelanggan

10 50 III Sequence Diagram Data Barang Sistem Proses Database Menu Data Barang Tambah() Menampilkan Halaman Edit() Input Data Hapus() Proses Simpan Info Tampilan Tersimpan Menyimpan Data Gambar III.6. Sequence Diagram Data Barang melakukan pengolahan Data Barang, kemudian sistem akan menyimpan hasil pengolahan data kedalam database, sistem akan menginformasikan hasil pengolahan Data Barang / Paket Kartu Internet kepada pengguna. III Sequence Diagram Transaksi Sistem Proses Database Menu Data Transaksi Tambah() Menampilkan Halaman Edit() Input Data Hapus() Proses Simpan Info Tampilan Tersimpan Menyimpan Data Gambar III.7. Sequence Diagram Transaksi

11 51 melakukan menginputkan data Transaksi Penjualan, kemudian sistem akan menyimpan hasil pengolahan data kedalam database, sistem akan menginformasikan hasil pengolahan transaksi penjualan kepada pengguna III Sequence Diagram Data Mining Sistem Proses Database Menu Data Mining Tambah() Menampilkan Halaman Hapus() Pilih Bulan Hasil Proses Mining Simpan Menyimpan Data Info Hasil Mining Gambar III.8. Sequence Diagram Data Mining III Sequence Diagram Laporan Sistem Proses Database Menu Laporan Tambah() Menampilkan Halaman Pilih Hasil Mining Cetak Hapus() Proses Cetak Get Cetak Hasil Cetak Gambar III.9. Sequence Diagram Laporan III.3.3. Activity Diagram

12 52 III Activity Diagram Login Proses Login Sistem Form Login Ditampilkan Mengisi Username Dan Password Verifikasi User Valid Login Tidak Valid Halaman Utama Notifikasi Kesalahan Gambar III.10. Activity Diagram Login

13 53 III Activity Diagram Data Barang Proses Data Barang Sistem Login State Pilih Menu Data Unit Halaman Utama Halaman Data Unit Ditampilkan Input Data dan Memilih Aksi Simpan Ubah Hapus Simpan Batal List Data Batal List Data Disimpan Gambar III.11. Activity Diagram Kelola Data Barang

14 54 III Activity Diagram Data Pelanggan Proses Data Pelanggan Sistem Login State Klick Menu Data Pelanggan Halaman Utama Halaman Ditampilkan Input Data dan Memilih Aksi Simpan Ubah Hapus Simpan Batal List Data Batal List Data Disimpan Gambar III.12. Activity Diagram Data Pelanggan

15 55 III Activity Diagram Transaksi Proses Transaksi Sistem Login State Pilih Menu Transaksi Halaman Utama Halaman Transaksi Ditampilkan Input Data dan Memilih Aksi Simpan Ubah Hapus Simpan batal List data Batal List Data Disimpan Gambar III.13. Activity Diagram Transaksi

16 56 III Activity Diagram Data Mining Proses Data Mining Sistem Login State Memilih Tanggal Menampilkan Halaman Data Mining Klick Hasilkan Memproses Data mining Klick Simpan Hasil Menampilkan Hasil Proses Menyimpan Kedatabase Gambar III.14. Activity Diagram Data Mining III Activity Diagram Laporan Proses Laporan Sistem Login State Klick Menu Laporan Halaman Utama Memilih Jenis Laporan Laporan Ditampilkan Memilih Aksi Simpan Cetak Cetak Laporan Simpan Laporan Gambar III.15. Activity Diagram Laporan

17 57 III Activity Diagram Log Out Proses Laporan Sistem Login State Klick Menu Laporan Halaman Utama Memilih Jenis Laporan Laporan Ditampilkan Memilih Aksi Simpan Cetak Cetak Laporan Simpan Laporan Gambar III.16. Activity Diagram Log Out

18 58 III.3.4. Class Diagram Model data_pelanggan -id_pelanggan : string -nama_pelanggan : string -alamat : string -jekel : string -hp : string +tambah() : void +ubah() : void +hapus() : void * * transaksi -id_transaksi : string -id_pelanggan : string -id_barang : string -jumlah : string -total_harga : string -id_pengguna : string -tanggal : string +tambah() : void +hapus() : void -1..n * * data_barang -id_barang : string -nama_barang : string -operator : string -jenis_paket : string -harga : string +tambah() : void +ubah() : void +hapus() : void * pengguna id_pengguna : string * -nama_pengguna : string * -jekel : string -hp : string -jabatan : string n n -username : string -password : string * +tambah() : void +ubah() : void +hapus() : void -1..n * * -1..n pencapaian -Kode_pencapaian : string -id_unit : string -jumlah_unit : string -hasil : string -id_pengguna : string -tanggal : string +tambah() : void +hapus() : void * * Gambar III.17. Class Diagram Model Data Mining Prediksi Stok Paket kartu Internet 1. Perancangan Struktur Tabel Perancangan struktur tabel adalah perancangan tabel-tabel yang akan digunakan pada database. Tabel-tabel yang terdapat dalam basis data yang digunakan dalam sistem ini adalah : a. Tabel Data Pelanggan Nama Database : Komputerindo_Abadi Nama Tabel : data_pelanggan Primary Key : Id_pelanggan

19 59 Tabel III.1. Tabel Data Pelanggan Nama Field Type Data Attribut Keterangan Id_Pelanggan Char(8) Not Null Nama_Pelanggan Varchar(120) Not Null Alamat Varchar(160) Not Null b. Tabel Data Barang Nama Database : Komputerindo_Abadi Nama Tabel : data_barang Primary Key : id_barang Tabel III.2. Tabel Data Barang Nama Field Type Data Attribut Keterangan Id_barang Char(8) Not Null Operator Varchar(100) Not Null Besar_paket Varchar(100) Not Null Jenis_Paket Varchar(100) Not Null Masa_aktif_paket Varchar(60) Not Null Stok_Brg Int Not Null Gbr_Produk Varchar(10) Not Null Harga Varchar(10) Not Null c. Tabel Data Nama Database : Komputerindo_Abadi Nama Tabel : data_pengguna Primary Key : id_pengguna

20 60 Tabel III.3. Tabel Data Nama Field Type Data Attribut Keterangan Id_pengguna Char(8) Not Null Nama_pengguna Varchar(120) Not Null Level Varchar(160) Not Null Username Varchar(30) Not Null Password Varchar(15) Not Null d. Tabel Order Nama Database : Komputerindo_Abadi Nama Tabel : data_order Primary Key : id_order Tabel III.4. Tabel Order Nama Field Type Data Attribut Keterangan Id_order Char(8) Not Null Id_pelanggan Char(8) Not Null Tanggal Date Not Null Total_Item Varchar(11) Not Null Total_Order Varchar(11) Not Null e. Tabel detail_order Nama Database : Komputerindo_Abadi Nama Tabel : data_detail_order Foreign Key : id_order, id_brg

21 61 Tabel III.5. Tabel Detail Transaksi Nama Field Type Data Attribut Keterangan Id_Order Char(8) Not Null Id_barang Char(8) Not Null Jlh Int Not Null Harga Int Not Null Total Int Not Null Tanggal Date Not Null f. Tabel Hasil Pencapaian Nama Database : Komputerindo_Abadi Nama Tabel : data_pencapaian Primary Key : id_rule Tabel III.6. Tabel Pencapaian Nama Field Type Data Attribut Keterangan Id_rule Char(8) Not Null Rule Varchar(300) Not Null Persentase Varchar(20) Not Null Tanggal Date Not Null III.4. User Interface Dalam pembuatan sistem prediksi stok paket kartu internet pada CV. KOMPUTERINDO ABADI, terdapat beberapa rancangan antar muka yang terdiri dari Halaman Form Login, Halaman Utama, Halaman Data Konsumen, Halaman Data, Halaman Data Barang, Halaman Transaksi dan Halaman Laporan. Berikut rancangan user interface yang akan di rancang penulis :

22 62 III.4.1. Rancangan Halaman Login Rancangan antar muka Halaman login akan dapat dilihat pada awal program. dapat menginputkan data username dan password yang selanjutnya akan diverifikasi oleh sistem, jika hasil valid, maka pengguna akan diteruskan ke Halaman Utama dari sistem ini. Rancangan Tampilan Halaman Login dapat di lihat pada Gambar III.17 berikut : Gambar III.17. Tampilan Login III.4.2. Rancangan Halaman Utama Rancangan antar muka Halaman Utama dapat di lihat pada Gambar III.18. berikut : Gambar III.18. Tampilan Halaman Utama

23 63 III.4.3. Halaman Data Konsumen Rancangan antar muka halaman data konsumen dapat dilihat pada gambar III.19 berikut : Gambar III.19. Tampilan Halaman Data Konsumen III.4.4. Halaman Form Data Barang Rancangan antar muka halaman Data Barang dapat dilihat pada gambar III.20 berikut : Gambar III.20. Tampilan Halaman Form Data Barang

24 64 III.4.5. Halaman Data Rancangan antar muka halaman data dapat dilihat pada gambar III.21 berikut : Gambar III.21. Tampilan Halaman Data III.4.6. Halaman Transaksi Rancangan antar muka halaman Transaksi dapat dilihat pada gambar III.22 berikut : Gambar III.22. Tampilan Halaman Transaksi

25 65 III.4.7. Halaman Data Mining Rancangan antar muka halaman Data Mining dapat dilihat pada gambar III.23 berikut : Gambar III.23. Tampilan Halaman Data Mining III.4.8. Halaman Laporan Rancangan antar muka halaman Laporan dapat dilihat pada gambar III.24 berikut : Gambar III.24. Tampilan Halaman Laporan