BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan ritel yang menyediakan berbagai kebutuhan berkembang pesat bukan hanya di kota besar saja tetapi juga di kota-kota kecil. Untuk memperoleh keuntungan yang maksimal banyak hal yang dilakukan perusahaan. Dimana, perusahaan berusaha untuk menarik minat konsumen sehinnga dibutuhkan informasi yang sebanyakbanyaknya. Informasi dapat dilihat dari transaksi penjualan yang tersimpan dalam database. Kumpulan data transaksi yang begitu besar sering kali hanya disimpan di dalam suatu database dan kurang digali pemanfaatannya. Data penjualan tersebut bisa diolah lebih lanjut sehingga didapatkan informasi baru. Misalnya, dari informasi dapat dilihat barang yang dibeli secara bersamaan. Pengetahuan tersebut dapat digunakan sebagai pemasaran produk yang saling melengkapi dan membuat posisi rak barang-barang yang dijual pada perusahaan ritel. Teknologi data mining sebagai solusi bagi para pengambil keputusan seperti manajer dalam menentukan strategi pemasaran dan korelasi antara barang yang dibeli oleh konsumen sehingga dapat meningkatkan pelayanan pada konsumen. Proses data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan algoritma. Pemilihan fungsi atau algoritma yang tepat sangat bergantung pada tujuan dan proses pencarian pengetahuan secara keseluruhan. Penelitian ini menggunakan metode asosiasi yang merupakan teknik data mining untuk menemukan aturan asosiatif antara suatu korelasi item. Contoh aturan asosiatif dari analisis pembelian di suatu pasar swalayan adalah dapat diketahuinya
1 berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan mentega. Dengan pengetahuan tersebut, pemilik swalayan dapat mengatur penempatan barangnya dan merancang kampanye pemasaran dengan memakai kupon diskon untuk kombinasi barang tertentu. Banyak peneliti yang menjadikan data mining sebagai objek penelitiannya. Pathresia (2012) di dalam penelitiannya menggunakan teknik market basket analysis dengan menggunakan algoritma Apriori untuk memperoleh korelasi produk yang sering dibeli secara bersamaan pada swalayan. Selain itu juga Ahmad (2012) dalam penelitiannya memanfaatkan data transaksi yang banyak tersimpan dengan menggunakan Algoritma FP-Growth untuk membuat strategi dan kebijakan dalam berbisnis. Demikian juga Erwin(2009) dalam penelitiannya menganalisis market basket dengan algoritma Apriori dan Algoritma FP-Growth. Banyak metode yang digunakan dalam data mining, yaitu estimation, prediction, classification, clustering, Association. Penelitian ini menggunakan association rule demgan menggunakan algoritma Apriori dan FP Growth. Kedua algoritma tersebut digunakan untuk mengetahui korelasi antara barang yang diminati oleh konsumen yang tersimpan dalam database. Setelah diperoleh frequent itemsets, maka diambil suatu aturan dan kemudian menganalisis perbandingan waktu kedua algoritma tersebut. 1.2 Rumusan Masalah Setelah melihat latar belakang masalah yang telah diuraikan maka rumusan masalah dalam penelitian ini adalah bagaimana membuat perbandingan algoritma Apriori dan algoritma FP Growth di dalam penambangan data dalam database untuk korelasi pembelian produk. 1.3 Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah sebagai berikut: 1. Data yang diinput merupakan transaksi penjualan produk yang dibeli selama 3 bulan di minimarket 2. Informasi berdasarkan produk yang dibeli konsumen secara bersamaan 3. Menggunakan korelasi dari 2 jenis produk yang dijual dengan parameter support dan confidence. Dimana nilai maksimum support 0.3 dan maksimum confidence 1. 4. Jenis barang dalam penelitian ini yaitu: makanan dan minuman, produk pembersih dan pewangi konsumen(hygiene care), pembersih dan pewangi pakaian. 5. Analisis dilihat dengan perbandingan waktu untuk menemukan frequent itemset 6. Menggunakan bahasa pemrograman PHP dan penyimpanan data di MySql. 1.4 Tujuan Penelitian Tujuan dari penelitian ini adalah: 1. Mendapatkan korelasi dari jenis produk-produk yang sering dibeli secara bersamaan dalam suatu waktu 2. Mengimplementasikan hasil dari korelasi jenis produk-produk ke dalam sebuah aplikasi data mining pada pembelian produk menggunakan algoritma apriori dan FP Growth 3. Menganalisis perbandingan waktu yang diperlukan di dalam menemukan frequent itemset dengan algoritma apriori dan FP Growth. 1.5 Manfaat Penelitian Adapun manfaat yang didapat dari penelitian ini adalah:
3 1. Dapat mempermudah mengetahui informasi pembelian produk yang sering dibeli oleh konsumen secara bersamaan 2. Untuk mengetahui pencarian data yang sering muncul (frequent itemset) kemudian dapat diambil kesimpulan 3. Untuk mengatur tata letak produk yang sering dibeli secara bersamaan oleh konsumen supaya diletakkan secara berdekatan 4. Untuk mengetahui perbandingan waktu yang dibutuhkan dalam menemukan korelasi produk pembelian 1.6 Metodologi Penelitian Dalam menyusun tugas akhir ini penulis melakukan beberapa penerapan metode penelitian untuk menyelesaikan permasalahan. Adapun metode penelitian yang dilakukan adalah dengan cara: 1. Studi literature Mempelajari konsep-konsep dasar mengenai data mining dan algoritma asosiasi yaitu algoritma apriori dan FP-Growth yang terdapat pada beberapa sumber literatur. Sumber literatur berupa buku teks, paper, dan jurnal. 2. Metode Pengembangan Perangkat Lunak 2.1 Analisis Kebutuhan Dalam tahap ini mengumpulkan semua kebutuhan yang diperlukan dalam membangun perangkat lunak yang berupa data transaksi. Kemudian melakukan analisa pengolahan data untuk menghasilkan suatu informasi berupa pola (pattern) dengan teknik asosiasi (association rule). 2.2 Desain Sistem Dalam proses desain sistem bertujuan untuk merealisasikan hasil analisis ke dalam bentuk perangkat lunak, pada tahap ini meliputi rancangan antarmuka
dan dalam perancangan prosedur yang akan diterapkan dalam perangkat lunak berdasarkan teknik asosiasi dengan algoritma apriori dan FP Growth. 3. Implementasi dan Pengujian Pada tahapan ini menerapkan source code program untuk dijadikan hasil akhir yaitu perangkat lunak yang seutuhnya. Kemudian dilakukan proses pengujian dengan memasukkan data transaksi, selanjutnya diketahui data mana yang sering muncul (frequent itemset) secara bersamaan sesuai minimum support dan confidence yang diberikan. Kemudian, membandingkan waktu yang diperlukan oleh algoritma apriori dan algoritma FP Growth. 4. Dokumentasi Tahap dokumentasi ini berupa penulisan skripsi yang menjelaskan proses analisis perbandingan algoritma Apriori dengan Algoritma FP Growth. 1.7 Sistematika Penulisan Peyusunan laporan tugas akhir ini menggunakan kerangka pembahasan yang terbentuk dalam susunan bab, yang dapat dijelaskan sebagai berikut: BAB 1 : PENDAHULUAN Bab ini berisikan tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan dan manfaat penelitian, metode penelitian, dan sistematika penulisan. BAB 2 : LANDASAN TEORI
5 Bab ini berisikan tentang landasan teori yang mendukung perancangan aplikasi yang akan dibangun. BAB 3 : ANALISIS DAN PERANCANGAN SISTEM Bab ini membahas mengenai analisa data yang akan diproses berdasarkan analisis asosiasi dengan algoritma apriori kemudian membuat DFD, flowchart, struktur tabel dan merancang tampilan dari aplikasi data mining. BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM Bab ini akan membahas tentang implementasi dari sistem yang dibuat berdasarkan hasil analisis dan perancangan sistem yang telah dibuat. Kemudian dilakukan pengujian sistem untuk mengetahui apakah sistem dapat berjalan sesuai tujuan dan harapan perancangan. BAB 5 : KESIMPULAN DAN SARAN Bab ini berisi tentang kesimpulan dan saran yang diberikan untuk perbaikan sistem sehingga menjadi lebih baik dan bermanfaat bagi pengguna maupun pembaca skripsi. BAB 2 LANDASAN TEORI 2.1 DataBase