SISTEM PENDUKUNG KEPUTUSAN PENJUALAN BARANG MENGGUNAKAN ALGORITMA APRIORI NASKAH PUBLIKASI diajukan oleh Dirga S Chaniago 13.11.6854 kepada FAKULTAS ILMU KOMPUTER UNIVERSITAS AMIKOM YOGYAKARTA YOGYAKARTA 2017
SISTEM PENDUKUNG KEPUTUSAN PENJUALAN BARANG MENGGUNAKAN ALGORITMA APRIORI Dirga S Chaniago 1), Bambang Sudaryatno 2) 1) S1 Informatika Universitas Amikom Yogyakarta Jl Ringroad Utara, Condongcatur, Depok, Sleman, Yogyakarta Indonesia 55283 Email : dirga.c@students.amikom.ac.id 1), bambang_s@amikom.ac.id 2) Data mining is the science that already developing a much hearts analyzing the data, prayer one thing in data mining techniques used for designing a development strategy review hearts Sales or marketing. The apriori algorithm is praying hearts formation data mining algorithms Association rules. association rule from decision support systems sales of goods intended for review found Patterns Purchases of goods which is often done by the same Operates consumer hearts over specific time periods on the data Transactions typically sized very big with on eventually using rules asosiasi. so that or convenience store owners anticipate And make vacancy And Discounts packaged goods against goods certain influential because canthe consumer And Revenue service. singer study aims to review the algorithms apply apriori into a system that is easier and more fast And Accurate calculations hearts. Final Results from the calculation of operating sales manager Singer describes the linkages or beetween relations goods which one with the others. dan permintaan barang yang harus di stok dalam jumlah lebih banyak dari barang lainnya, sehingga jumlah inventori (stok barang) dan permintaan dapat terpenuhi secara seimbang agar tidak terjadi penyusutan nilai guna barang dan pemilik swalayan tidak mengalami kerugian. Salah satu metode yang di gunakan dalam sistem pendukung keputusan tersebut adalah dengan menggunakan metode algoritma apriori. algoritma Apriori adalah merupakan salah satu teknik dari datamining yang mempelajari perilaku kebiasaan konsumen dalam membeli barang secara bersamaan dalam satu waktu. teknik tersebut dapat di gunakan untuk menemukan pola assosiasi rule dengan tingkat kepercayaan tertentu. Sehingga dapat memberikan solusi bagi pemilik toko untuk menyediakan barang barang yang harus di sediakan dan merancang tampilan produk di katalog merancang kupon diskon (untuk di berikan kepada pelanggan yang membeli produk tertentu), tingkat kepercayaan ditentukan oleh manajer melalui minimum support dan minimum confidence yang ideal adalah 20% untuk minimum support. Keywords: Data mining, Association rules, Apriori Algorithm, Decision Support System.Consumen 1. Pendahuluan 1.1. Latar Belakang 1.2. Tinjauan Pustaka Penelitian sebelumnya terkait penerapan data mining assosiation rule dengan algoritma apriori untuk dapat mengolah data dan menemukan patern atau pola penjualan, diantaranya adalah : [1]. Saat ini penggunaan Teknologi Informasi sangat 1. 1. Penelitian yang dilakukan oleh (Wijhah Islamika 2015) berkembang pesat di berbagai aspek kehidupan masyarakat, Penjelasan Penelitian : Dalam Penelitian ini Wijhah Islamika penggunaannya yang mudah serta keakuratan data yang di melakukan analisis asosiasi data dangan algoritma apriori hasilkan Teknologi Informasi membuat sebagian masayarakat sebagai sistem pendukung keputusan penjualan barang yang menggunakan Teknologi Informasi, Salah satu aspek yang berbasis web dengan menghasilkan association rule pola ifthen dimana k-itemset digunakan untuk mengeksplorasi tidak bisa lepas dari penggunaan Teknologi Informasi adalah aspek perekonomian, terutama dalam sistem penjualan barang itemset dengan melakukan pendekatan iterative yang dikenal dalam suatu swalayan atau toko. Pasar swalayan merupakan dengan pencarian level-wise.[2]. sarana atau tempat penyedia barang kebutuhan sehari-hari. 2. Penelitian yang dilakukan oleh (Denny Henrry Bonai 2011) setiap harinya pasti akan terjadi beberapa transaksi penjualan Penjelasan Penelitian : Dalam penelitian ini dalam penelitian dan data transaksi. Dalam transaksi penjualan tersebut ada ini akan menggunakan algoritma apriori. Dalam penelitian ini beberapa pemilik swalayan yang kurang mengetahui barang akan dibuat suatu sistem pendukung keputusan analisa pola apa saja yang terjual atau yang paling banyak di beli oleh pembelian produk dengan metode algoritma apriori dengan pelanggan selama kurun waktu periode tertentu, sehingga menggunakan Visual Basic dan SQL server. Adapun teknik dapat terjadi kekosongan barang di dalam swalayan karna yang digunakan dalam penelitian ini adalah algoritma apriori jumlah inventori (stok barang) dan permintaan tidak dapat menggunakan 2 nilai analisis 2 nilai penting yaitu minimum terpenuhi secara seimbang karna tidak mengetahui pola support dan confidence. Dua nilai tersebut digunakan dengan pembelian barang yang di lakukan oleh konsumen. Untuk proses iterasi untuk menemukan setiap kombinasi item barang mengatasi masalah ini, di perlukan sutu sistem yang dapat yang disebut proses join dan proses untuk mengeliminasi membantu pemilik swalayan dalam mengambil keputusan pengelompokan barang yang disebut proses prune. Setelah mengenai jenis barang membaca jurnal-jurnal dan penelitian yang sudah dilakukan 1
diatas sebagai studi literature dan penelusuran ilmiah, maka peneliti semakin mengetahui banyak hal mengenai data mining terutama bagaimana sebuah algoritma apriori bisa digunakan dalam mempelajari market basket analisis atau perilaku belanja konsumen dengan aturan asosiasi sebuah data bisa diolah sebagai sebuah informasi sehingga dapat bermanfaat untuk masa yang akan mendatang. Penelitian yang telah pernah di lakukan sebelumnya oleh peneliti di atas tersebut dilihat dari aspek ekonomi masih kurang sempurna, dengan menggunakan web membuat biaya operasional semakin bertambah karna adanya keluaran biaya yang harus di keluarkan untuk membayar sewa internet selama waktu tertentu, sehingga masih kurang effisien dalam proses operasional, dalam penelitian ini juga tidak menampilkan data transaksi ke dalam form yang telah Masuk kedalam database, hanya langsung berada di form analisis tidak dapat menampilkan data data transaksi di form output aplikasi. Berdasarakan hasil dari penelitian yang telah di lakukan sebelumnya, terdapat sejumlah keunggulan dari pembuatan aplikasi ini, yaitu peneliti membuat aplikasi Sistem Pendukung Keputusan Penjualan Barang dengan Menggunakan Algoritma Apriori, dengan menggunakan Bahasa pemrograman Java Desktop dan database MYSQL sehingga dapat mengurangi biaya operasional dalam penggunaannya, selain itu tampilan data transaksi yang tidak terdapat dalam penelitian sebelumnya di tampilkan dalam aplikasi ini. Selain itu sistem ini dapat melakukan transaksi penjualan serta olah data penjualan.[3]. 3. Analisis dan Perancangan 3.1. Analisis Sistem 3.2 Identifikasi Masalah Dalam membuat suatu Sistem Informasi, tahap pertama yang di lakukan dalam proses analisis adalah dengan menentukan permasalahan yang terjadi dalam sistem, sehingga sistem yang akan di buat lebih baik dari sistem yang ada sebelumnya. 3.2.1 Analisis Pieces Untuk menyelesaikan permasalahan yang telah di uraikan sebelumnya, untuk menentukan sebuah sistem di perlukan analisis sebagai alat ukur untuk menentukan langkah langkah yang harus di ambil, berikut ini adalah analisis PIECES : 3.2.1.1 Analisis Kinerja ( Performance ) Tabel 3.1 Analisis Kinerja No Faktor Analisis 1 Throughpout ( Pembuatan Laporan masih jumlah produksi ) manual, sering terjadi kesalahan dalam pencatatan sehingga memerlukan waktu 10 20 menit dalam pembuatan 2 Respon Time ( waktu) 3.2.1.2 Analisis Informasi ( Information ) Tabel 3.2 Analisis Informasi 1 Akurasi Keakuratan data masih kurang, karna sering terjadi kesalahan dalam pencatatan penjualan, misalnya : Pemilik kesulitan dalam melakukan penjualan barang karna data penjualan yang terjual masih menggunakan metode manual meskipun telah memiliki nota sehingga sering terjadi pembelian barang yang tidak perlu. 2 Relevan Informasi yang di hasilkan telah sesuai dengan yang di harapkan, namun masih kurang optimal. contoh : masih sulit mencari / mengecek data penjualan atau persediaan data barang 3 Time Line Informasi untuk melakukan pembelian barang dari supplier memerlukan waktu yang lama karna data penjualan barang yang terjual masih di hitung menggunakan alat tulis / manual. 3.2.1.3 Analisis Ekonomi ( Economy ) laporan. Memerlukan waktu -+ 2-3 menit dalam melakukan transaksi sehingga pembuatan laporan menjadi terlambat Tabel 3.3 Analisis Economy 1 Biaya Sistem lama tidak dapat memprediksi barang apa saja yang harus di sediakan untuk menyeimbangkan jumlah barang di dalam inventory (stok barang) dan 2
jumlah permintaan sehingga sering terjadi penyusutan nilai guna barang (barang yang tidak terjual) Sehingga akan menambah biaya pembelian barang. 3.2.1.4 Analisis Pengendalian ( Control ) Tabel 3.4 Analisis Control 1 Pengendalian Terhadap Akses Hak Tidak adanya perlindungan terhadap data yang ada sehingga dapat terjadi kehilangan data dan perubahan data yang tidak di ketahui oleh pemilik. 6. Keyboard 3.3.2.2 Perangkat Lunak (Software ) Kebutuhan software yang di gunakan dalam pembuatan sistem informasi ini adalah : 1. Sistem Operasi Windows 7 Ultimate 2. Java NetBeans 8.0.1 3. My Sql 4. Xampp 3.5.1 Perancangan Model 3.5.1.1 Bagan Alur Algoritma Apriori 3.2.1.5 Analisis Efisiensi ( Effisiency ) Tabel 3.5 Analisis Effisiency 1 Jumlah sumber daya yang di gunakan 3.2.1.6 Analisis Pelayanan ( Services ) Tabel 3.6 Analisis Service 1 Pelayanan Sistem lama kurang Eficiency karna memerlukan beberapa orang dan waktu yang lama dalam proses penyediaan stok barang masih menggunakan metode manual sehingga terjadi pengeluaran biaya untuk membeli alat tulis serta tenaga Kurangnya peningkatan pelayanan terhadap konsumen karna sistem belum mampu mengetahui untuk memenuhi permintaan barang yang di beli konsumen 3.3.2.1 Perangkat Keras ( Hardware ) adalah semua bagian fisik komputer, dan dibedakan dengan data yang berada di dalamnya atau yang beroperasi di dalamnya, dan dibedakan denganperangkat lunak (software) yang menyediakan instruksi untuk perangkat keras dalam menyelesaikan tugasnya. Spesifikasi perangkat keras ( hardware ) untuk membuat aplikasi ini adalah : 1. Processor : Intel Pentium core2 duo or higher 2. Ram : 2 GB 3. Harddisk : 240gb 4. Monitor : 19 5. Mouse Gambar 3.1 Rancangan Bagan Alur Algoritma Apriori 3.5.1.1.1 Contoh Penggunaan Algoritma Apriori untuk Pencarian Association Rule Pada bagian ini akan di jelaskan penggunaan algoritma Apriori untuk menganalisis data belanja pada data transaksi penjualan, Berikut ini merupakan contoh database transaksi dari sebuah toko, setiap transaksi menunjukkan item yang di beli oleh konsumen dalam waktu secara bersamaan 3.5.1.1.1.1 Tahapan Perhitungan Algoritma Apriori 1. Tahapan pertama dalam perhitungan Algoritma Apriori untuk menemukan association rules yaitu menuliskan data transaksi yang terjadi dalam periode tertentu. Data transaksi yang dimisalkan yaitu seperti dalam tabel berikut : Tabel 3.7 Daftar Transaksi Transaksi Item 1 Susu, Mentega, Kopi, Gula 2 Susu 3 Susu, Mentega, Gula 4 Susu, Kopi, Teh 5 Susu, Teh 6 Susu, Kopi, Teh 7 Susu, Mentega, Kopi, Teh 8 Susu, Mentega, Kopi, Gula 3
9 Susu, Mentega, Kopi, Teh 10 Susu Kopi, Teh 2. Tahapan berikutnya adalah membuat tabel tabular untuk melakukan perhitungan jumlah kunjungan di masingmasing barang. Tabular ini dapat dilihat pada Tabel 3.8. Tabel 3.8 Tabulasi Representasi dari Data Transaksi Transaksi Susu Mentega Kopi Teh Gula 1 1 1 0 0 1 2 1 0 0 0 0 3 1 1 0 0 1 4 1 0 1 1 0 5 1 0 0 1 0 6 1 0 1 1 0 7 1 1 1 1 0 8 1 1 1 0 1 9 1 1 1 1 0 10 1 0 1 1 0 Jumlah 10 5 6 6 3 3. Langkah berikutnya adalah membuat kombinasi 2 itemsets pada setiap barang dan frekuensi masing-masing kombinasi dihitung sesuai dengan data tabular pada tabel. Pola kombinasi yang didapatkan dapat dilihat pada tabel 3.9 : Tabel 3.9. Pola Kombinasi 2 Itemsets Pola Kombinasi 2 Itemsets Jumlah Susu Mentega 5 Susu Kopi 6 Susu Teh 6 Susu Gula 3 Mentega Kopi 3 Mentega Teh 2 Mentega Gula 3 Kopi Teh 5 Kopi Gula 1 Teh Gula 0 4. Setelah frekuensi masing-masing itemset ditemukan, langkah selanjutnya menyeleksi frekuensi yang lebih besar atau sama dengan batas minimal yang telah ditentukan. Misalnya ditentukan batas minimal support 3 Tabel 3.10 Eliminasi Kombinasi Itemset Pola Kombinasi 2 Itemsets Jumlah Susu Mentega 5 Susu Kopi 6 Susu Teh 6 Susu Gula 3 Mentega Kopi 3 Mentega Teh 2 Mentega Gula 3 Kopi Teh 5 Kopi Gula 1 Teh Gula 0 5. Tahapan selanjutnya adalah menganalisa tabel 3.10, terdapat beberapa baris yang diberi garis hitam, garis tersebut adalah itemset yang tidak memenuhi batas minimum dari jumlah frekuensi yang telah ditentukan. 6. berikutnya adalah dengan membuat 3 itemset yang sesuai dengan susunan kombinasi yang telah di tetapkan. 7. Kombinasi 3 itemset yang memenuhi adalah kombinasi Susu-Mentega-Kopi dan kombinasi Susu-Mentega-Teh karena kombinasi tersebut memenuhi syarat support 3. maka persentase confidence yang terbentuk adalah : Tabel 3.11 Persentase Confidence 3 Itemset No Aturan Confidence 1 Jika Susu dan Mentega, maka Kopi 2 Jika Susu dan Kopi, maka Mentega 3 Jika ke Kopi dan Mentega, maka Susu 3/5 60% 3/6 50% 3/3 100% Jumlah confidence dari pola kombinasi 2 itemset yang memenuhi minimal support yaitu terlihat dari tabel 3.14 : Tabel 3.12 Eleminasi Minimum Confidence No Kombinasi 2 Itemsets Confidence 1 Jika maka Membeli Mentega 5/10 50% 2 Jika Membeli Mentega maka 5/5 100% 3 Jika maka Membeli 6/10 60% Kopi 4 Jika Membeli Kopi maka Membeli Susu 6/6 100% 5 Jika maka ke 6/10 60% Membeli Teh 6 Jika Membeli Teh maka Membeli Susu 6/6 100% 7 Jika maka ke 3/10 30% Membeli Gula 8 Jika Membeli ke Gula maka 3/3 100% 9 Jika Membeli Mentega maka 3/5 60% Membeli Kopi 10 Jika Membeli Kopi maka Membeli Mentega 3/6 50% 11 Jika Membeli Mentega maka 3/5 60% 4
Membeli Gula 12 Jika Membeli Gula maka Membeli 3/3 100% Mentega 13 Jika Membeli Kopi maka Membeli 5/5 100% Teh 14 Jika Membeli Teh maka Kopi 5/6 83% 8. Misalkan ditetapkan nilai confidence minimal adalah 60% maka terlebih dahulu kita menyeleksi jumlah minimal confidence. Dari tabel diatas maka dapat dihitung aturan asosiasi finalnya, yaitu Support dan Confidence seperti pada tabel 3.15 : Gambar 4.1 Pembuatan Database Setelah membuat database, langkah selanjutnya adalah membuat table table dari database yang telah di buat, table ini berfungsi sebagai tempat menyimpan data atau informasi yang saling berkaitan antar tabel satu dengan tabel yang lain. Berikut ini tabel yang akan di buat oleh penulis. 4.2 Relasi Antar Tabel Tabel 3.13 Final Association Rule No Aturan Supp Conf 1 Jika Membeli Mentega maka 50% 100% 2 Jika maka 60% 60% Membeli Kopi 3 Jika Membeli Kopi maka 60% 100% 4 Jika maka 60% 60% Membeli Teh 5 Jika Membeli Teh maka 60% 100% 6 Jika Membeli Gula maka 30% 100% 7 Jika Membeli Mentega maka 30% 60% Membeli Kopi 8 Jika Membeli Mentega maka Membeli Gula 30% 60% 9 Jika Membeli Gula maka 30% 100% Membeli Mentega 10 Jika Membeli Kopi maka 50% 100% Membeli Teh 11 Jika Membeli Teh maka 50% 83% Membeli Kopi 13 Jika dan 50% 60% Mentega, maka Membeli Gula 14 Jika Membeli susu dan 30% 60% Mentega maka Membeli Gula Tabel final association rule menjelaskan Hasil perhitungan support pada tabel final association rule didapatkan dari jumlah kunjungan dengan kombinasi barang A dan B dibagi dengan total barang A. Sedangkan confidence didapatkan dari jumlah barang kombinasi A dan B dibagi dengan total transaksi yang ada. Hasil dari perhitungan menggunakan rumus support dan confidence itulah yang menjadi hasil akhir dari algoritma apriori. Gambar 4.7 Relasi Antar Tabel 4.3 Implementasi Interface ( Antarmuka ) Program Setelah pembuatan database, langkah selanjutnya adalah pembuatan program interface, Interface ( Antarmuka ), Dalam penelitian ini interface dan program tidak di bahas secara keseluruhan, hanya membahas beberapa contoh interface dan program. 4.3.1 Tampilan Halaman Login Gambar 4.2 Tampilan Menu Login 4.3.2 Tampilan Menu Penjualan Gambar 4.14 Tampilan Menu Penjualan 4. Implementasi dan Pembahasan 4.1 Pembuatan Database 5
3. Penutup 5.1. Kesimpulan Dari hasil perancangan dan penelitian sampai dengan penyelesaian pembuatan Sistem Pendukung Keputusan ini, penulis menarik kesimpulan sebagai berikut : 1. Untuk mengetahui barang barang apa saja yang di beli atau terjual secara bersamaan oleh konsumen, penulis membuat sebuah program aplikasi system pendukung keputusan penjualan barang dengan menggunakan algoritma apriori dengan bantuan aplikasi java netbeans dan Microsoft SQL Server 2. Sistem Pendukung Keputusan yang di buat dapat memberikan solusi bagi pemilik toko untuk menyediakan barang barang yang harus di sediakan dan merancang tampilan produk di katalog, merancang kupon diskon (untuk di berikan kepada pelanggan yang membeli produk tertentu), merancang penjualan paket dan lain lain 3. Hasil dari Sistem Pendukung Keputusan bisa menjadi tolak ukur bagi pemilik toko untuk mengambil suatu keputusan untuk menyediakan barang barang yang di perlukan oleh konsumen sehingga tidak terjadi kekurangan stok barang dan penyusutan nilai guna barang. 4. Memperkecil kemungkinan untuk mengalami kerugian akibat pembelian barang yang tidak sesuai dengan kebutuhan konsumen. 5.2 Saran Saran yang ingin penulis sampaikan adalah sebagai berikut : 1. Perlu adanya perbaikan untuk mengembangkan dan menyempurnakan aplikasi Sistem Pendukung Keputusan ini seperti untuk mencetak laporan hasil analisis yang di keluarkan 2. Agar Sistem dapat berjalan dengan baik dan dapat di gunakan secara terus menerus, maka perlu di lakukan perawatan dan pemeliharaan secara berkala terhadap perangkat keras maupun perangkat lunak. Daftar Pustaka [1] Bonai, H. B. (2011). Sistem Pendukung Keputusan Analisis Pola Pembelian Produk Dengan Metode Algoritma Apriori. Sistem Pendukung Keputusan Analisis Pola Pembelian Produk Dengan Metode Algoritma Apriori, http://repository.upnyk.ac.id/1100/1/skrop.pdf. [Diakses 23 Oktober 2016]. [2] Fatta, H. A. (2009). Analisis dan Perancangan Sistem Informasi. Yogyakarta: C.V ANDI OFFSET. [3] Islamika, W. (2015). Analisis Asosisasi Data Dengan Algoritma Apriori Untuk Sistem Pendukung Keputusan. Analisis Asosisasi Data Dengan Algoritma Apriori Untuk Sistem Pendukung Keputusan, http://digilib.uin- suka.ac.id/15440/2/10651058_bab-i_iv-atau-v_daftar- pustaka.pdf. [Diakses 23 Oktober 2016]. [4] Kusrini. (2007). Konsep dan Aplikasi Sistem Pendukung Keputusan. Dalam Kusrini, Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta: C.V ANDI OFFSET. [5] Luthfi, K. d. (2009). Algoritma Data Mining. Yogyakarta: C.V ANDI OFFSET. [6] Rini, S. A, " Universitas Sunan Kalijaga, "Implementasi Algoritma Apriori Untuk Menganalisis Keranjang Belanja Konsumen Pada Data Transaksi Penjualan Supermarket. Implementasi Algoritma Apriori Untuk Menganalisis Keranjang Belanja Konsumen Pada Data Transaksi Penjualan Supermarket, [Online]. Available: http://repository.uin-suska.ac.id/663/1/2011_2011168.pdf. [Diakses 3 Januari 2017] [7]Fairuz,E.S, "Analisis Sistem Informasi - DiagramAlirData,".2010[Online].Available:http://library.b inus.ac.id/ecolls/ethesisdoc/bab2html/2011200855sib ab2001/page25.html. [Diakses 20 Maret 2017]. Daftar Biodata Penulis Dirga S Chaniago, memperoleh gelar Sarjana Komputer (S.Kom), Program Studi S1 Informatika Universitas Amikom Yogyakarta, lulus tahun 2017. Bambang Sudaryatno, memperoleh gelar Sarjana (S1), di Universitas Pembangunan Nasional pada tahun 1986. Memperoleh gelar Magister Manajemen di STIE Artha Bodhi Iswara pada tahun 2004. Saat ini menjadi Dosen tetap di Universitas Amikom Yogyakarta. 6