BAB I PENDAHULUAN 1.1 Latar Belakang Berbagai penemuan terbaru di dalam pengumpulan dan penyimpanan data telah memungkinkan berbagai organisasi untuk mengumpulkan berbagai data (data pembelian, data nasabah, data transaksi, dan sebagainya). Jumlah data ini selalu bertambah setiap tahunnya sehingga menyebabkan terjadinya data explosion. Data yang dikumpulkan oleh organisasi ini tentunya dapat digunakan untuk berbagai tujuan, sebagai contoh, sebuah supermarket dapat menggunakan data penjualannya untuk mengetahui pola pembelian dari para pelanggannya. Pada contoh di atas, data yang dikumpulkan jumlahnya sangat besar sehingga akan sangat sulit untuk menganalisanya secara manual, sehingga diperlukan suatu cara yang dapat secara otomatis menganalisa data dan kemudian membentuk kesimpulan untuk diperiksa lebih lanjut. Data mining dapat memenuhi kebutuhan-kebutuhan tersebut. Data mining adalah sebuah proses mengekstrak pola yang penting atau menarik dari sejumlah data yang sangat besar. Association rule mining adalah teknik mining untuk menemukan aturan assosiatif antara suatu kombinasi item. Contoh dari aturan assosiatif dari analisa pembelian di suatu pasar swalayan adalah bisa diketahui berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan susu. Dengan pengetahuan tersebut, para retailer supermarket dapat mengatur penempatan barangnya atau merancang kampanye pemasaran dengan memakai kupon diskon untuk kombinasi barang tertentu. Penting tidaknya suatu aturan assosiatif dapat diketahui dengan dua parameter, support yaitu persentase kombinasi item tersebut dalam database dan confidence yaitu kuatnya hubungan antar item dalam aturan assosiatif. Supermarket merupakan large store yang setiap harinya terdapat lebih dari ribuan transaksi. Transaksi-transaksi tersebut merupakan suatu inputan bagi para retailer dalam menentukan keputusan bisnisnya. Transaksi-transaksi tersebut
2 secara langsung maupun tidak langsung memberikan suatu permasalahan terhadap para retailer sebagai pengambil keputusan bisnis. Salah satu permasalahannya adalah kesulitan dalam hal melakukan seleksi produk untuk pengambilan keputusan positioning dan marketing. Perilaku customer yang beraneka ragam merupakan suatu tantangan yang dihadapi oleh para retailer. Oleh karena itu, keputusan dalam hal seleksi produk untuk positioning dan marketing merupakan suatu hal yang sangat penting. Seleksi produk sangat penting dalam kegiatan promosi supermarket seperti setting produk dalam rak supermarket serta penempatan produk dalam brosur-brosur promosi supermarket. Kesalahan dalam hal seleksi produk akan menyebabkan hilangnya customer potensial dan berarti ini akan menyebabkan hilangnya keuntungan perusahaan. Oleh karena itu, integrasi pencarian frequent itemset dengan model integer programming untuk seleksi produk (The Generalized PROFSET) dilakukan untuk menyelesaikan permasalahan ini. Model PROFSET yang digeneralisasi yaitu model yang mengkombinasikan kriteria atau domain knowledge kualitatif dan kuantitaif dari data retail untuk menentukan set produk yang memberikan keuntungan crossselling maksimum pada sebuah large basket. Ide dasar dari model ini yaitu bahwa produk-produk tidak dipilih berdasarkan keuntungan individual mereka, akan tetapi keuntungan total yang mereka hasilkan, termasuk juga keuntungan dari cross-selling. Model ini akan menyeleksi produk yang paling menarik dari keanekaragaman suatu produk berdasarkan pada potensi cross-selling mereka yang batasan-batasannya ditentukan oleh para retailer. Model PROFSET yang digeneralisasi merupakan penyempurnaan dari model PROFSET sebelumnya. Hal ini dikarenakan model PROFSET sebelumnya tidak dapat menangani data supermarket yang besar atau dengan kata lain hanya bisa menangani data pada small market. Selain itu model sebelumnya juga tidak bisa memasukkan prinsip-prinsip kategori manajemen dalam memberikan bisnis value. Pada tugas akhir ini akan diimplementasikan integrasi pencarian frequent itemset dari association rule dengan sebuah model integer programming untuk
3 seleksi produk (The Generalized PROFSET) dan akan dianalisa performansinya dalam hal akurasi dan efektifitas model yang dibangun. 1.2 Perumusan Masalah Permasalahan yang dijadikan objek penelitian dalam tugas akhir ini adalah sebagai berikut :. 1. Bagaimana mengimplementasikan integrasi pencarian frequent itemset dari association rule dengan sebuah model integer programming untuk seleksi produk (The Generalized PROFSET) 2. Bagaimana merancang dan membangun perangkat lunak integrasi pencarian frequent itemset dari association rule dengan sebuah model integer programming untuk seleksi produk (The Generalized PROFSET). 3. Bagaimana menganalisis performansi dari sistem yang dibangun dalm hal akurasi dan efektivitas pada data dengan jumlah yang besar. 1.3 Tujuan Dalam tugas akhir ini, diharapkan dicapai hal-hal berikut : 1. Membahas integrasi pencarian frequent itemset dari association rule dengan sebuah model integer programming untuk seleksi produk (model PROFSET yang digeneralisasi) 2. Merancang dan membangun perangkat lunak integrasi pencarian frequent itemset dari association rule dengan sebuah model integer programming untuk seleksi produk (model PROFSET yang digeneralisasi) 3. Menganalisis performansi integrasi pencarian frequent itemset dari association rule dengan sebuah model integer programming untuk seleksi produk (model PROFSET yang digeneralisasi) pada data dengan jumlah yang besar dalam hal akurasi dan efektifitas model yang dibangun.
4 1.4 Batasan Masalah Untuk menghindari meluasnya materi pembahasan tugas akhir ini, maka penulis membatasi permasalahan dalam tugas akhir ini hanya mencakup hal-hal berikut : 1. Tidak menggunakan metode seleksi produk lain selain metode integrasi association rule untuk menentukan frequent itemset dengan sebuah model integer programming untuk seleksi produk (The Generalized PROFSET) 2. Dataset yang akan dijadikan kajian adalah dataset dari Microsoft SQL Server yaitu foodmart 2000 serta dataset hasil riset dari sebuah supermarket yang terdapat di Bandung. 1.5 Metodologi Metode yang akan digunakan untuk menyelesaikan tugas akhir ini adalah : 1. Studi Literatur Dilakukan studi literatur mengenai data mining, association rule mining, The Generalized PROFSET Model dan metode untuk menganalisa performansi model aplikasi. 2. Perancangan dan implementasi, merancang dan membangun perangkat lunak sebagai alat bantu dalam proses analisis. 3. Analisis dan Evaluasi Penyusunan laporan tugas akhir dan kesimpulan akhir mengenai akurasi dan efektifitas dari implementasi integrasi pencarian frequent itemset dari association rule dengan sebuah model integer programming untuk seleksi produk (The Generalized PROFSET) pada sebuah retail supermarket.
5 1.6 Sistematika Penulisan BAB I BAB II BAB III BAB IV BAB V PENDAHULUAN Berisi latar belakang, perumusan masalah, batasan masalah, tujuan pembahasan, metodologi penyelesaian masalah dan sistematika penulisan. LANDASAN TEORI Penjelasan mengenai data mining, association rule mining, The Generalized PROFSET Model. ANALISIS DAN DESAIN Dalam bab ini diuraikan tentang analisis, perancangan, dan pembangunan perangkat lunak sebagai alat bantu dalam proses analisis. IMPLEMENTASI DAN EVALUASI Bab ini memuat tentang analisis terhadap performansi integrasi pencarian frequent itemset dari association rule dengan sebuah model integer programming untuk seleksi produk (The Generalized PROFSET) pada sebuah retail supermarket. KESIMPULAN DAN SARAN Bab ini berisi kesimpulan yang diambil dari pembahasan bab-bab sebelumnya serta saran-saran untuk pengembangan selanjutnya