De Perceptron Aplikasi Market Basket Analysis berbasis web menggunakan Perceptron
oleh: Yulian Purnama
03/171209/PA/09787
Wim Permana
03/165273/PA/09313
Ditujukan Kepada: Prof. Drs. H. Subanar Ph.D. selaku Dosen Pengampu Mata Kuliah Data Mining dan Data Warehousing Program Studi Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gadjah Mada Yogyakarta 2007
1
1. Pendahuluan Penggunaan komputer sebagai alat untuk menganalisis sebuah fenomena dalam dunia bisnis dan pemasaran bukan hal yang asing lagi di abad informasi seperti sekarang. Dengan bantuan komputer, analisis kuantitatif yang dihasilkan akan lebih cepat dan tepat ketimbang menggunakan kemampuan manusia. Situs amazon.com menjadi contoh kasus yang baik untuk melihat implementasi langsung dari analisis yang memanfaatkan komputer. Ketika kita berkunjung ke situs ini, kita sebagai pengunjung sekaligus pembeli akan melihat informasi mengenai kecenderungan beli konsumen yang terjadi di sana (Hobbs dkk, 2003). Misalnya informasi berikut: buyer who bought the book The Lord Of The Ring also bought the book The Hobbit. Dengan informasi seperti ini, seorang pembeli yang melakukan transaksi di situs amazon secara tidak langsung akan dirangsang untuk ikut-ikutan membeli produk yang biasanya dibeli bersama produk yang sudah dibelinya. Motif utama di balik informasi semacam ini sudah jelas, yakni untuk meningkatkan laba amazon.com melalui peningkatan penjualan produkproduknya. Analisis semacam inilah yang dikenal dengan istilah market basket analysis. Penelitian di bidang Artificial Neural Network (jaringan syaraf tiruan) termotivasi oleh sebuah fakta di lapangan yang menunjukkan bahwa otak manusia sebenarnya melakukan proses komputasi dengan teknik yang jauh berbeda jika dibandingkan dengan teknik yang dipakai oleh komputer digital. Otak manusia telah diketahui memiliki kemampuan untuk mengorganisasi komponen-komponennya sehingga
2
dapat menyelesaikan suatu kasus komputasi dengan lebih baik dan lebih cepat ketimbang komputer digital. Contoh-contoh kasus ini diantaranya; pengenalan pola, persepsi, dan kendali motorik (Kantardzic, 2003). Dalam dunia data mining yang memiliki kaitan sangat erat dengan market basket analysis, perceptron merupakan “alat” yang akan digunakan untuk mempelajari data yang akan dianalisis. Dengan menggunakan konsep perceptron, kami berharap agar aplikasi ini dapat menghasilkan analisis yang lebih baik dan akurat ketimbang tanpa perceptron.
2. Perumusan Masalah Adapun masalah yang akan dibahas dalam penelitian ini adalah sebagai berikut.
1. Mengembangkan sebuah aplikasi market basket analysis menggunakan konsep perceptron yang berbasis web (web-based).
2. Output yang akan dihasilkan oleh aplikasi ini adalah beberapa tipe dari association rules yang berkaitan dengan data hasil pembelian, yaitu; support, confidence.
3. Tujuan Berdasarkan permasalahan yang telah dibahas sebelumnya, maka tujuan dari penelitian ini adalah sebagai berikut.
1. Mengetahui pola pembelian produk atau penggunaan jasa yang biasanya dilakukan oleh mayoritas pembeli produk atau pengguna jasa.
3
2. Membuat aplikasi market basket analysis yang memanfaatkan konsep perceptron menggunakan bahasa pemrograman PHP.
4. Manfaat Manfaat yang bisa diambil dalam penelitian ini adalah sebagai berikut.
1. Membantu pemilik lembaga bisnis (swalayan, perusahaan jasa asuransi, toko on-line, dsb) untuk menganalisis kecenderungan atau pola konsumsi yang dimiliki oleh pelanggan masing-masing.
2. Memindahkan aplikasi yang sebelumnya berbasis client (client-based) menjadi berbasis web (web-based).
3. Mengetahui manfaat konsep perceptron untuk market basket analysis. 5. Metode Penelitian Metode penelitian yang akan digunakan dalam penelitian ini adalah sebagai berikut.
1. Pengumpulan data, informasi dan teori-teori mengenai market basket analysis dan perceptron diperoleh melalui artikel dan buku yang ada di internet.
2. Data yang akan dianalisis oleh aplikasi ini adalah data yang masih bersifat fiktif. Hal ini kami lakukan dengan alasan bahwa kami lebih fokus untuk mengembangkan aplikasi yang dapat mengimplementasikan gabungan antara market basket analysis dengan perceptron bukan pada analisis data nyata yang terjadi dalam sebuah swalayan atau sejenisnya. Meskipun begitu, tidak tertutup
4
kemungkinan bagi aplikasi ini untuk melakukan analisis terhadap data semacam itu.
3. Setelah aplikasi berhasil diimplementasikan, akan dilakukan analisis terhadap output yang dikeluarkan. Analisis akan lebih menekankan pada berhasiltidaknya aplikasi ini untuk menghasilkan perhitungan support dan confidence.
6. Tinjauan Pustaka 6.1. Market Basket Analysis Market Basket Analysis, atau MBA, merupakan salah satu tipe analisis data yang paling sering digunakan dalam dunia pemasaran (Megaputer, 2007). Tujuan dari MBA adalah untuk menentukan produk-produk (jasa) apa saja yang paling sering dibeli atau digunakan sekaligus oleh para pelanggan. Istilah Market Basket Analysis sendiri datang dari kejadian yang sudah sangat umum terjadi di dalam pasar swalayan, yakni ketika para pelanggan memasukkan semua barang yang mereka beli ke dalam keranjang (market basket) yang umumnya telah disediakan oleh pihak swalayan itu sendiri. Informasi mengenai produk-produk yang biasanya dibeli secara bersama-sama oleh para pelanggan dapat memberikan “wawasan” tersendiri bagi para pengelola toko atau swalayan untuk menaikkan laba bisnisnya (Albion Research, 2007). Misalnya, seorang manajer toko bisa saja memanfaatkan informasi seperti ini untuk menempatkan produk-produk yang umumnya dibeli bersama-sama ke dalam sebuah area yang berdekatan jaraknya. Hal ini bertujuan untuk
5
memudahkan “mayoritas” pembeli agar semakin senang membeli beberapa produk berlainan sekaligus. Atau sebaliknya, informasi seperti ini justru bisa dijadikan alasan oleh sang manajer untuk menjauhkan letak satu produk dengan produk lainnya agar pelanggan secara tidak sadar bisa terpicu untuk membeli produk-produk lain yang biasanya tidak dibelinya. Informasi-informasi atau pengetahuan seperti di atas tentunya tidak hanya bermanfaat di dalam lingkungan pemasaran untuk pasar swalayan saja. Beberapa bisnis yang bergerak di luar wilayah ini pun bisa menikmati manfaat dari adanya MBA ini. Sebut saja misalnya; toko-toko virtual yang menjual produk-produknya secara on-line, bank-bank yang memberikan fasilitas layanan kartu kredit untuk para nasabahnya, perusahaan penyedia jasa asuransi, restoran fast-food, toko baju, toko buku, dsb.
6.2. Perceptron
Perceptron adalah program aplikasi yang digunakan untuk mempelajari konsep/pemahaman mengenai sesuatu (Weisman dan Pollack, 1995). Dengan kata lain, perceptron dirancang untuk dapat merespon nilai boolean True (1) atau False (0) yang menjadi masukannya (input). Secara umum, perceptron merupakan jaringan syaraf tiruan dengan lapisan tunggal (single layer) yang bobot-bobot dan biasnya bisa dilatih untuk menghasilkan vektor target secara tepat ketika akan ditampilkan dengan vektor input yang bersesuaian. Teknik pelatihan yang akan digunakan biasanya disebut
6
the perceptron learning rule. Banyak orang yang tertarik untuk memanfaatkan perceptron dikarenakan kemampuannya dalam melakukan generalisasi dari vektor-vektor latihannya, lalu bekerja dengan koneksi-koneksi tersebar secara acak. Perceptron menghitung output yang dihasilkannya menggunakan persamaan berikut ini: P*W+b>0 Keterangan: ➢
P adalah vektor input yang dimasukkan ke dalam jaringan
➢
W adalah vektor bobot
➢
b adalah bias
Perceptron dilatih untuk memberikan respon terhadap setiap vektor input dengan target output yang bernilai 0 atau 1. Berikut ini adalah algoritma perceptron.
0. Inisialisasi semua bobot dan bias. (Agar perhitungan menjadi sederhana, set bobot dan bias sama dengan nol) Set learning rate (α) dengan 0 < α ≤ 1; (Agar sederhana, set α = 1)
1. Selama kondisi berhenti bernilai false, lakukan langkah-langkah berikut: i. Untuk setiap pasangan pembelajaran s-t, Kerjakan: a) set input dengan nilai yang sama dengan vektor input. Xi = Si; b) Hitung respon untuk unit output:
7
c) Perbaiki bobot dan bias jika terjadi error: Jika y ≠ t maka: wi(baru) = wi(lama) + α * t * Xi b(baru) = b(lama) +
α * t
Jika tidak, maka wi(baru) = wi(lama) b(baru) = b(lama) ii. Tes kondisi berhenti. Jika tidak terjadi perubahan bobot pada (i) maka kondisi berhenti akan bernilai true. Namun jika masih terjadi perubahan maka kondisi berhenti akan bernilai false.
8
7. Daftar Pustaka
Albion Research Ltd., 2007, Market Basket Analysis, http://www.albionresearch. com/data_mining/market_basket.php (diakses tanggal 25 Mei 2007) Hoobs, L., Hillson, S., lawande, S., 2003, Oracle 9iR2 Data warehousing, Digital Press, Burlington. Megaputer, 2007, Market Basket Analysis, http://www.megaputer.com/company/ cases/cambridge_mba.php3 (diakses tanggal 25 Mei 2007) Kantardzic, Mehmet, 2003, Data Mining: Concepts, Models, Methods, and Algorithms, John Wiley & Sons.
9