Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota Direct Selling Oriflame

Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota Direct Selling Oriflame Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel Jurusan S1 Teknik Informatika Fakultas Teknologi Informasi, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri no. 65, Bandung 40164 email : [email protected], [email protected]

ABSTRACT Direct Selling is a growing business in which member can involve in direct-tomarket distribution system by recruiting others as his / her downline. This paper explores the application of Greedy Knapsack algorithm in Direct Selling in which the goal is to optimize the member’s points by optimal purchase of the products. The algorithm requires the definition of the weight, profit, density and knapsack capacity to reach optimal value. In this case, the weight is the price of the product, the profit is the points of the product, the density is ratio of points per product and the knapsack capacity is the budget to be spent by member. The algorithm will give recommendations in the form of list of products that should be bought in order to optimize the member’s points. The case study of the recommedation system is performed at Oriflame Direct Selling company. It can be concluded based on the survey to the members that the recommendation system based on this algorithm is useful. Keywords: Direct Selling, Oriflame, Greedy Knapsack, recommendation system.

1.

Pendahuluan

Sistem Direct Selling merupakan salah satu dari strategi bisnis yang berkembang dimana sistem ini lebih menyempitkan pangsa pasar dalam sebuah struktur yang lebih dikenal dengan sebutan downline. Sistem Direct Selling sendiri merupakan sistem dasar dari Multi-level Marketing yang mulai merambah ke Indonesia pada tahun 1980an. Dalam perkembangannya selama sekitar 34 tahun, sekarang ini terdapat 300 perusahaan Direct Selling / MLM dimana 120 perusahaan diantaranya telah memiliki SIUP dengan omset rata-rata pada tahun 2009 mencapai Rp 7.6 triliun [1]. Seorang anggota dari sebuah perusahaan Direct Selling selain dituntut untuk membeli produk dari perusahaan tersebut untuk dijual kembali, dan juga dituntut untuk mendapatkan anggota yang menjadi kelompoknya atau yang

83

Jurnal Sistem Informasi, Vol. 9 No. 1, Maret 2014: 83 - 92

sering disebut downline. Sistem penghargaan yang diberikan berupa sistem poin yang diberikan setiap kali anggota membeli suatu produk dan juga berdasarkan kinerja dari setiap anggota downline miliknya. Seiring dengan bertambahnya jumlah anggota dari downline, maka diperlukan suatu sarana untuk saling menjaga komunikasi seorang anggota dengan anggota – anggota lainnya yang menjadi downline-nya sehingga loyalitas mereka dapat selalu terjaga dan terpelihara. Sebagai tambahan, sebuah alat bantu untuk memaksimalkan poin yang merupakan konversi dari penjualan barang dari masing – masing anggota juga diperlukan. Pada paper ini dibahas mengenai penerapan algoritma Greedy Knapsack yang ditujukan untuk memberikan rekomendasi pembelian produk untuk memaksimalkan perolehan poin dari anggota suatu perusahaan Direct Selling. Studi kasus yang dipergunakan adalah suatu perusahaan Direct Selling populer di Indonesia yaitu perusahaan kosmetik Oriflame. Sistem rekomendasi berbasis Greedy Knapsack ini diterapkan dalam suatu website yang ditujukan sebagai sarana komunikasi antar member dan manajemen downline perusahaan tersebut.

2.

Tinjauan Pustaka

2.1. Multi-Level Marketing (MLM) dibandingkan dengan Direct Selling MLM dan Direct Selling merupakan dua buah aktifitas pemasaran produk yang berbeda. Definisi Multi Level Marketing (MLM) secara umum adalah model pemasaran yang menggunakan mata rantai Up Line dan Down Line dengan memotong jalur distribusi [1]. Keunggulan besar bisnis pemasaran Jaringan adalah seseorang tetap bisa bekerja dan sekaligus membangun bisnis sendiri secara paruh waktu, investasi dan resikonya juga jauh lebih kecil serta tersedia pendidikan dan dukungan yang membimbing anda meraih kesuksesan. selain itu, sistem pemasaran jaringan adalah piramida terbalik sehingga puncak sistemnya terbuka bagi bagi siapa saja [2]. Pada dasarnya sistem penjualan secara Direct Selling hampir sama, adapun perbedaan bentuk Direct Selling berdasarkan media penjualannya, seperti face to face selling, direct mail selling, catalog selling, dan lain sebagainya. Perbedaan dari metode pemasaran Direct Selling dan MLM tersebut dapat diperinci dari tabel 1 berikut ini:

84

Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota Direct Selling Oriflame (Vaxtra Maendhapaskha, Andi Wahju Rahardjo Emanuel)

Tabel 8. Perbedaan serta persamaan Direct Selling dan MLM [1] Parameter Teknis Menjual Jenjang Karir Rekrutmen Horizontal Rekrutmen Vertikal Pengembangan Skill Pengembangan Sikap Pencapaian Target Penghargaan Hasil Perluasan Karir Jenis Produk Team Work

Direct Selling Langsung Tidak Terbatas 1-2 duplikasi Tidak terbatas Tidak Terbatas 1-2 duplikasi Tidak terbatas Dipertanyakan Profesional Dipertanyakan Tidak terbatas Tidak Menentu Kecil

Multi Level Marketing Langsung Tidak terbatas Tidak terbatas Tidak terbatas Tidak terbatas Sangat Diberdayakan Profesional dan emosional Diberdayakan Tidak terbatas Menentu Besar

Tabel 1 di atas menjelaskan tentang perbedaan dan persamaan antara Direct Selling dan MLM. Tabel 1 di atas menjelaskan bahwa kedua strategi tersebut memiliki banyak persamaan. Dalam strategi Direct Selling, pembentukan jaringan antar member lebih mengacu kepada satu titik pimpinan atau satu akar jaringan. Sedangkan pada Multi Level Marketing lebih bersifat fleksibel dan dapat dikatakan merupakan dari kumpulan jaringan-jaringan Direct Selling. Maka dari itu para pelaku Direct Selling dapat disebut juga sebagai self employee, sedangkan MLM lebih menekankan kepada pembangunan karakter serta bisnis investasi segala arah.

2.2. Algoritma Greedy Knapsack Masalah Knapsack merupakan suatu permasalahan untuk menemukan nilai optimal dengan kapasitas penyimpanan yang terbatas dari pemilihan berbagai obyek yang memiliki bobot (wi), profit (pi), dan densitas (profit per bobot atau pi/wi) [5]. Sedangkan Algoritma Greedy merupakan metode yang paling populer untuk memecahkan persoalan optimalisasi [3]. Algoritma Greedy membentuk solusi langkah per langkah (step by step). Terdapat banyak pilihan yang perlu dieksplorasi pada setiap langkah solusi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan. Keputusan yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah selanjutnya.

85


Berikut merupakan tiga pendekatan dalam kasus pemecahan Knapsack dengan algoritma Greedy: 1. Greedy by profit: Pada setiap langkah, knapsack diisi dengan obyek yang mempunyai profit terbesar. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang paling menguntungkan terlebih dahulu. 2. Greedy by weight: Pada setiap langkah, knapsack diisi dengan obyek yang mempunyai berat paling ringan. Strategi ini mencoba memaksimumkan keuntungan dengan memasukkan sebanyak mungkin objek ke dalam knapsack. 3. Greedy by density: Pada setiap langkah, knapsack diisi dengan obyek yang mempunyai densitas (pi /wi) terbesar. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang mempunyai keuntungan per unit berat terbesar. Pada setiap langkah, knapsack diisi dengan obyek yang memiliki densitas terbesar yang bertujuan untuk mengoptimalkan keuntungan berdasarkan profit per unit berat terbesar: w2 = 5; p1 = 15 w3 = 10; p1 = 50 w4 = 5; p1 = 10 Kapasitas knapsack W = 16 Solusi dengan algoritma greedy ditampilkan dalam tabel 2 di bawah: Tabel 2. Solusi algoritma Greedy [4]

i 1 2 3 4

Properti objek wi pi pi /wi 6 12 2 5 15 3 10 50 5 5 10 2 Total bobot Total keuntungan

profit 0 1 1 0 15 65

Greedy by bobot 1 1 0 1 16 37

densitas 0 1 1 0 15 65

Solusi Optimal 0 1 1 0 15 65

Pada tabel 2 diatas, algoritma Greedy dengan strategi pemilihan objek berdasarkan profit dan density memberikan solusi optimal, sedangkan pemilihan objek berdasarkan bobot tidak memberikan solusi optimal.

86


3.

Analisis dan Desain

Obyektif yang diinginkan dari seorang anggota atau member dari perusahaan Direct Selling adalah bagaimana cara untuk mengoptimalkan poin melalui pembelian berbagai produk dengan anggaran yang telah ditentukan. Permasalahan ini merupakan salah satu bentuk dari masalah Knapsack yang dapat diselesaikan dengan algoritma Greedy. Pada aplikasi yang dikembangkan yang memanfaatkan algoritma Greedy Knapsack seperti yang dijelaskan diatas, yang menjadi bobot (w) adalah harga produk, profit (p) adalah nilai poin dari produk, densitasnya (p/w) adalah nilai poin per harga produk, sedangkan kapasitas knapsack adalah total anggaran yang akan dibelanjakan oleh seorang anggota. Berikut merupakan hasil analisis dan desain beberapa diagram sebagai gambaran besar implementasi penerapan algoritma knapsack pada aplikasi yang diwujudkan dalam sub-sistem “Rekomendasi Pembelian Produk” pada gambar 1 dibawah ini.

Gambar 1. Arsitektur Sistem Keseluruhan [4]

87


Gambar 1 di atas merupakan gambaran secara keseluruhan arsitektur sistem dari website yang akan dirancang. Pengguna dari website tersebut dibagi menjadi dua otoritas (member dan administrator) dimana masing-masing otoritas memiliki hak akses yang berbeda beserta fitur-fitur website yang dapat digunakan berdasarkan otoritas pengguna Sistem rekomendasi yang disediakan oleh aplikasi, dapat digunakan seorang member untuk mendapatkan sebuah informasi tentang rekomendasi produk yang hendak dibeli member. Proses pertama yang dilakukan sistem yaitu dengan mengambil semua informasi produk dalam katalog dimana dari kumpulan produk tersebut akan dilakukan pensortiran berdarkan poin terbesar, harga terendah, dan densitas terbesar dengan jumlah harga produk tidak melebihi nominal yang dimasukan member. Setelah pengelompokan selesai, sistem akan membandingkan ketiga pengelompokan dan memilih poin manakah yang lebih optimum. Setelah itu sistem akan memberikan daftar produk dengan poin optimum tersebut. Berikut merupakan gambaran diagram DFD pada subsistem rekomendasi produk seperti yang ditunjukkan pada gambar 2 dibawah ini.

88


Id katalog

Nominal budget pembelanjaan

9.1 Proses pengambilan daftar produk dalam katalog

Katalog

Informasi katalog

Informasi katalog

9.2 Perhitungan poin optimal dengan memilih poin terbesar dahulu

Poin optimal berdasarkan poin terbesar

Member

9.3 Perhitungan poin optimal dengan memilih harga terendah dahulu

Poin optimal berdasarkan poin terbesar Poin optimal bedasarkan harga terendah

9.4 Perhitungan poin optimal dengan memilih tingkat densitas terbesar dahulu

Poin optimal berdasarkan poin terbesar Poin optimal berdasarkan harga terendah Poin optimal berdasarkan tingkat densitas terbesar

Rekomendasi pembelanjaan member

9.5 Proses perbandingan ketiga perhitungan untuk mendapatkan poin paling optimal

Informasi poin optimal

Katalog Data barang poin optimal

9.6 Memberikan rekomendasi daftar barang yang dibelanjakan

Informasi daftar barang dengan poin optimal

Gambar 2. DFD Sub-sistem Rekomendasi Produk [4]

89


Gambar 3. Entity Relationship Diagram keseluruhan Sistem [4] Gambar 3 di atas merupakan diagram ERD dari aplikasi dimana pada diagram tersebut digambarkan data-data yang disimpan dalam aplikasi. data-data tersebut merupakan data utama aplikasi yang akan diolah lebih lanjut menjadi informasi bagi pengguna baik member maupun administrator. Tampilan rekomendasi produk untuk memaksimalkan poin pada situs Direct Selling yang dikembangkan dapat dilihat pada gambar 4 berikut ini.

90


Gambar 4. Tampilan sistem rekomendasi pada situs web [4] Gambar 4 di atas merupakan tampilan halaman utama website seorang member. Pada awalnya member memasukan nominal uang pada textbox di atas tabel daftar produk. Ketika member setelah klik proses, sistem akan memberikan daftar produk rekomendasi dalam bentuk tabel lengkap dengan nama, harga beli, harga jual, poin, barang rekomendasi, dan diskon. Proses pengujian yang dilakukan untuk sistem ini berupa survey ke pengguna yaitu sampel 20 anggota dari Oriflame. Dari hasil survey didapatkan bahwa 17 dari 20 orang responden (85%) menyatakan sangat setuju dan setuju bahwa rekomendasi yang diberikan berdasarkan algoritma ini dianggap membantu dalam pemilihan produk apa saja yang harus dibeli.

4.

Kesimpulan

Direct Selling adalah salah satu bentuk pemasaran yang tengah berkembang dengan pesat di Indonesia. Seorang anggota atau member dari perusahaan tersebut dituntut untuk membeli berbagai produk untuk dijual kembali dan juga merekrut anggota dibawahnya atau downline-nya. Bentuk penghargaan yang diberikan berupa perolehan poin berdasarkan produk yang dibeli. Paper ini membahas penerapan algoritma Greedy untuk memecahkan permasalahan Knapsack berupa optimalisasi poin dari seorang anggota berdasarkan produk – produk yang dibeli dimana masing – masing produk tersebut memilik nilai poin

91


yang beragam. Penerapan algoritma ini diimplementasikan dalam sebuah website yang dibangun sebagai sarana komunikasi antara seorang anggota dengan anggota – anggota lainnya yang menjadi downline. Berdasarkan hasil survey ke sampel 20 pengguna yang merupakan anggota Oriflame, dapat disimpulkan bahwa algoritma Greedy Knapsack dapat dipergunakan untuk memberikan solusi optimalisasi poin untuk para anggota perusahaan Direct Selling tersebut.

Daftar Pustaka [1] APLI, "Perbedaan Direct Selling Dengan Piramida [Online]," p. www.apli.or.id, diakses 20 Januari 2014. [2] R. T. Kiyosaki, Rich Dad's The Business School For People Who Like Helping People, Jakarta: PT Gramedia Pustaka Utama, 2003. [3] R. Munir, Algoritma dan Pemrograman dalam bahasa pascal dan C, Bandung: Cv. Informatika, 2001. [4] V. Maendhapaskha, Rekomendasi Pembelian Produk pada Jaringan Direct Selling dengan Algoritma Knapsack, Tugas Akhir Jurusan S1 Teknik Informatika Fakultas Teknologi Informasi UK. Maranatha Bandung, Februari 2014. [5] D. Wu, Lecture 14: Greedy Algorithms, The Hongkong University of Science and Technology (Lecture Notes). Available: http://www.cse.ust.hk/~dekai/271/notes/L14/L14.pdf . Diakses: 3 Maret 2014

92

Penerapan Algoritma Greedy Knapsack untuk Optimalisasi Poin pada Situs Anggota Direct Selling Oriflame

Recommend Documents