Artikel Skripsi Universitas Nusantara PGRI Kediri
PENERAPAN DATA MINING PADA PENJUALAN HARDISK UNTUK OPTIMALISASI DISTRIBUSI MENGGUNAKAN METODE CLUSTERING
SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S. Kom) Pada Program Studi Teknik Informatika Fakultas Teknik Universitas Nusantara PGRI Kediri
OLEH : YOPPY RATNA ARIANTO NPM: 11.1.03.02.0401
FAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA
UN PGRI KEDIRI 2016
Yoppy Ratna Arianto | 11.1.03.02.0401 Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id || 1||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Yoppy Ratna Arianto | 11.1.03.02.0401 Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id || 2||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Yoppy Ratna Arianto | 11.1.03.02.0401 Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id || 3||
Artikel Skripsi Universitas Nusantara PGRI Kediri
PENERAPAN DATA MINING PADA PENJUALAN HARDISK UNTUK OPTIMALISASI DISTRIBUSI MENGGUNAKAN METODE CLUSTERING Yoppy Ratna Arianto 11.1.03.02.0401 Fakultas Teknik – Program Studi Teknik Informatika
[email protected] Drs. Agus Budianto, M.Pd. dan M. Rizal Arief, S.T., M.Kom. UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK Jumlah ketersediaan stok hardisk PD. Bintang Mas Rezeki Nusantara terkadang tidak dapat memenuhi jumlah seluruh permintaan seluruh permintaan, hal itulah yang menjadi permasalahan dalam penelitian ini. Untuk itu PD. Bintang Mas Rezeki Nusantara perlu melakukan perbaikan managemen dalam melakukan distribusi barang. Hal ini dapat dilakukan dengan cara memilih pelanggan yang diprioritaskan. Dalam menentukan pelanggan prioritas dilakukan dengan memperhatikan jumlah pembelian pelanggan dan jarak dari PD. Bintang Mas Rezeki Nusantara dengan alamat pelanggan tersebut. Penerapan metode Aglomerative Hierarchical Clustering dilakukan untuk menentukan pelanggan-pelanggan mana yang menjadi prioritas dengan pertimbangan korelasi antara jumlah pesanan dan jarak tempuh dari perusahaan ke pelanggan. Metode Aglomerative Hierarchical Clustering yang digunakan yaitu single linkage. Aplikasi akan memberikan hasil pelanggan prioritas dan pelanggan non prioritas. Kemudian pegawai distributor akan melakukan pengiriman. Jika barang terkirim sampai ke pelanggan maka akan masuk ke laporan dan kemudian data akan dimasukkan ke dalam record laporan, kalau barang tidak terkirim maka data akan kembali ke daftar pesanan dan harus diklaster ulang. Hasil dari penelitian tersebut yaitu PD. Bintang Mas Rezeki Nusantara dapat mengetahui dua jenis pelanggan yaitu pelanggan prioritas dan pelanggan non prioritas. Sehingga PD. Bintang Mas Rezeki Nusantara dapat melakukan pengiriman dahulu kepada pelanggan prioritas. Dengan diketahuinya pelanggan prioritas PD. Bintang Mas Rezeki Nusantara dapet melakukan distribusi penjuaan dengan lebih efisien. Kata Kunci : Distribusi penjualan Hardisk, Hierarchical Clustering, Pelanggan Prioritas.
I.
persaingan
LATAR BELAKANG Persaingan
perusahaan
bisnis
dituntut
semakin
pendapatan
dan
meningkatkan
perusahaan,
pimpinan
berusaha
perusahaan maupun manajemen dalam
mendapatkan kemajuan bisnis semaksimal
suatu perusahaan tersebut di tuntut untuk
mungkin, jika mungkin mengembangkan
dapat mengambil keputusan yang tepat
skala bisnis juga dibutuhkan bagi mereka.
dalam menentukan strategi penjualan.
Kemajuan di bidang teknologi informasi
Untuk dapat melakukan hal tersebut,
yang cepat memberikan pengaruh yang
perusahaan
cukup besar baik dalam bidang industri
informasi yang cukup banyak untuk dapat
maupun
di analisis lebih lanjut.
jasa.
untuk
ketat
bisnis
Untuk
menghadapi
Yoppy Ratna Arianto | 11.1.03.02.0401 Fakultas Teknik – Prodi Teknik Informatika
membutuhkan
sumber
simki.unpkediri.ac.id || 4||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Dalam pendistribusian barang pada
bersifat
eksklusif
mengandung
proses penjualan, terkadang jumlah barang
representasi
yang diterima dari produsen tidak dapat
kategori
mencukupi jumlah permintaan pelanggan.
menumpu (overlapping). Berbeda dengan
Sehingga
association rule mining dan classification
perusahaan
perlu
yang
atau
yang
kaya
seperti
hirarkis
atau
saling
memprioritaskan pelanggan tertentu agar
dimana
pendistribusian penjualan lebih efisien
sebelumnya,
sehingga
pengelompokan data tanpa berdasarkan
lebih
menguntungkan
perusahaan.
kelas
lebih
data
telah
clustering
ditentukan melakukan
kelas data tertentu. Bahkan clustering
Jumlah
PD.
dapat dipakai untuk memberikan label
Bintang Mas Rezeki Nusantara terbatas
pada kelas data yang belum diketahui itu.
dan tidak mencukupi untuk memenuhi
Karena itu clustering sering digolongkan
jumlah permintaan pelanggan. Sehingga
sebagai metode unsupervised learning.
perlu
ketersediaan
adanya
stok
kebijakan
mengenai
Prinsip
dari
clustering
adalah
pelanggan tertentu yang diprioritaskan oleh
memaksimalkan kesamaan antar anggota
PD. Bintang Mas Rezeki Nusantara dalam
satu kelas dan meminimumkan kesamaan
pendistribusian penjualan hardisk
antar cluster. Clustering dapat dilakukan
PD. Bintang Mas Rezeki Nusantara membutuhkan
manajemen
yang
baik
pada data yang memiliki beberapa atribut yang
dipetakan
sebagai
ruang
dalam memilih dan memberikan layanan
multidimensi. Banyak algoritma clustering
kepada
memerlukan fungsi jarak untuk mengukur
pelanggan
dalam
bentuk
pendistribusian barang yang efisien.
kemiripan antar data, diperlukan juga metode
II.
Pengelompokan
data
dilakukan
berdasarkan kesamaan karakteristik data.
diketahui kelompok.
masing-masing
untuk
normalisasi
bermacam
atribut yang dimiliki data (Abdul Kadir:
METODE
Karakteristik
untuk
melakukan
Pengelompokan
data
2009:45). Aglomerative Clustering adalah
Hierarchical salah satu
metode
pelabelan
analisis kelompok yang berusaha untuk
clustering
membangun sebuah hirarki kelompok data.
merupakan tugas deskripsi yang banyak
Strategi pengelompokannya Bottom-Up.
digunakan dalam mengidentifikasi sebuah
Algoritma AHC:
himpunan terbatas pada kategori atau
1. Menghitung matrik jarak antar data ke
cluster untuk mendeskripsikan data yang
masing-masing
ditelaah.
menggunakan Manhattan Distance:
Kategori-kategori
ini
dapat
Yoppy Ratna Arianto | 11.1.03.02.0401 Fakultas Teknik – Prodi Teknik Informatika
titik
pusat
data
simki.unpkediri.ac.id || 5||
Artikel Skripsi Universitas Nusantara PGRI Kediri
e. Mampu ∑
dikombinasikan
komputasi mengatasi
2. Ulangi langkah hingga hanya satu kelompok yang tersisa.
berdasarkan parameter kedekatan yang ditentukan.
tambahan outlier,
merepresentasikan kedekatan diantara kelompok baru dan kelompok yang masih tersisa.
noise,
atau
kekurangan
dari
Hierarchical Aglomerative: a. Dapat mengalami masalah ketika mengelompokkan
4. Perbarui matrik jarak antar data untuk
untuk
uninterested background. Sedangkan
3. Gabungkan dua kelompok terdekat
dengan
data
yang
mengandung outlier. b. Sensitif dalam penentuan titik awal cluster. c. Sulit mencapai optimum global.
5. Selesai. Beberapa metode pengelompokan secara
III. HASIL DAN KESIMPULAN
Hierarchical Aglomerative:
3.1 Analisis
Sistem pemesanan pada distribusi
Single Linkage (Jarak terdekat)
penjualan di PD. Bintang Mas Rezeki
duv = min {duv},duv € D
Nusantara dengan pemesanan barang oleh
Complete Linkage (jarak Terjauh)
pelanggan kepada pegawai perusahaan
duv = max {duv},duv € D
melalui BBM (Black Berry Messanger), kemudian jika barang tersedia, maka
Average Linkage (Jarak rata-rata)
distributor
duv = average {duv},duv € D. Kelebihan
dan
akan
mengirimkan
barang
kepada pelanggan. Pelanggan memesan
Kekurangan
barang melalui BBM kepada pegawai PD. Bintang Mas Rezeki Nusantara, kemudian
Hierarchical Aglomerative. Hierarchical Aglomerative memiliki
pegawai input data ke dalam aplikasi
kelebihan sebagai berikut:
distribusi
a. Kemudahan dalam implementasi.
datanya ke dalam basis data.
b. Pengelompokan
lebih
cepat
yang
tinggi
menyimpan
barang,
sehingga
pegawai
menerima rekomendasi pelanggan yang
c. Kompleksitas waktu linear. d. Posibilitas
dan
Aplikasi mengolah data distribusi penjualan
daripada Clustering lainnya.
penjualan
untuk
menentukan centroid yang tepat.
diprioritaskan dalam distribusi penjualan barang dan manager menerima laporan hasil penjualan barang (hardisk). Sistem
Yoppy Ratna Arianto | 11.1.03.02.0401 Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id || 6||
Artikel Skripsi Universitas Nusantara PGRI Kediri
tersebut mengandalkan ketelitian setiap
perusahaan
memantau
entri data dan hal ini tentu sangat penting
distribusi penjualan melalui laporan
untuk di perhatikan.
penjualan.
1. Skema Aplikasi
3. DFD rinci Merupakan
kegiatan
diagram
yang
menguraikan proses apa yang ada dalam diagram nol secara rinci. Berikut alur prosesnya:
Dengan adanya sistem baru di atas, diharapkan proses distribusi penjualan hardisk dapat lebih menguntungkan perusahaan. 2. Context Diagram Diagram konteks adalah diagram yang terdiri dari suatu proses dan menggambarkan ruang lingkup suatu
Pegawai distributor melakukan login,
sistem.
dilakukan pencocokan login dengan tabel user. jika login berhasil maka akan diarahkan menuju halaman input data. Pegawai distributor melakukan input data pelanggan (toko), meliputi nama toko, alamat, kota, nama pemilik, dan
jarak
Kemudian
dengan input
bintang data
mas.
tersebut
diinputkan ke dalam tabel pelanggan. Diagram diatas menggambarkan dari
Jika ada pelanggan yang memesan
admin (pegawai) bisa melakukan akses
hardisk, pegawai distributor melakukan
untuk mengelola input data penjualan,
input pesanan kode toko dan jumlah
data pelanggan. Setelah itu admin
penjualan saja karena data palanggan
mendapatkan
sudah tersimpan pada tabel pelanggan.
laporan
mengenai
pelanggan yang diprioritaskan dalam
kemudian
distribusi
penjualan ini, diolah menggunakan
penjualan.
Manajer
Yoppy Ratna Arianto | 11.1.03.02.0401 Fakultas Teknik – Prodi Teknik Informatika
dari
data
pada
tabel
simki.unpkediri.ac.id || 7||
Artikel Skripsi Universitas Nusantara PGRI Kediri
perhitungan
clustering
metode
kemudian
pegawai
Aglomerative Hierarchical Clustering.
pengiriman
setelah itu akan mendapatkan data
pengiriman. aplikasi menampilkan barang
pelanggan prioritas yang diketahui oleh
yang telah dipesan, dan diputusan oleh
pegawai
aplikasi
distributor
dan
laporan
pengiriman akan dilaporkan kepada
dengan
melakukan
untuk
menu
menentukan
tombol
pelanggan
prioritas atau non prioritas.
manager. 4. Entity Relationship Diagram
Data disimpan
input
pelanggan
pada
tabel
semua
pelanggan,
gambar
diatas
menyajikan
kemudian jika ada pelanggan yang
penjualan
memesan, akan disimpan pada tabel
pengiriman.
Setelah
penjualan
rekomendasi
mengenai
kemudaan
diolah
yang
akan
diproses
data untuk
mendapatkan pelanggan
menggunakan perhitungan clustering
prioritas, akan dilakukan penngiriman
metode hierarchical.
barang tersebut. ketika pegawai distributor menggirimkan maka pegawai itu memilih
3.2 Implementasi dan Evaluasi Hasil
penjualan
aksi kirim dan transaksi yang dikirimkan
menginputkan data pesanan dari data
disimpan dengan status kirim, kemudian
pelanggan yang sudah diinput, pegawai
hasilnya akan ditampilkan di halaman
menginputkan kode toko dan jumlah
laporan
pegawai
distributor
penggiriman
sebagai
berikut:
barang. Hasil dari input data pesanan akan ditampilkan
pada
halaman
data
pemesanan. pada halaman tersebut akan ditampilakan, kode toko, nama toko, alamat, kota, pemilik, jumlah penjualan, jarak
dengan
distributor,
status
penjualannya, dan tanggal.
Yoppy Ratna Arianto | 11.1.03.02.0401 Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id || 8||
Artikel Skripsi Universitas Nusantara PGRI Kediri 3.3 Kesimpulan
Pemilihan cara mencari pelanggan prioritas dapat ditentukan dengan mengacu pada data penjualan dan jarak jangkau PD. Bintang Mas Rezeki Nusantara terhadap pelanggan
dengan
menghitung
data
tersebut menggunakan metode clustering pegawai distributor dapat mengetahui data pelanggan
prioritas.
melakukan
Sehingga
distribusi
dalam
penjualan
PD.
Bintang Mas Rezeki Nusantara lebih efisien dan berkualitas. Diharapkan di masa yang akan datang agar dilakukan penelitian menggunakan
lebih
lanjut
metode
dengan
Agglomerative
Hierarchical Clustering yang lain maupun dengan
menggunakan
metode
pengelompokan yang lain. Aplikasi dapat
distribusi
dilengkapi
menggunakan
penjualan
dengan
ini
perhitungan
metode-metode
lainnya
karena tidak menutup kemungkinan bahwa terdapat metode lain yang lebih cocok untuk di terapkan pada aplikasi ini.
IV.
Indobeverage menggunakan metode clustering, UNIKOM, Bandung. [4] Hariyanto, Bamabang, 2004. Sistem manajemen Basisdata, Informatika Bandung, Bandung. [5] Iko Pramudiono. (2009). Pengantar Data Mining: Menambang Permata Pengetahuan di Gunung Data, http://ilmukomputer.org/2008/11/25/pe ngantardata-mining Diakses pada tanggal 9 September 2014. [6] Kusrini & Luthfi, E. Taufiq.(2009), Algorima Data Mining, Penerbit Andi, Yogyakarta. [7] Ladjamudin, bin Al-Bahri.2005. Analisis dan Desain Sistem Informasi,Penerbit graham ilmu,Yogyakarta. [8] Santosa, Budi, 2007, “Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis”, Graha Ilmu, Yogyakarta. [9] SK, Purwanto dan Suharyadi, (2004). Statistik untuk Ekonomi Dan Keuangan Modern Jakarta : Salemba Empat. [10] Sutanta, Edhy. 2004. Sistem Basis Data, Penerbit Graha ilmu, Yogyakarta. [11] Sutrisno, Afriyudi, Widiyanto. (2013) Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus PT. Indomarco Palembang, Universitas Bina Darma, Palembang.
DAFTAR PUSTAKA
[1] Al Fatta, Hanif. (2007). Analisa dan Perancangan Sistem Informasi. Yogyakarta. [2] Andi. (2009). Data Mining dan Web Mining, http://andyku.wordpress.com/2008/04/ 17/data-mining-dan-web-mining Diakses pada tanggal 10 September 2014. [3] Enur Irdiansyah. (2010). Penerapan Data Mining Pada Penjualan Produk Minuman di PT. Pepsi Cola Yoppy Ratna Arianto | 11.1.03.02.0401 Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id || 9||