IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN
NASKAH PUBLIKASI
diajukan oleh : Muhammad Afif Syaifullah 06.11.1317
kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA 2010
i
IMPLEMENTATION OF APRIORI’S ALGORITHM DATA MINING ON SELLING SYSTEM
IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN Muhammad Afif Syaifullah Jurusan Teknik Informatika STMIK AMIKOM YOGYAKARTA
ABSTRACT
Many ways in which a company, shop, or market to increase their sales, and also many strategy used. One thing about strategy used by management is software application with information system. An era of ever-evolving information technology every time it is necessary to the existence of a new innovation. So as not to seem monotonous in the process of selling a product and is expected to provide benefits for those who use, because it could be increased sales by providing recommendations to the buyers. For the buyers can choose items related to previously purchased items. The implementation of association algorithm data mining on-sale systems provide benefit to be able to increase sales of products in a company, shop, or market with these systems more and more products offered are still no link with the goods that have been bought by the buyer. Keywords : association algorithm, implementation, increase, benefit, purchased item
ii
1
1
Pendahuluan Teknologi informasi yang semakin lama semakin maju dan setiap saat selalu ada
perkembangan sangatlah mempunyai peranan penting dalam segala aspek kehidupan, salah satu aspek yang tidak bisa lepas dari teknologi informasi adalah aspek perekonomian terutama dalam sistem penjualan produk. Perlu sebuah kreativitas dan inovasi dari produsen agar penjualan produknya bisa ditingkatkan, apalagi melihat masyarakat sekarang yang mempunyai tingkat konsumtif tinggi terhadap barang-barang baru. Ada bermacam-macam cara untuk mensiasati agar produk yang kita jual bisa meningkat dan diminati para konsumen. Adanya tuntutan seperti diatas maka memunculkan ide-ide baru dalam dunia teknologi informasi, dengan cara membuat aplikasi yang sekiranya bisa membantu para produsen
untuk
meningkatkan
penjualan
produk.
Salah
satu
caranya
adalah
memnfaatkan teknik data mining dalam hal ini menggunakan algoritma apriori (asosiasi data mining)
2
Landasan Teori
2.1
Definisi Data Mining data mining adalah proses yang menggunakan teknik statistik, matematika,
kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengedintifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Data mining bukanlah suatu bidang yang sama sekali baru. Salah satu kesulitan untuk mendefinisikan data mining adalah kenyataan bahwa data mining mewarisi banyak aspek dan teknik dari bidang-bidang ilmu yang sudah mapan terlebih dahulu. Gambar dibawah ini menunjukkan bahwa data mining memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelegent), machine learning, statistik, database, dan juga information retrieval.
2.2
Pengelompokan Data Mining
Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat dilakukan, yaitu : 1. Deskripsi 2. Estimasi 3. Klasifikasi 4. Prediksi 5. Pengklusteran 6. Asosiasi
2
2.3
Algoritma Apriori Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Selain apriori,
yang termasuk pada golongan ini adalah metode Generalized Rule Induction dan Algoritma Hash Based. Aturan yang menyatakan asosiasi antara beberapa atribut sering disbut affinity analysis atau market basket analysis. Analisis asosiasi atau association rule adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombninasi item. Algoritma Apriori yang bertujuan untuk menemukan frequent itemsets dijalankan pada sekumpulan data. Analaisis Apriori didefenisikan suatu proses untuk menemukan semua aturan apriori yang memenuhi syarat minimum untuk support dan syarat minimum untuk confidence. Support adalah nilai penunjang, atau persentase kombinasi sebuah item dalam database. Rumus support sebagai berikut: Support (A) = (jumlah transaksi mengandung A/Total transaksi) x 100%. Sedangkan confidence adalah nilai kepastian yaitu kuatnya hubungan antar item dalam sebuah apriori. Confidence bisa dicari setelah pola frekuensi munculnya sebuah item ditemukan. Rumus untuk menghitung confidence adalah sebagai berikut: Contoh misal ditemukan aturan AÆB maka: Confidence P(B|A) = (Total transaksi mengandung A dan B / transaksi mengandung A) x100%
2.4
JAVA Dalam Java ada 2 jenis program berbeda, yaitu aplikasi dan applet. Keduanya
merupakan bagian dari execute, dimana execute merupakan salah satu fase kelima dalam siklus program Java. Aplikasi adalah program yang biasanya disimpan dan di eksekusi dari komputer lokal. Applet adalah program yang biasanya disimpan pada komputer yang jauh,yang dikoneksikan pemakai lewat web browser. Java adalah bahasa yang dapat dijalankan dimanapun dan di sembarang platform apapun. Java dipaketkan dalam dalam beberapa edisi salah satunya adalah J2SE. Java 2 Standar Edition (J2SE), J2SE menyediakan lingkungan pengembangan yang kaya fitur, stabil, aman, dan cross-platform. Edisi ini mendukung konektivitas basis data, rancangan user interface, masukkan/ keluaran (input/ output), dan pemrograman jaringan (network programming), dan termasuk sebagai paket-paket dasar bahasa Java.
3
2.5
Database MySQL Mysql adalah cepat, mudah untuk digunakan dan sebagai manajemen database
relasional (RDBMS) yang digunakan untuk database pada beberapa website. Kecepatan adalah fokus utama pada pengembangan awal MySQL. Demi kepentingan kecepatan ini, mereka membuat keputusan untuk menawarkan fitur lebih sedikit di banding pesaing mereka. MySQL lebih mudah dalam instalasi dan penggunaanya disbanding pesaing komersialnya. Di dalam harga, MySQL benar-benar murah.
2.5
Keunggulan MySQL 1.
Cepat. Tujuan utama dari pengembangan MySQL adalah kecepatan, sebagai konsekuensinya software yang dirancang dari awal untuk kecepatan
2.
Tidak mahal, Karena MySQL merupakan salah satu software gratis berada di bawah lisensi GPL open source.
3.
Mudah digunakan. kita dan membangun dan berinteraksi dengan database MySQL hanya dengan menggunakan sedikit pernyataan (statement) sederhana di dalam bahasa SQL, yang menjadi bahasa standar untku komunikasi dengan RDBMS.
4.
Dapat berjalan pada beberapa sistem operasi. MySQL berjalan pada sistem operasi yang beragam, seperti windows, Linux, Mac OS, kebanyakan variasi Unix, FreeBSD, OS/2, Irix dan lainnya.
5.
Dukungan teknis secara luas tersedia. MySQL menyediakan dukungan cumacuma untuk pengguna via mailing list. Pengembang MySQL juga berpartisipasi dalam e-mail list. Kita jga dapat membeli dukungan teknis dari MYSQL AB.
6.
Aman MySQL adalah sistem otorisasi fleksibel yang mengijinkan beberapa atau semua privilege database sebagai contoh, privilageuntuk menciptakan suatu database atau menghapus data) untuk pengguna khusus atau kelompok pengguna.
7.
Mendukung databases yang besar. MySQL menangani database sampai 50 juta baris atau lebih. Batasan ukuran file secara default untuk table adalah 4 GB, tetapi dapat dinaikkan (jika SO dapat menanganinya) hingga 8 juta terabytes (TB).
8.
Customizle. Lisensi GPL mengijinkan programmer untuk memodifikasi software MySQL untuk mencocokkannya dengan lingkungan tertentu.
3
Analisis (Proses Penelitian)
3.1
Analisis Kebutuhan Sistem
4
Kebutuhan sistem dalam membangun aplikasi data mining algoritma apriori pada sistem penjualan, meliputi kebutuhan hardware (perangkat keras), software (perangkat lunak), informasi dan beberapa aspek kebutuhan lain untuk mendukung dalam pembuatan dan implementasi sistem.
3.1.1
Analisis Kebutuhan Perangkat Keras Spesifikasi perangkat keras komputer yang digunakan dalam membangun web
indeks barang ini adalah sebagai berikut : 1. Prosesor
: Intel Core2 Duo T5750
2. Memori
: 1024 MB DDR2
3. VGA
3.1.2
: SIS 16385, 512 MB
4. Hard Disk
: 80 GB SATA
5. Display
: 14” HD(LED)
Analisis Kebutuhan Perangkat Lunak Dalam proses pembangunan sistem dibutuhkan beberapa perangkat lunak
untuk menghasilkan sebuah website yang dinamis. Software yang gunakan dalam pembangunan sistem adalah sebagai berikut : 1. Netbeans 6.8. 2. PHP My Admin. 3. Sistem Operasi Windows 7 Ultimate.
3.2
Perancangan Sistem
3.2.1
Perancangan Proses Perancangan proses dari web yang akan dibangun akan disajikan dalam bentuk
logic model dengan menggunakan UML (Unified Modeling Language). Unified Modelling Language (UML) merupakan sebuah bahasa yang telah menjadi standar dalam industri untuk visualisasi, merancang dan mendokumentasikan sistem piranti lunak. UML menawarkan sebuah standar untuk merancang model sebuah sistem.
3.2.2
Aktor Aktor adalah pihak yang terlibat dalam sistem dan dibedakan menjadi beberapa
level user untuk memberi batasan hak antara satu level dengan level yang lain. 1. Level
: Admin
2. Level
: User
5
3.2.2.1 Use case Diagram Use case diagram menggambarkan fungsionalitas yang diharapkan dari sebuah sistem
Gambar 3.1 Use Case Diagram Admin
3.2.2.2 Activity Diagram Activity diagram menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana mereka berakhir
6
Gambar 3.2 Activity Diagram 3.2.2.3 Activity Diagram Class diagram menggambarkan keadaan (atribut/properti) suatu sistem, sekaligus menawarkan layanan untuk memanipulasi keadaan tersebut (metoda/fungsi).
7
Gambar 3.3 Class Diagram 3.2.2.4 Sequence Diagram Sequence diagram menggambarkan interaksi antar objek di dalam dan di sekitar sistem (termasuk pengguna, display, dan sebagainya) berupa message yang digambarkan terhadap waktu.
8
Gambar 3.4 Sequence parameter analisis apriori 3.3
Perancangan Basis Data Dalam merancang suatu database diperlukan beberapa tahapan atau langkah-
langkah yang harus ditempuh. Database yang dirancang untuk membangun aplikasi sistem penjualan ini terdiri dari 4 tabel, tabel users untuk menyimpan data user atau admin, tabel transaksi untuk menyimpan data transaksi, tabel barang untuk menyimpan data barang, dan tabel aturan untuk menyimpan data analisis apriori.
3.3
Relasi Antar Tabel Untuk merancang struktur database yang efektif dan efisien, relasi antar tabel
harus tepat sehingga mempermudah dalam pengolahan data yang akan disimpan dalam database.
Gambar 3.5 Relasi antar Tabel
9
4
Implementasi dan Pembahasan Sistem
4.1
Lingkungan Pengembangan Aplikasi ini dibuat dengan spesifikasi komputer sebagai berikut:
4.2
1. Sistem Operasi
: Windows 7 Ultimate
2. Processor
: Intel Core2 Duo T5750
3. RAM
: 1024 MB DDR2
4. Software
: Netbeans 6.8
Pemeliharaan Sistem Pemeliharaan terhadap sistem yang telah dibangun secara khusus tidak harus
dilakukan pemeliharaan, kecuali jika sistem ingin dikembangkan. Pemeliharaan yang dapat dilakukan adalah pada sisi database, dan program perhitungan transaksinya
4.2
Pengujian Program Untuk menguji program ini disediakan data sebagai berikut: id_transaksi
no_transaksi
id_barang
nama_barang
jumlah
1
1
1
piring
5
2
1
2
kompor
1
3
2
4
sendok
9
4
2
2
kompor
1
5
3
1
piring
7
6
3
3
mangkuk
6
7
3
4
sendok
8
8
4
3
mangkuk
6
9
4
1
piring
5
Langkah pertama kita tentukan dulu itemset1, seperti berikut ini: item1
jumlah
1
3
4
2
3
2
2
2
Setelah terbentuk itemset1 kita tentukan itemset2, seperti berikut ini item1
item2
jumlah
1
2
1
1
3
3
10
1
4
2
2
3
0
2
4
1
3
4
2
Setelah itemset2 juga terbentuk kita bentuk lagi itemset3: item1
item2
item3
jumlah
1
2
3
0
1
2
4
0
1
3
3
0
1
3
4
1
1
4
3
1
1
4
4
0
2
3
4
0
2
4
4
0
Jika masih bisa dibentuk kombinasi itemset4 dan seterusnya, maka akan dibuat kombinasi itemnya. Untuk kasus ini maksimal hanya bisa terbentuk 3 itemset. Setelah itu kita pilih kombinasi yang jumlahnya lebih dari1, berikut kombinasinya serta perhitungan support dan confidence yang sesuai dengan rumus Support (A) = (jumlah transaksi mengandung A/Total transaksi) x 100%. Confidence P(B|A) = (Total transaksi mengandung A dan B / transaksi mengandung A) x100% maka akan dihasilkan aturan sebagai berikut: Aturan
support
confidence
1Æ2
25%
50%
1Æ3
25%
50%
1Æ4
25%
50%
2Æ4
25%
50%
3Æ4
25%
50%
1Æ3,4
25%
50%
1,3Æ4
25%
100%
5.
Kesimpulan Berdasarkan hasil pembuatan dan implementasi yang telah dilakukan guna
penyusunan skripsi berjudul “Implementasi Data Mining Algoritma Apriori Pada Sistem penjualan” maka dapat ditarik kesimpulan sebagai berikut:
11
1. Teknik data mining dengan algoritma apriori dapat diimplementasikan pada sistem penjualan 2. Dengan aplikasi yang berbasis teknologi informasi dihasilkan sebuah metode yang bisa meningkatkan penjualan dengan cara memberikan saran kepada konsumen. 3. Keterkaitan suatu barang yang dibeli oleh konsumen bisa dihitung dengan teknik algoritma apriori.
DAFTAR PUSTAKA Kusrini, dan Luthfi E,T. 2009. Algoritma Data Mining. Yogyakarta : Andi Offset. Lewis, John dan Loftus, William. 2007. Java Software Solution,Foundutaions of Program Design Fifth Edition. Pearson International : USA. M. Syafii. 2005. Panduan Membuat Aplkasi Database dengan PHP 5 MySql PostgreSQL Oracle. Yogyakarta : Andi Ofset. Santosa Budi. 2007. Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Yogyakarta : Graha Ilmu. Sholiq. 2006. Pemodelan Sistem Informasi Berorientasi Objek Dengan UML. Yogyakarta : Graha Ilmu.
