IMPLEMENTASI DATA MININEUNTUK MERAMALKAN PENJUALAN DI MINIMMKETDDLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMULYO RT 08 RW 1DENGAN METODE TIMESERIES
IMPLEMENTASI DATA MINING UNTUK MERAMALKAN PENJUALAN DI MINIMARKET IDOLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMULYO RT 08 RW 1 DENGAN METODE TIME SERIES H am dani W idyatm oko, A nton Setiaw an H onggow ibow o, N ur C ahyani D ew i R etnow ati Teknik Informatika STTA Yogyakarta inform
[email protected]
A bstract M inim arket idola on a daily basis there are m any sales transactions, so that the data stored in the database is very large. The data can be used as m uch useful inform ation fo r the ow ner o f a m inim arket in policy making. To explore the data that is used a lot o f data m ining technique. D ata m ining uses data analysis to discover patterns and relationships in data that m ay be used to m ake accurate predictions. In this research, data m ining is used to forecast the sales o f goods in M inim arket Idoal. Forecasting the fu tu re based on m easuring the value o f the patterns in the data collection. To perform sales forecastin g in the fu tu re to use the m ethod o f time series. Forecasting time series data to predict w hat w ill happen based on past historical data. Tim e series m ethods fo r forecastin g sales in the calculation M inim arket Idola using exponential sm oothing and m oving average. O f the count sought the M A D (M ean A bsolute D eviation) or forecastin g errors. W here M A D is the sm allest value o f the calculation o f exponential sm oothing and m oving average is the result o f forecastin g w ith a sm all error. Forecasting results w ill not alw ays be appropriate because the m arket dem and influenced by several factors. But it does not m ean that the foreca st is m ade useless. K e y W o rd s : D a t a M in in g, T im e S eries, S a le s f o r e c a s t i n g Abstrak P ada M inim arket Idola setiap harinya terjadi banyak transaksi penjualan, sehingga data yang disimpan di database sangat besar. Data yang banyak bisa dijadikan informasi yang berm anfaat bagi pemilik m inim arket dalam pengambilan kebijakan. Untuk m enggali data yang banyak tersebut digunakan
teknik data mining. Data m ining m enggunakan analisis data
untuk m enem ukan pola dan hubungan didalam data yang mungkin digunakan untuk m em buat ram alan yang akurat. P ada penelitian ini Data m ining digunakan untuk m eram alkan penjualan barang di M inimarket Idola. Peram alan yaitu m engestim asi nilai m asa depan berdasarkan pola-pola didalam sekumpulan data. Untuk melakukan peram alan penjualan di w aktu yang akan datang digunakan m etode time series. Peram alan data time series m em prediksi apa yang akan terjadi berdasarkan data historis m asa lalu. M etode time series untuk peram alan penjualan di M inim arket Idola menggunakan perhitungan exponential sm oothing dan m oving average. Dari perhitungan tersebut dicari nilai MAD (M ean A bsolute D eviation) atau kesalahan peram alan. Dimana nilai MAD yang terkecil dari perhitungan exponential sm oothing dan m oving average m erupakan hasil peram alan dengan C O M P IL E R
29
Hamdani Widyatmoko, Anton Setiawan Honggowbowo, Nur Cahyani Dew Retnowati
kesalahan yang kecil. Hasil peram alan tidak akan selalu tepat karena dipengaruhi beberapa faktor perm intaan pasar. N am un tidak berarti bahw a ram alan yang dilakukan tidak berguna. K ata K unci : D ata M in in g, T im e S eries, Pola penjualan
1.
Latar B elakang Ham pir sem ua m inim arket menggunakan sistem komputerisasi dalam penyim panan data
penjualan, sehingga akan dihasilkan banyak data transaksi. Data transaksi yang ada dalam database penjualan barang m enyim pan jumlah record transaksi penjualan yang memiliki volum e yang sangat besar sehingga m enyebabkan jumlah data terus m enerus bertambah setiap harinya. Dari penumpukkan data yang terjadi bisa digali untuk m enem ukan pola penjualan barang,
sehingga data
yang sedemikian banyak bisa
dimanfaatkan untuk
m enganalisa pasar dan m eram alkan penjualan pada w aktu yang akan datang. Dalam
hal ini,
m endapatkan
sangat di butuhkan
informasi
dari jumlah
data
aplikasi yang yang
m em bantu
terkumpul.
Salah
m inim arket
untuk
satu
untuk
cara
m endapatkan informasi tersebut adalah m em anfaatkan teknik data m ining. Data m ining adalah suatu penerapan m etode tertentu untuk melakukan penggalian data. Data yang m enum puk digali dengan cara m enganalisa data transaksi penjualan barang yang telah terjadi di m inim arket sehingga ditemukan pola penjualan untuk m enganalisa pasar pada periode berikutnya. Maka dari perm asalahan yang ada, penulis pada tugas akhir ini akan m engem bangkan sistem data m ining (penggalian data) dengan m etode time series. Tim e Series m erupakan data yang terdiri atas satu objek tetapi meliputi beberapa periode w aktu m isalnya harian, m ingguan, bulanan, tahunan dan lain-lain. Data m asa lalu dikumpulkan, dianalis dengan m etode-m etode tertentu untuk dapat m em polakan dan m eram alkan hasil diwaktu yang akan datang. Ramalan yang baik adalah yang mendekati kenyataan. Oleh karena itu m etode perhitungan
yang
diterapkan
untuk
m engim plem entasikan
data
mining
m enggunakan m etode times series dengan perhitungan exponential sm oothing
ini
adalah
dan m oving
average. 2.
Landasan Teori
D ata M in in g Data m ining adalah suatu proses yang m enggunakan teknik statistik, m atematika, kecerdasan tiruan dan m achine learning untuk m engekstrasi dan mengidentifikasi informasi yang berm anfaat dan pengetahuan yang terkait dari database yang besar (Turban 2005). Data m ining m enggunakan analisis data untuk menemukan pola dan hubungan didalam data yang m ungkin digunakan untuk m em buat forecasting atau ram alan yang akurat. Peram alan D ata T im e S eries Forecasting atau peram alan yaitu m engestimasi nilai m asa depan berdasarkan pola-pola didalam sekumpulan data (Turban 2005). Peram alan Data Tim e Series mem prediksi apa yang akan terjadi berdasarkan data historis m asa lalu. Time series adalah serangkaian nilai pengam atan (observasi) yang diambil selama kurun w aktu tertentu pada um um nya dalam
30
V o lu m e 1, N o m o r 2 , N o v e m b e r 2 0 1 2
IMPLEMENTASI DATA MINNGUNTUK MERAMALKAN PENJUALAN DI MINIMARKETDOLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMOLYO RT 08 RW 1DENGAN METODE TIMESERIES
interval yang panjang (Turban 2005). Peram alan dapat diterapkan bila terdapat kondisi seperti tersedianya informasi data historis, informasi tersebut dapat dikuantitatifkan dalam bentuk num erik dan dapat diasumsikan bahw a beberapa aspek pola m asa lalu akan terus berlanjut di w aktu m endatang. Perhitungan Peram alan T im e S eries Rumus um um m etode Single Exponential Sm oothing adalah sebagai berikut : (S t+1 = aXt + (1- a) St) St+1
: periode peram alan (waktu hendak dilakukan peramalan)
Xt
: data asli pada periode ke-t
St
: nilai peram alan pada periode ke-t
a
: nilai perkiraan fluktuasi (diisi nilai antara 0 s / d 1) Secara m atem atis, m oving average dinyatakan dalam persam aan sebagai berikut:
Ft+1 = X t + Xt-1 +.... + Xt-n+1 n Ft+1
: nilai ram alan untuk periode w aktu ke - t+1,
Xt
: nilai aktual periode ke - t,
n
: banyak data (ordo). Sedangkan, untuk m engetahui tingkat kesalahan peram alan penjualan atau M ean
A bsolute D eviation (MAD) m enggunakan rum us sebagai berikut : MAD = n
n (Nilai Forecast - Nilai Nyata) ux ah cacah data untuk keperluan peram alan
ZX : jumlah data untuk keperluan peram alan
3.
P erancangan Sistem
D iagram K onteks D iagram konteks m em perlihatkan bahw a entitas yang terlibat dalam sistem adalah m anager dan pemilik. M anager akan m enginputkan param eter peram alan ke sistem, yang berhubungan dengan kategori barang dan periode peram alan. Sedangkan pemilik akan m enerim a hasil peram alan penjualan dari sistem yang digunakan sebagai dasar pengambilan kebijakan. D iagram konteks ada pada gam bar 1.
C O M P IL E R
31
H am dani W idyatm oko, Anton S Etiaw a n H anggaw ibow o, N ur Cahyani De w REtnaw ati
Gambar 1 Diagram Konteks.
D FD Level 1 Hasil proses penjabaran DFD level 1 adalah terdapat tiga buah sub proses yaitu , sub proses pencatatan penjualan, sub proses seleksi m etode peram alan, dan
sub proses
peram alan. DFD Level 1 ada di gam bar 2.
Gambar 2 DFD Level 1.
D FD Level 2 Proses Perhitungan T im e S eries Proses perhitungan time series m engolah param eter nilai alpha dan ordo yang diinputkan oleh m anager. Nilai alpha untuk perhitungan exponential sm oothing dan ordo untuk m oving average. Selanjutnya param eter diproses sesuai perhitungan exponential sm oothing dan m oving average. Dimana nilai MAD antara exponential sm oothing dan m oving average yang paling kecil m erupakan hasil peram alan
yang memiliki kesalahan terkecil.
DFD
Level 2 proses
perhitungan time series ada pada Gambar 3. i i a s j j fe fs U J W is t» M
A D
(\ £ & c tn A b z o l u z e D e v i a t i o n )
M A D ( M e o n A b s o lu t e
Gambar 3 DFD Level 2 Proses perhitungan Time series
32
V o l u m e 1 , N o m o r 2, N o v e m b e r 2 0 1 2
IMPLEMENTASI DATA MININGUNTUK MERAMALKAN PENJUALAN DI MINIMARKETDOLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMULYO RT 08 RW 1DENGAN METODE TIMESERIES
F lo w c h a r t D ata M ining Peram alan Penjualan Pada flow ch art data m ining untuk peram alan penjualan ini, inputan param eter peram alan seperti input nilai alpha dan ordo serta periode peram alan berdasar harian, m ingguan dan bulanan hanya bisa dilakukan oleh user yang memiliki hak akses sebagai m anager. Flow chart data m ining peram alan penjualan ditunjukkan pada Gambar 4.
Gambar 4 Flowchart Sistem Data Mining Peramalan Penjualan R elasi A n tar T abel Relasi database pada penerapan time series pada data m ining untuk peram alan transaksi penjualan barang dapat dilihat pada Gambar 5
Cambar 5 Relasi Antar Tabel. 4.
Im plem entasi D an A nalisa Sistem Implementasi sistem m erupakan tahap m endeskripsikan suatu sistem agar sistem
tersebut siap untuk
diaplikasikan.
Berdasarkan tahapan im plementasi tersebut dapat
diketahui sistem yang dibuat benar-benar m encapai tujuan yang diinginkan atau tidak. Berdasarkan analisis dari desain sistem yang telah dilakukan, m aka telah diimplementasikan C O M P IL E R
33
Hamdani Widyatmoko, Anton Setiawan Hanggawibowo, Nur Cahyani Dew REtnawati
sebuah sistem Data Mining M enggunakan M etode Tim e Series. Implementasi Hasil Peram alan dapat dilihat pada Gambar 6. lifCRfi f a n & i Peftiaar signar
hat Jiu r-M iV Iruar-M ; l Detrttf-M
m
Uvar-ttCil :
::
Dewte-M .inor »C A ueswtftifii Dfi«tei-31t JTUT-231C>1
b a ^ iK
in i irUnM rrcvr.f«
f*
W M aM . ia
Wc*i«t«fWU ítaxnj
h s M lK kaw K
V M 'H rrc ’ '. . 5 : L l
II
m um
: c i* a ic
jm r i
IS W K IS
[(
w
L_
ynrr
'I H a l ll' 13
M B m iffv iK in 11
iM-mu
.IHNidlK 15
IS
liiar-JJU >t fe«rt»3lC
Jíxur-Mrt > :
t w jfc r ift
S n itif
Iift=W 0 2
p ttw K p ii pt^MtiVC
Sujro
De l
W W j/ W ip
¡ ii.
¡ec7M«iWL IK'taKC ) :0 :::
'i'/ttU Kitc W'IJt
MRJEU>-K'5
•«sialic B
pSSMaK
M a yprtJ
JUHiU
13\ialU* 151
m fiv ia ** ¡(41
inumc
bw am e |m
jw
i a i
I
/U tfttB H L
Jruar-23*£ rt fe e rtftM
501 'iattC )!«
Jn a r-M il Im M M
1/RJIELO TEA16
OTJTM»! Dcccrtci 291C
¡JtfJR-U
£r H m jM K fw iii rivt in u « ir
[:::vít¡nc
ÍPTX AiTcM .*:
Sum;
M
Omtai&pMlf Sum}
a s w ic UI
S-Nirg
111
liil 4 :i va nc M
Gambar 6 Tampilan Tabel Hasil Peramalan A n alisa H asil Sistem yang telah dibuat m erupakan penerapan dari m etode yang ada, yaitu m etode tim eseries dibuat dalam bentuk sebuah program dengan perhitungan exponential sm oothing dan m oving average. Sehingga hasil yang didapatkan tidak jauh berbeda dengan perhitungan m anualnya. Tahap perhitungan yang diperlukan : 1.
Tahap Pertam a yaitu menentukan periode waktu peram alan. Periode waktu peram alan bisa berdasar harian, minnguan, bulanan. Dari perm asalahan
diatas diketahui periode peram alan m ulai dari bulan ke-1 (Januari 2010) s / d bulan ke-10 (Oktober 2010) untuk peram alan penjualan bulan ke-11 (N ovem ber 2010). 2.
Tahap Kedua yaitu memberikan nilai a (alfa) pada perhitungan exponential sm oothing
(a
bernilai 0 hingga 1). Nilai a
berpengaruh pada hasil exponential sm oothing. Besar kecilnya nilai konstanta a
yang digunakan oleh m anager atau pemilik m erupakan nilai confidence atau kepercayaan diri untuk m elakukan peram alan diwaktu yang akan datang. Penggunaan nilai a
bisa
dipengaruhi oleh kebiasaan m anager dalam m engetahui pola data penjualan. Dapat dijelaskan bahw a semakin besar nilai a penghalusan atau sm oothing yang dilakukan kecil, nilai a kecil penghalusanatau sm oothing semakin besar, a optim um akan m em inimum kan nilai MAD. S t+i = a . Xt + (1 - a) St
34
V o lu m e 1, N o m o r 2 , N o v e m b e r 2 0 1 2
IMPLEMENTASI DATA M/N?UNTUK MERAMALKAN PENJUALAN DI MINIM/IRKETDOLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMULYO RT 08 RW 1DENGAN METODE TIMESERIES
No Bulan
Tahur. Penjualan
Exponential Smoothing
St
6
2010
Jrri
S * , =(0.1 (64)-(l-0.1)x“3.4") ‘ 3.47
(Xt) bungkus ( S»-: = a X ,+ ( l - a ) S,) 1
Januari
2010
Februari
2 0 10
S - = ó ^ - í O .S X o ^
54
S t = 6.4 - 66.12=72.52
0.00
'
60
2010
Mi
S : .: = (0.1 ( 6 0 M 1 -0 .1)3^5)
S-.; =<0.1 (5 2 )-(l-0 .1)x"2i2) S , =5.2 ~i0.9x~l.il)
52
S3 = 6 .0 -K0.9x^5)
S , = 5 . 2 - 652' = 7047
S3 = 6 .0 - 6 7 .5 = 7 3 .5 3
£ Maret
2010
72 52
AgUStL!
Su: =<0.1<Sfl)-a-0-l)xT0.47) 70.47
2010
S s.. = (0.1 (8 5 > K l-0.1)x73.5) S s = 8 .9 -{0.& t "0.47)
89 s;
S4 »
S .5-< 0.9x75.3)
S4 »
S .5 -6 6 .1 5 » 7 4 .6 5
73.5 S s = 8.9 - 6342 = 72 J 2 0
4
April
2010
ie p ta n re 2010
S ».¡={0.1 (120)-
S 4.: = {0.1 ( 6 0 H l-0 .1 )x '4 .6 5 ) S :«= 12-(0Ä t“132)
120 60
S ,*= 6 .0 -K 0.9x"4.65)
74.65 Sw = 1 2 - 65.09= 77.09
S ,*= 6.0 + 6 7 .1 9 = 7 3 .1 9 Mei
2010
10 Oktobar
2010
S i .: “ (0.1 (76>+(l-0.1)x73.19)
S« * 7 .6 4 ( 0 .9 x 7 3 .1 9 )
76
n 73.19
S« = 7.6 - 6 5 . S" = 73.47
JUMLAH
= (0.1 (82)-':i^ 0.1)x".0^ 77.09
S
=
S j; =
8.2-< 0.9x~ 09)
SÜ=
82 -6 9 3 8 = 7 7 * 8
"63
Jadi hasil perhitungan exponential sm oothing untuk peram alan penjualan bulan ke 11 atau bulan Novem ber adalah 77.58 atau dibulatkan menjadi 78 bungkus. 3.
Tahap Ketiga m enentukan jumlah n (ordo) yang digunakan untuk perhitungan m oving average.
F t+ 1 =
X t + X t-1 +•••• + X t-n + 1
n Dengan nilai n = 3 bulanan Mei
=205/3
2010 =221/3 =73.67
= 68.33 9
September
2010
=(52+ 89+120)/3
=(60+76+64).' 3
=261/3
120
=200/3 =06.67
= 87.00 10
Oktober
2010
=(S9+ 120+S2).' 3
‘ =(76-64-52) 3
=291/3
82 =192/3
= 97.00 =04.00 JUMLAH
=
763
Jadi hasil perhitungan M ovin g average dengan n= 3, untuk peram alan penjualan bulan ke 11 atau bulan Novem ber adalah 97.00 bungkus. 4.
Tahap
Keem pat m enghitung nilai M ean A bsolut D eviation
(MAD)
atau kesalahan
peram alan pada hasil perhitungan exponential sm oothing dan m oving average.
C O M P IL E R
35
Hamdani Widyatmoko, Anton Setiawan HDnggDwibowo, Nur Cahyani Dew REtnowati
MAD =
(Nilai Forecast - Nilai Nyata) n
M enghitung nilai MAD exponential sm oothing
Diketahui hasil St atau peram alan
ix
untuk bulan ke -11 adalah 77.58 dan nilai nyatanya Xt adalah 82, n =10 dan ZX=763. m aka nilai MAD sebagai berikut ; MADes = —i0 - (82 - 77.58) 763 = 0.013 x 4.42 = 0.05 Jadi nilai MAD untuk exponential sm oothing adalah 0.05. M enghitung nilai MAD m oving average. Diketahui hasil St atau peram alan untuk bulan ke -11 adalah 97 dan nilai nyatanya adalah 82, n =10 dan ZX=763 m aka nilai MAD asebagai berikut ; MADma =
X (97 - 82)
= 0.013 x 15 = 0.18 Jadi nilai MAD untuk m oving average adalah 0.18. 5.
Tahap Kelima menentukan nilai MAD paling kecil. Dari perhitungan diatas dihasilkan nilai MAD untuk exponential sm oothing adalah 0.05
dan nilai MAD m oving average adalah 0.18. Jadi nilai M ean A bsolut D eviation (MAD) atau kesalahan peram alan yang paling kecil adalah MAD
exponential sm oothing = 0.05. Dengan
demikian peram alan untuk penjualan bulan berikutnya atau bulan ke-11 (Novem ber) lebih baik m enggunakan hasil perhitungan exponential sm oothing. Hasil peram alan penerapan data m ining dengan m etode time series itu dapat dilihat pada gam bar 7. H A S IL P E R A M A L A N P E N J U A L A N L aporan P eram alan Penjualan bulanan D an
Januari - 2010 Sam pai O ktober- 2010
Nama B arang S A R IM IB A S O S A P IR B S Mo B u la n Tahu n P .n | u .,.n
" C
ll |2
ll |2
1 2010
la
fa
|2010
|8 9
[7 3 SO
1 2010 3oi n
|6 0 |7 6
|74 6 5
¡6 8 3 3
¡7 3 1 9
¡7 3 6 7 ¡6 6 6 7
k
¡2 0 1 0
|6 0
|75 0 0
|3
H
[6 7
[6 17
[2010
|6 4
¡7 3 4 7
2 0 10
|e
2 0 10
52 89
|72 5 2 ¡7 0 4 7
64 00
e |9
[9
[2010
|1 2 0
|7232
[2010
18 2
|77 0 9
|8700 ¡97 0 0
|10 |<0
■ ■
“.
17 5
68 33
?£T'
P eram alan Exponential S m oothing P en o de Berikutnya 77 5 8 Unit Nilai M A D O 05 Poram alan M oving A verage P orio d o Bonkutnya 97 00 Unit Nilai M A D 0 18 Lebih baik m enggunakan Exponential S m ooting
Gambar 7 Hasil Peramalan Sarimi Baso Sapi 5
K esim pulan
1.
Penerapan Data M in ing dengan m etode time series memberikan informasi peram alan penjualan diwaktu m endatang kepada pemilik m inim arket Idola yang dihasilkan dari penggalian database penjualan.
36
V o lu m e 1, N o m o r 2 , N o v e m b e r 2 0 1 2
IMPLEMENTASI DATA M/N?UNTUK MERAMALKAN PENJUALAN DI MINIM/IRKETDOLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMULYO RT 08 RW 1DENGAN METODE TIMESERIES
2.
Perhitungan exponential sm oothing dan m oving average menghasilkan peram alan penjualan yang tidak jauh berbeda dengan nilai penjualan yang terjadi. Tingkat ketepatannya ditentukan dengan nilai M AD yang paling kecil dari dua perhitungan tersebut.
3.
M ean A bsolute D eviation (MAD) digunakan untuk m engukur ketepatan nilai atau kesalahan peram alan. Semakin kecil nilai MAD semakin kecil nilai kesalahannya. Sebagai saran, sistem ini dapat dikembangkan dengan m enam bahkan beberapa m etode
perhitungan pada time series, selain exponential sm oothing dan m oving average agar hasil peram alan penjualan memiliki pilihan perhitungan yang lebih akurat dan m engetahui jenis pola penjualan setiap barang. 6.
R eferensi
[1] Arief, M .Rudiyanto, Pem rogram an Web Dinamis M enggunakan PHP dan MySql, CV. Andi Offset, Yogyakarta, 2011. [2] Hadi, Sutrisno, MA, Statistik Jilid 3, CV. Andi Offset. Yogyakarta, 2002. [3] H M .Jogiyanto, Analisis dan Desain Sistem Informasi: Pendekatan Teori dan Praktek Aplikasi Bisnis, CV. Andi Offset, Yogyakarta, 2005. [4] R.Spiegel, M urray dan Stephens, Larry, Schaums Outlines Teori dan Soal- Soal Statistik Edisi ke-3, Erlangga, Jakarta, 2007. [5] Sihombing, Erika,
Implementasi Data Mining M enggunakan M etode A priori Pada
Transaksi Di Chorus Minimarket, Compiler, Volume 1 N om or 1. Mei 2012. [6] Turban, Efram, Aronson, Jay E, dan Peng-Liang, Ting, D ecision Support System s and Intelligent System s (Sistem Pendukung Keputusan dan Sistem Cerdas), CV. Andi Offset, Yogyakarta, 2005.
C O M P IL E R
37
