PERANCANGAN APLIKASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI DENGAN METODE MARKET BASKET ANALYSIS PADA SITUS WEB E-COMMERCE DI TIEH HANDICRAFT Pramuditha Sri Puspa Dewi, H. Irfan Darmawan, Hendra Gunawan Teknik Informatika Universitas Siliwangi Tasikmalaya Email :
[email protected] ABSTRACT In an effort to increase the volume of sales of a product in an e-commerce, the comfort level of service to customers is one of the factors that are important and need to be considered by the company. So, company must make a practical step by approaching the customer to be aware of how the behavior of customers in the deal. In this final project regarding creation of data mining application systems on web sites that are used to determine the pattern of customer transactions. This system is expected to assist the company in managing the customers catalog layout , so the comfort level of customers satisfied because the system seems to know their customers better. Naturally, the sale of a product will increase because customers feel pampered. This final testing of the customer transaction data ecommerce web sites were calculated using Market Basket Analysis, which is one of data mining techniques are used to determine the support and confidence is entered by the company to later mining process so as to generate association rules from customer transaction data. Association rules generated are used to build a personalized system for customers and can be considered for the company to set the location of product catalogs in e-commerce website and inform them of any unusual items customers purchased through the transaction history. The conclusion of this thesis is to produce information on items purchased together in the sales process on Tieh Handicraft to adjustment of a model for future sales. Keyword: Data Mining, E-Commerce, Market Basket Analysis. ABSTRACT Dalam upaya untuk meningkatkan volume penjualan produk dalam e - commerce, tingkat kenyamanan pelayanan kepada pelanggan adalah salah satu faktor yang penting dan perlu dipertimbangkan oleh perusahaan. Jadi , perusahaan harus membuat langkah praktis dengan mendekati pelanggan untuk mengetahui bagaimana perilaku konsumen dalam kesepakatan tersebut . Dalam tugas akhir ini mengenai pembuatan aplikasi data mining di situs web yang digunakan untuk menentukan pola transaksi. Sistem ini diharapkan dapat membantu perusahaan dalam mengelola tata letak katalog pelanggan, sehingga tingkat kenyamanan pelanggan puas karena sistem tampaknya tahu pelanggan mereka lebih baik . Tentu , penjualan produk akan meningkat karena pelanggan merasa dimanjakan . Pengujian akhir dari data e-commerce transaksi situs web dihitung menggunakan Market Analysis Basket , yang merupakan salah satu data teknik pertambangan digunakan untuk menentukan support dan confidence yang dimasukkan oleh perusahhan untuk proses penambangan nanti sehingga menghasilkan aturan asosiasi dari Data transaksi. Aturan asosiasi yang dihasilkan digunakan untuk membangun sistem bagi pelanggan dan dapat dipertimbangkan untuk perusahaan untuk menetapkan lokasi produk katalog di website e -commerce dan menginformasikan dari setiap item yang tidak biasa pelanggan membeli melalui transaksi . Kesimpulan dari penelitian ini adalah untuk menghasilkan informasi tentang barang yang dibeli bersama-sama dalam proses penjualan pada Tieh Handicraft untuk penyesuaian model untuk penjualan di masa mendatang . Kata kunci : data mining, e-commerce, Market Basket Analysis. I. Pendahuluan Sistem penjualan menggunakan internet sudah banyak dipakai di banyak kalangan, namun hasilnya belum maksimal. Contohnya penggunaan layanan internet sepert jejaring sosial Facebook atau blog, bahkan telah menggunakan e-commerce untuk melakukan interaksi kepada pelanggan. Seperti halnya peningkatan volume, sifat ECommerce bisnis ke konsumen (B2C) telah berkembang sejak awal web komersil secara efektif sebagai sebuah “jendela belanja” elektronik, dengan pengunjung bisa melihat produk dan jasa yang tersedia. Tieh Handicraft merupakan perusahaan yang bergerak dalam bidang kerajinan dan kebutuhan rumah tangga. Produk yang dibuat seperti tempat tisu kotak, toples, lampion, dan lain sebagainya. Tieh Handicraft sebagai perusahaan yang tepat untuk diterapkannya metode market Basket Analysis karena masih menggunakan media pemasaran manual seperti brosur, dan media elektronik sederhana berupa facebook. Oleh sebab itu diperlukan adanya sebuah metode yang diterapkan untuk menyelesaikan permasalahan seperti, penjualan barang yang kurang maksimal. Market Basket Analysis merupakan salah satu teknik dari data mining yang digunakan untuk menentukan produkproduk manakah yang akan dibeli oleh pelanggan secara bersamaan dengan melakukan analisa terhadap daftar
transaksi pelanggan. Dengan mengetahui produk-produk tersebut, maka sebuah sistem e-commerce dapat memudahkan dalam dalam pengambilan keputusan untuk informasi mengenai pola belanja konsumen serta dapat membantu dalam meningkatkan persediaan barang untuk penjualan selanjutnya. Batasan masalah yang dirumuskan antara lain: a. Perancangan E-commerce ini hanya sebatas media pemesanan, penjualan, dan pembayaran melalui transaksi online. b. Informasi yang diperoleh berupa produk yang sering dibeli oleh konsumen secara bersamaan berdasarkan dari frekuensi dengan menggunakan metode market basket analysis c. Data yang digunakan adalah data transaksi penjualan pada Tieh Handicraft pada tanggal 1 november sampai dengan 8 november 2014. d. Penulisan tugas akhir ini tidak membahas tentang keamanan database dan arsitektur jaringan yang dipakai secara mendetail. e. Aplikasi ini merupakan simulasi dari data transaksi yang ada di Tieh handicraft. f. Pada penulisan ini tidak membandingkan antara metode data mining satu dengan metode yang lainnya.
1
Adapun tujuan dari penelitian adalah sebagai berikut : 1. Mengimplementasikan Data Mining pada database transaksi penjualan item kerajinan. 2. Menerapkan algoritma Apriori untuk menetukan frekuensi tinggi itemset untuk memprediksi persediaan barang diwaktu yang akan datang. 3. Dapat membantu untuk mengetahui data produk yag sering dibeli oleh konsumen secara bersamaan. 4. Dapat memberikan solusi dalam menentukan strategi dalam pemasaran produk yang akan dibeli oleh konsumen sehingga dapat meningkatkan pelayanan.
produk lain. Metode association rules mempunyai dua tahapan yaitu, menemukan frequent itemset dan membentuk assosiation rules (Hornick, 2006).
Adapun manfaat yang didapat dari penelitian ini adalah : 1. Dapat memudahkan dalam dalam pengambilan keputusan untuk informasi mengenai pola belanja konsumen serta dapat membantu dalam meningkatkan persediaan barang untuk penjualan selanjutnya. 2. Sebagai bahan masukan untuk mendukung pengambilam keputusan strategi pemasaran yang efektif.
D. Algoritma Apriori Algoritma apriori adalah suatu algoritma dasar yang diusulkan oleh Agrawal & Srikant pada tahun 1994 untuk menentukan Frequent itemsets untuk aturan asosiasi Boolean. Algoritma Apriori termasuk jenis Aturan Asosiasi pada data mining. Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analysis atau market basket analysis. Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan suatu kombinasi item. Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien adalah analisis pola frequensi tinggi(frequent pattern mining). Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolok ukur, yaitu : support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antara-item dalam aturan asosiasi. (Kusrini, Emha Taufiq Luthfi,2009 : 149)
II Landasan Teori A. E-commerce Definisi E-commerce menurut kamus bahasa inggris adalah perdagangan elektronik atau e-dagang (bahsa inggris: electronic commerce) yaitu penyebaran, pembelian, penjualan, pemasaran barang dan jasa melalui system elektronil seperti internet atau televise, www dan jaringan computer lainnya (Sunarto, 2009).
E. RAD Rancang bangun website e-commerce dengan metode market basket analysis ini menerapkan metodologi pengembangan sistem Rapid Application Development (RAD). Metode ini diperkenalkan oleh James Martin pada tahun 1991 (Roger S Pressman, 2003). Tahapan-tahapan penelitian adalah sebagai berikut : prencanaan syarat, workshop design, implementasi.
B. Data Mining Ada beberapa definisi data mining yang dikenal dari berbagai sumber, diantaranya : 1. data mining adalah proses menemukan pola yang menarik, dan pengetahuan dari data yang berjumlah besar. (Han, Jiawei, 2011). 2. data mining adalah proses pencarian melalui data dengan jumlah yang besar, dalam sebuah usaha untuk menemukan pola, tren, dan hubungan. (Dunston dan Yager, 2008). 3. data mining adalah sebuah cara untuk mendapatkan kecerdasan pasar dari data dengan jumlah yang besar. (keating dan Berry, 2008). 4. data mining adalah proses pencarian pola tersembunyi dari berbagai database. (liu, sandra S. dan Chen, Jie, 2009). Berdasarkan beberapa pengertian di atas, dapat disimpulkan bahwa data mining adalah suatu proses analisis untuk menggali informasi yang tersembunyi dengan menggunakan statistik dan artificial intelligence di dalam suatu database dengan ukuran sangat besar, sehingga ditemukan suatu pola dari data yang sebelumnya tidak diketahui, dan pola tersebut direpresentasikan dengan grafik komputer agar mudah dimengerti.
III Metodologi Dalam menyusun tugas akhir ini menggunakan metodologi pengembangan sistem Rapid Application Development (RAD).
C. Market Basket Analysis Metode association rules atau juga dikenal dengan nama market basket analysis, digunakan untuk menemukan aturan asosiatif antara suatu kombinasi item atau barang (Tang dan Jamie, 2005). Metode association rules termasuk kedalam model deskripsi dan jenis pembelajarannya adalah unsupervised learning. Metode ini dapat digunakan untuk mengidentifikasi itemitem produk yang mungkin dibeli secara bersamaan dengan
A. Fase Perencanaan Syarat (Requirement Palnning) Dalam tahap ini peneliti dan pihak Tieh Handicraf bertemu untuk mengidentifikasi tujuan-tujuan aplikasi atau sistem serta mengidentifikasi kebutuhan informasi yang ditimbulkan dari tujuan-tujuan tersebut. Adapun hasil analisis kebutuhan sistem meliputi kebutuhan masukan, kebutuhan keluaran serta spesifikasi perangkat keras (hardware) dan spesifikasi perangkat lunak (software). 1. Kebutuhan Masukan a. Data Pesanan b. Data Produk c. Data Promosi d. Data Kategori e. Data Komentar f. Data Ongkos Kirim g. Data Informasi h. Data Market Basket Analysis 2. Kebutuhan Keluaran a. Informasi Pesanan b. Informasi Produk c. Informasi Promosi d. Informasi Kategori e. Informasi Komentar f. Informasi Ongkos Kirim g. Laporan Penjualan h. Market Basket Analysis
2
Tabel 2 C1 (kandidat 2-itemset)
1. Analisa System Berjalan
Laporan Penjualan
kasir Konsumen
Admin
Strategi penjualan
Gambar 1 Proses Pengolahan Data Transaksi 2. Analisa System Usulan Admin
konsumen
1
Strategi Penjualan
2
Aplikasi Data Mining e-commerce
Kombinasi Item Aksesoris kipas Baju laptop Tempat tissue Lampion Rak Sandal Sepatu Tas Toples Tutup galon
Pada tabel 2 merupakan tabel kandidat 2 itemset inilah yang akan digunakan untuk sebagai dasar pembentukan kombinasi 2 itemset. Tabel 3 frekuensi kombinasi 2-itemset Kombinasi item
Gambar 2 Proses Pengolahan Data Transaksi Sistem Usulan 3. Tujuan Data Mining Tujuan dari penelitian ini adalah untuk mengetahui pola belnja konsumen dengan menggali informasi mengenai assosiasi produk dari database yang meliputi data transaksi penjualan pada Tieh Handicraf. Informasi tersebut nantinya dapat digunakan untuk mendukung pengambilan keputusan yang strategis, seperti pengaturan penempatan produk yang baru, atau design web untuk promosi. 4. Prinsip Kerja Metode Market Basket Analysis Metode market basket analysis atau disebut juga dengan metode association rule memiliki dua tahapan untuk menemukan informasi (knowladge) dari suatu database. Tahapan pertama adalah menemukan frequent itemset dan tahapan kedua adalah membentuk aturan assosiasi berdasarkan frequent itemset. Langkah yang akan dilakukan adalah sebagai berikut. 1. Mencari frequent itemset Pada tahap ini mencari kombinasi item yang memenuhi syarat support dalam database transaksi. Rumus perhitungan support adalah sebagai berikut : Support (A) = jumlahTransaksiMengandungA X 100 jumlah transaksi Tabel 1 Frekuensi Kombinasi 1-itemset Kombinasi Item Aksesoris kipas Baju laptop Tempat tissue Lampion Rak Sandal Sepatu Tas Toples Tutup galon
Frekuensi Item Set 5 2 3 4 9 4 3 4 5 5 3
Support 16,12 6,45 9,67 12,90 29,03 12,90 9,67 12,90 16,12 16,12 9,67
Pada tabel 1 itemset yang memenuhi adalah itemset Aksesoris, Sandal, Sepatu, Rak, Lampion, Tas, Kipas, Toples, Tutup Laptop, Tempat Tissue, Tutup Galon.. Itemset tersebut dimasukkan sebagai kandidat 2 itemset.
Support 16,12 6,45 9,67 12,90 29,03 12,90 9,67 12,90 16,12 16,12 9,67
Aksesoris, Kipas Aksesoris, Baju Laptop Aksesoris, Tempat Tissue Aksesoris, Lampion Aksesoris, Rak Aksesoris, Sandal Aksesoris, Sepatu Aksesoris, Tas Aksesoris, Toples Aksesoris, Tutup Gallon Kipas, Baju Laptop Kipas, Tempat Tissue Kipas, Lampion Kipas, Rak Kipas, Sandal Kipas, Sepatu Kipas, Tas Kipas, Toples Kipas, Tutup Gallon Baju Laptop, Tempat Tissue Baju Laptop, Lampio Baju Laptop, Rak Baju Laptop, Sandal Baju Laptop, Sepatu Baju Laptop, Tas Baju Laptop, Toples Baju Laptop, Tutup Gallon Tempat Tissue, Lampion Tempat Tissue, Rak Tempat Tissue, Sandal Tempat Tissue, Sepatu Tempat Tissue, Tas Tempat Tissue, Toples Tempat Tissue, Tutup Gallon Lampion, Rak Lampion, Sandal Lampion, Sepatu Lampion, Tas Lampion, Toples Lampion, Tutup Gallon Rak, Sandal Rak, Sepatu Rak, Tas Rak, Toples Rak, Tutup Galon Sandal, Sepatu
Frekuensi itemset 0 1 0 1 0 0 0 0 1 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 1 1 0 0 1 2 0 0 1 0 0 1 0 0 0 1 0 1 1
Support 0 3,13 0 3,13 0 0 0 0 3,13 0 0 3,13 0 3,13 0 0 0 0 0 0 0 0 0 0 3,13 0 0 3,13 3,13 0 0 3,13 6,25 0 0 3,13 0 0 3,13 0 0 0 3,13 0 3,13 3,13
3
Sandal, Tas Sandal, Toples Sandal, Tutup Galon Sepatu, Tas Sepatu, Toples Sepatu, Tutup Galon Tas, Toples Tas, Tutup Galon Toples, Tutup Galon
0 0 0 2 1 0 0 0 0
0 0 0 6,25 3,13 0 0 0 0
Pada tabel 3 itemset yang frequent itemsetnya yang ada nilainya, dimasukkan kedalam table c2 (kandidat 2 itemset). Seperti yang ada di tabel 4 Tabel 4 C2 (kandidat 2-itemset) Kombinasi item Aksesoris, Baju Laptop Aksesoris, Lampion Aksesoris, Toples Kipas, Tempat Tissue Kipas, Rak Baju Laptop, Tas Tempat Tissue, Lampion Tempat Tissue, Rak Tempat Tissue, Tas Tempat Tissue, Toples Lampion, Sandal Lampion, Toples Rak, Tas Rak, Tutup Galon Sandal, Sepatu Sepatu, Tas Sepatu, Toples
Frekuensi itemset 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 2 1
Support 3,13 3,13 3,13 3,13 3,13 3,13 3,13 3,13 3,13 6,25 3,13 3,13 3,13 3,13 3,13 6,45 3,13
{ aksesoris → lampion} = [support 3,13%, confidence 20%] { aksesoris→toples} = [support 3,13%, confidence 20%] { kipas→tempat tissue} = [support 3,13%, confidence 25%] { kipas→rak} = [support 3,13%, confidence 50%] { baju laptop→tas} = [support 3,13%, confidence 33.33%] { tempat tissue→lampion} = [support 3,13%, confidence 25%] { tempat tissue→rak} = [support 3,13%, confidence 25%] { tempat tissue→tas} = [support 3,13%, confidence 25%] { tempat tissue→toples} = [support 6,25%, confidence 50%] { lampion→sandal} = [support 3,13%, confidence 11.11%] { lampion→toples} = [support 3,13%, confidence 20%] { rak→tas} = [support 3,22%, confidence 25%] { rak→tutup galon} = [support 3,22%, confidence 25%] { sandal→sepatu} = [support 3,22%, confidence 33.33%] { sepatu→tas} = [support 6,25%, confidence 50%] { sepatu→toples} = [support 3,22%, confidence 25%]
B. Fase Perancangan (Workshop Design) 1. Entity relation diagram (ERD) url
alamat
judul
gambar
Nama_kota
telepon
*id_kota
email
Nama_kostumer Ongkos_kirim
Tgl_posting
Id_kota
*id_banner *id_orders 1
1 Banner
Kota
Mempunyai
N
orders
Tgl_order Nama_produk
deskripsi
N Jam_order
Status_order password
Mengisi
Id_kategori
produk_seo
harga
*username Nama_lengkap
*id_produk stok
1
email
Admin
1
Mengisi
N
Produk
Memiliki N
2. Membentuk aturan assosiasi Setelah semua frequent itemset telah diketahui, selanjutnya adalah membentuk aturan assosiasi yang memenuhi nilai confidence. Untuk mengetahui nilai confidence perhitungannya adalah sebagai berikut : Confidence : P(A∩B)=∑TransaksiMengandungAdanB X 100%
1
no_tlp
N
dibeli
berat
blokir gambar level
Melihat
*id_hubungi
N
tanggal
Tgl_masuk Mempunyai
1
hubungi
nama
Kategori
email
pesan subjek
Kategori_seo *id_kategori Nama_kategori
∑TransaksiMengandungA Confidence {aksesoris → baju laptop} = 1/5 x 100% = 20% Confidence { aksesoris → lampion} = 1/5 x 100% = 20% Confidence { aksesoris→toples} = 1/5 x 100% = 20% Confidence { kipas→tempat tissue} = 1/4 x 100% = 25% Confidence { kipas→rak} = 1/2 x 100% = 50% Confidence { baju laptop→tas} = 1/3 x 100% = 33,33% Confidence { tempat tissue→lampion} = 1/4 x 100% = 25% Confidence { tempat tissue→rak} = 1/4 x 100% = 25% Confidence { tempat tissue→tas} = 1/4 x 100% = 25% Confidence { tempat tissue→toples} = 2/4 x 100% = 50% Confidence { lampion→sandal} = 1/9 x 100% = 11.11% Confidence { lampion→toples} = 1/5 x 100% = 20% Confidence { rak→tas} = 1/4 x 100% = 25% Confidence { rak→tutup galon} = 1/4 x 100% = 25% Confidence { sandal→sepatu} = 1/3x 100% = 33.33% Confidence { sepatu→tas} = 2/4 x 100% = 50% Confidence { sepatu→toples} = 1/4 x 100% = 25%
modul
Gambar 3 ERD Kamus data Admin : *id, username, password Kategori : *id_kategori, nama_kategori, kategori_seo Produk : *id_produk, **id_kategori, nama_produk, produk_seo, deskripsi, berat, gambar, harga, stok, tgl_masuk, dibeli orders : *id_order, nama_kostumer, alamat, telepon, email, status_order, jam_order, **id_kota banners : *id_banner, judul, url, gambar, tgl_posting Komentar : *id_hubungi, nama, email, subjek, pesan, tanggal Kota : *id_kota, nama_kota, ongkos_kirim
Sehingga aturan assosiasi yang dihasilkan dari tabel 4 adalah sebagai berikut : {aksesoris → baju laptop} = [support 3,13%, confidence 20%]
4
Keterangan : *
: primary key : foreign key
**
5. Flowchart 2. Diagram Kontek
Star
Hak Akses Data Adminl Data Kategori Produk Data Produk Data Pesanan Data Ongkos Kirirm Data Komentar Data Informasi
Login
Akses e-commerce
Data Pencarian Memilih Produk yang diinginkan Masukkan username dan password
Konsumen
No
Info Info Info Info Info Info Info
Aplikasi Data Mining Web E-commerce
Admin
Produk Kategori Produk Produk Terbaru Promo Baru Produk Terbaik Detail Produk Keranjang Belanja
Merubah Keranjang
No
Yes
Admin Page? Mengisi Data keranjang belanja Yes
Admin Page
Data Pencarian
Edit Data
Info Info Info Info Info Info Info
Admin Kategori Produk Produk Pesanan Ongkos Kirirm Komentar Informasi
Info Info Info Info Info Info
Produk Kategori Produk Produk Terbaru Promo Baru Produk Terbaik Detail Produk
Pengunjung
Delete Data
Aktif dan menonaktifkan account
Gambar 4 Diagram Kontek
Logout
End
3. DFD Level 1
Gambar 7 Flowchart Data market basket analysis
Data admin Data pesanan
Data laporan Admin
Data produk
Data komentar
1 Login
Data admin
2 Manajemen Modul
3 Kategori Produk
Data modul
Data kategori
9 Komentar
Data pesanan
Data kota
Data informasi
10 Informasi
11 laporan
Data komentar
Data profil admin
modul
kategori
banner Data cara pembelian
Data produk
4 produk
5 pesanan
6 Ongkos kirim
Data produk
Data pesanan
Data kota
produk
orders
kota
8 Cara pembelian
7 profil
Data produk Data kategori 13 View produk
Data produk
Konsumen
Gambar 5 DFD Level 1 * DFD level 2 proses 4 (MBA) produk
Data Produk
12.1 Menghitung Nilai Frequent itemet
Data orders
orders
Hasil Market Basket Analysis Nilai penjualan
admin
Nilai Frequent itemset
12.2 Menghitung Market basket Analysis
Gambar 6 DFD level 2 proses 4 (MBA)
12 MBA
IV Hasil Pembahasan A. Listing algoritma apriori Prinsip assosiation rules atau market basket analysis adalah menemukan frequent itemset dan membentuk aturan assoiasi berdasarkan frequent itemset (Tang dan Jamie, 2005). Algoritma Apriori digunakan untuk mencari frequent itemset. Pengertian frequent itemset disini adalah himpunan item-item yang memenuhi minimum support. Selanjutnya frequent itemset digunakan untuk membangun aturan assosiasi. Berikut adalah pseudocode dari algoritma apriori : $item = $r[nama_produk]; $belian = $r[jumlah]; $item_loop = (pow($item1,2) + $item1) / 2; //tringular number foreach ($item_array as $ia_key => $ia_value){ foreach ($total_per_item as $tpi_key => $tpi_value) if ((strpos($ia_key, $tpi_key) !== false)){ echo "[+] $ia_key($ia_value) --> $tpi_key($tpi_value) => ". $ia_value / $tpi_value."\r\n"; list($itemx, $itemy) = explode('_', $ia_key); if ($itemx == $tpi_key) {$theitem = $itemy; else {$theitem = $itemx; } echo " Confidence ". round($ia_value / $tpi_value * 100, 2)."% yang membeli $tpi_key juga membeli $theitem\r\n\r\n"; } } B. Implementasi Perangkat Lunak Implementasi perangkat lunak merupakan suatu proses pengubahan spesifikasi system menjadi system yang dapat dijalankan. Antarmukan pada aplikasi data mining ini antara lain : 1. Halaman Utama (admin) Halaman ini merupakan cakupan dari seluruh form yang ada pada sistem, antara lain menu home, manajemen modul, kategori produk, produk, pesanan, ongkos kirim, profil, cara
5
pembelian, komentar, informasi, MBA, ganti password. Tampilan menu utama untuk user yang login.
No 1. 2. 3. 4. 5. 6.
Gambar 8 Halaman Utama (menu) 2. Halaman Utama Konsumen
7. 8. 9. 10 11. 12. 13.
Gambar 9 Halaman Utama Konsumen 3. Antar Muka Keranjang Belanja
14 15. 16. 17. 18. 19. 20. 21.
Gambar 10 Antar Muka Keranjang Belanja 5. Antar Muka MBA
22. 23. 24. 25.
Gambar 11 Antar Muka MBA C. Pengujian Perangkat Lunak Pada tahap ini pengujian sistem ini dengan menggunakan metode pngujian unit dengan pendekatan black-box testing. Cara pengujian yang dilakukan dengan menjalankan aplikasi yaitu melakukan input data dan melihat outputnya apakah sesuai dengan proses yang diharapkan.
Rancangan Proses Isi username dan password Klik tombol menu input manajemen modul Klik tombol edit atau delete Klik tombol menu input kategori produk Klik tombol edit atau delete Klik tombol menu input produk Klik tombol edit atau delete Klik tombol menu input pesanan Klik tombol edit atau delete Klik tombol menu input ongkos kirim Klik tombol edit atau delete Klik tombol menu input profil Klik tombol edit atau delete Klik tombol menu input cara pembelian Klik tombol edit atau delete Klik tombol menu input komentar Klik tombol edit atau delete Klik tombol menu input informasi Klik tombol edit atau delete Klik tombol menu input laporan Klik tombol edit atau delete Klik tombol menu input MBA Klik tombol edit atau delete Klik tombol menu input ganti password Klik tombol edit atau delete
Hasil Yang Diharapkan Masuk ke menu utama aplikasi Tampilkan form input manajeman modul Input manajemen modul akan diedit atau dihapus Tampilkan form input kategori produk Input kategori produk akan diedit atau dihapus Tampilkan form input produk Input produk akan diedit atau dihapus Tampilkan form input pesanan Input pesanan akan diedit atau dihapus Tampilkan form input ongkos kirim Input ongkos kirim akan diedit atau dihapus Tampilkan form input profil Input profil akan diedit atau dihapus Tampilkan form input cara pembelian Input cara pembelian akan diedit atau dihapus Tampilkan form input komentar Input komentar akan diedit atau dihapus Tampilkan form input informasi Input informasi akan diedit atau dihapus Tampilkan form input laporan Input laporan akan diedit atau dihapus Tampilkan form input MBA Input MBA akan diedit atau dihapus Tampilkan form input ganti password Input ganti password akan diedit atau dihapus
Hasil OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK
D. Kelebihan dan Kekurangan Setelah dilakukan pengujian aplikasi, dapat dihasilkan kelebihan dan kekurangan dari aplikasi ini. Kelebihan dari aplikasi ini adalah : 1. Aplikasi ini dapat mengetahui pola pembelian konsumen dan dapat melakukan proses pengklasifikasian terhadap produk yang bersangkutan mulai dari pengumpulan data, penyajian hasil data yang diolah. 2. Menghasilkan pola kombinasi itemset dan rules sebagai ilmu pengetahuan dan informasi penting dari data penjualan 3. Dengan mendapatkan nilai confidence tertinggi, aplikasi ini dapat membantu merecomendasikan perbaikan untuk tata letak produk yang ada di toko.
6
Sedangkan kekurangan dari aplikasi ini adalah : 1. Dalam menganalisa jumlah transaksi yang banyak mempunyai kelemahan, karena untuk memperoleh hasil yang maksimal jumlah data transaksi yang dianalisa harus mencapai puluhan bahkan ratusan transaksi. 2. aplikasi ini tidak menyajikan laporan dalam bentuk report V. Kesimpulan dan Saran A. Kesimpulan Dari penelitian dan tulisan yang telah penulis uraikan, maka dapat ditarik kesimpulan sebagai berikut : 1. Aplikasi web yang dibangun merupakan aplikasi yang dapat membantu kegiatan konsumen dalam melakukan transaksi, khususnya untuk mengetahui pola pembelian konsumen dan melakukan proses pengklasifikasian terhadap produk yang bersangkutan, mulai dari pengumpulan data, penyajian hasil data yang diolah. 2. Metode market basket analysis dapat diterapkan dalam sebuah aplikasi yang bertujuan untuk meningkatkan penjualan sebuah produk dengan mengetahui produk manakah yang sering dibeli konsumen, sehingga dapat mempermudah untuk mengatur layout catalog produk best seller sesuai karakteristik konsumen mereka. 3. Penggunaan metode market basket analysis mempunyai kelemahan dalam jumlah data transaksi yang dianalisa, karena untuk memperoleh hasil yang maksimal jumlah data transaksi yang dianalisa harus mencapai puluhan bahkan ratusan transaksi.
diterbitkan. Jakarta : fakultas Sains dan Teknologi Universitas Islam Negri Syarif Hidayatullah. Jiawei Han, Michelin Kamber. 2006 “Data Mining ; Concepts and Techniques”, Morgan Kaufmann Publishers, Champaign ; CA9411. Kusrini dan Luthfi, E. T., 2009. Algoritma Data Mining. Yogyakarta : Penerbit Andi. Kusrini dan Emha taufiq Luthfi, “Algoritma data mining”, penerbit andi, 2009Medina Gemala (2012). Penerapan metode market basket analysis pada situs web ecommerce Pressman, Roger S. 2003. Rekayasa Perangkat Lunak Pendekatan Praktisi-Buku Satu, Yogyakarta : Andi Yogyakarta : xx + 647 hlm. Sunarto, Andi., 2009. Seluk Beluk E-commerce. Gerai Ilmu, Jogjakarta. Tri Lestari. 2009. Analisis Keranjang Belanja Pada Data Transaksi Penjualan. Skripsi, tidak diterbitkan. Bogor : Departemen Manajemen Fakultas Ekonomi Dan Manajemen Institute Pertanian Bogor. .
B. Saran Penelitian dan aplikasi ini tentu saja masih mempunyai kekurangan. Masih banyak hal yang dapat dilakukan untuk mengembangkan aplikasi ini agar menjadi lebih baik. 1. Sesuai dengan penggunaan aplikasi e-commerce ini dan selanjutnya, disarankan agar sistem ini nantinya dapat dikembangkan lagi. 2. Untuk pemeliharaan sistem informasi ini, perlu adanya evaluasi secara rutin sehingga dapat dilihat apakah perlu diadakan perbaikan atau penyempurnaan kembali. 3. Penelitian ini masih memerlukan pengembangan lebih lanjut untuk mendapatkan hasil yang lebih optimal dengan cara melakukan penelitian mamakai metode data mining yang lain. Ataupun membandingkan hasil metode data mining yang satu denga metode yang lainnya sehingga didapatkan hasil komparasi yang baik.
DAFTAR PUSTAKA Adriani, Dian, 2003. Pengenalan Pemograman E-Commerce Dengan PHP Dan MySQL, http://ilmukomputer.com/tutorial/e-commerce/fund/dian e-commerce.pdf. Devi Dinda Setiawati (2009). Penggunaan metode apriori untuk analisa kerankang pasar pada data transaksi penjualan minimarket menggunakan java dan mysql. Feri sulianti dan dominikus juju (2010). Data mining, meramalkan bisnis perusahaan. Jakarta. Penerbit elex media komputindo. 19-22. Friday, K. 2011. Analisa dan perancangan data mining dengan merode market basket analysis untuk analisa pola belanja konsumen pada tendencies store. Skripsi, tidak
7
