STRATEGI PENJUALAN PAKAN UNGGAS PADA TOKO PAKAN PEKSI KEDIRI DENGAN MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN ALGORITMA APRIORI

Artikel Skripsi Universitas Nusantara PGRI Kediri

STRATEGI PENJUALAN PAKAN UNGGAS PADA TOKO PAKAN PEKSI KEDIRI DENGAN MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN ALGORITMA APRIORI

ARTIKEL SKRIPSI Diajukan Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi TeknikInformatika Fakultas Teknik UNP Kediri

OLEH: KHOIRUL HIKMAH TIA NPM : 11.1.03.02.0185

FAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UNP KEDIRI 2015

Khoirul Hikmah Tia | 11.1.03.02.0185 Fakultas Teknik–Teknik Informatika

simki.unpkediri.ac.id || 1||


Skripsi oleh :

KHOIRUL HIKMAH TIA NIM : 11.1.03.02.0185

Judul : STRATEGI PENJUALAN PAKAN UNGGAS PADA TOKO PAKAN PEKSI KEDIRI DENGAN MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN ALGORITMA APRIORI

Telah Disetujui Untuk Dilanjutkan Kepada Panitia Ujian / Sidang Skripsi Program Studi Teknik Informatika Fakultas Teknik UNP Kediri

Tanggal : 28 Agustus 2015




Skripsi oleh : KHOIRUL HIKMAH TIA NIM: 11.1.03.02.0185

Judul : STRATEGI PENJUALAN PAKAN UNGGAS PADA TOKO PAKAN PEKSI KEDIRI DENGAN MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN ALGORITMA APRIORI

Telah Dipertahankan Di Depan Panitia Ujian / Sidang Skripsi Program Studi Teknik Informatika Fakultas Teknik UNP Kediri Pada Tanggal : 28 Agustus 2015




STRATEGI PENJUALAN PAKAN UNGGAS PADA TOKO PAKAN PEKSI KEDIRI DENGAN MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN ALGORITMA APRIORI

KHOIRUL HIKMAH TIA 11.1.03.02.0185 Fakultas Teknik – Teknik Informatika [email protected] Suhartono, M.Pd dan Intan Nur Farida, M.Kom UNIVERSITAS NUSANTARA PGRI KEDIRI ABSTRAK Khoirul Hikmah Tia : Strategi Penjualan Pakan Unggas Pada Toko Pakan Peksi Kediri Dengan Membangun Sistem Pendukung Keputusan Menggunakan Algoritma Apriori, Skripsi, Teknik Informatika, Prodi Teknik UNP Kediri, 2015 Penelitian ini dilatar belakangi dengan hasil pengamatan peniliti, bahwa penjualan pakan unggas di Toko Pakan Peksi kediri masih menggunakan cara konvensional dalam menghitung data penjualan dan memprediksi barang yang banyak terjual serta belum memiliki aplikasi perhitungan. Akibatnya admin mencatat semua transaksi dan menghitung semua transaksi secara manual. Belum ada sarana aplikasi yang bisa di akses baik untuk transaksi penjualan atau memprediksi produk apa saja yang paling banyak terjual. Hal tersebut nampak dari Toko Pakan Peksi Kediri sulit memprediksi produk apa saja yang sering terjual dan terjadi penumpukkan barang di gudang. Permasalahan penelitian ini adalah (1) Bagaimana merancang sebuah aplikasi Sistem Pendukung Keputusan ( SPK ) pada Toko Pakan Peksi Kediri? (2) Apakah aplikasi Sistem Penndukung Keputusan menggunakan Metode Apriori dapat memberikan solusi dalam menyelesaikan masalah yang ada dalam Toko Pakan Peksi Kediri? (3) Bagaimana mengimplementasikan algoritma apriori pada penjualan pakan unggas dengan menggunakan Visual Basic 6.0? Pembuatan program dalam memprediksi produk yang sering terjual menggunakan metode algoritma apriori karena metode ini adalah metode yang mudah, akurat dalam pelogikaan dan sesuai dengan kebutuhan. Data yang akan di proses sebagai acuan perhitungan adalah pakan unggas. (1) Kesimpulan hasil penelitian ini adalah Membantu untuk mengetahui jenis pakan unggas yang paling banyak terjual. (2) Sebagai bahan masukan untuk mendukung pengambilan keputusan strategi penjualan yang tepat. (3) Dapat memperkirakan supply barang, agar tidak terjadi penumpukan barang pada toko. (4) Membantu toko untuk meningkatkan laba yang memuaskan. (1) Berdasarkan simpulan hasil penelitian ini, direkomendasikan: Merancang Sistem Pendukung Keputusan penjualan barang / pakan unggas menggunakan algoritma apriori pada Toko Pakan Peksi Kediri. (2) Perancangan sistem pada toko diharapkan memberikan solusi dalam mengatasi permasalahan yang ada dalam toko. (3) Mengimplementasikan algoritma apriori pada Toko Pakan Peksi Kediri dengan menggunakan Visual Basic 6.0. Berdasarkan pembahasan dan implementasi program yang mengacu pada rumusan masalah yang ada yaitu bagaimana suatu toko dapat mengolah data dengan cepat dan akurat serta membuat suatu sistem pendukung keputusan menggunakan algoritma apriori, Dengan adanya sebuah program analisis penjualan maka toko dapat menghitung dan memprediksi secara langsung terbukti memudahkan admin menghitung dan dapat mempercepat proses memprediksi barang apa saja yang banyak terjual atau yang lambat penjualannya. Sehingga barang - barang yang sering di beli bersamaan dapat di letakan berdekatan dan barang yang jarang di beli bisa dibuat diskon agar menarik minat pembeli. Kata kunci : Metode Algoritma Apriori, Penjualan. Khoirul Hikmah Tia | 11.1.03.02.0185 Fakultas Teknik–Teknik Informatika



I.

ditingkatkan,

LATAR BELAKANG

seberapa

besar

Pertumbuhan bisnis di era

pencapaian hasil yang diperoleh oleh

globalisasi dan kemajuan dibidang

toko. Untuk memenuhi kebutuhan-

teknologi

cepat

kebutuhan pengusaha diatas, banyak

memberikan pengaruh yang cukup

cara yang dapat ditempuh. Salah

besar baik dalam bidang industri

satunya adalah dengan melakukan

maupun jasa. Hal ini juga membawa

pemanfaatan

suatu perubahan besar dalam tingkat

Mining).

informasi

yang

data

toko

(Data

perusahaan,

Ketersediaan data yang banyak

sehingga pelaku-pelaku perusahaan

dan kebutuhan akan informasi atau

tersebut harus selalu menciptakan

pengetahuan

berbagai teknik untuk terus survive.

pengambilan

persaingan

antara

Dalam

rangka

menghadapi

sebagai

pendukung

keputusan

untuk

membuat solusi bisnis dan dukungan

persaingan bisnis dan meningkatkan

infrastruktur

pendapatan toko, pimpinan toko

informatika merupakan cikal-bakal

maupun manajemen dalam suatu

dari lahirnya teknologi data mining.

toko tersebut di tuntut untuk dapat

Penggunaan

mengambil keputusan yang tepat

diharapkan

dalam

mempercepat proses pengambilan

menentukan

strategi

di

bidang

teknik

data

dapat

teknik

mining

membantu

penjualan. Untuk dapat melakukan

keputusan,

hal tersebut, toko membutuhkan

untuk mengelola informasi yang

sumber

terkandung didalam data transaksi

informasi

yang

cukup

memungkinkan

banyak untuk dapat di analisis lebih

menjadi

lanjut (Azwar Saifuddin., 2005).

(knowledge)

yang

baru.

pengetahuan

yang

didapat,

Pihak

eksekutif

toko

sebuah

toko

pengetahuan Lewat toko

teknologi

dapat meningkatkan pendapatannya

yang mampu menghasilkan suatu

dan pada akhirnya di masa yang akan

informasi yang siap digunakan untuk

datang toko dapat lebih kompetitif

membantu mereka dalam mengambil

(Irdiansyah, Enur, 2009).

mengharapkan

adanya

keputusan strategis toko. Misalnya

Toko Pakan Peksi Kediri yang

perkiraan jenis pakan apa yang harus

terletak di Jl.Raung no 34 Kemuning




Kelurahan

Lirboyo

merancang sebuah strategi bisnis

Kediri

merupakan salah satu toko yang

dalam

bergerak dibidang usaha dagang

Karena sebab itu, maka penulis

dengan bermacam – macam pakan

berkeinginan menuangkan kedalam

unggas seperti : pisang, jangkrik,

bentuk skripsi dan memberi judul

kroto, ulat kandang, ulat hongkong,

“STRATEGI

ulat jerman, cacing pospor, cacing

PAKAN UNGGAS PADA TOKO

merah. Dimana toko ini setiap

PAKAN

harinya harus memenuhi kebutuhan

DENGAN

MEMBANGUN

konsumen dan di tuntut untuk dapat

SISTEM

PENDUKUNG

mengambil keputusan yang tepat

KEPUTUSAN MENGGUNAKAN

dalam

ALGORITMA APRIORI”.

menentukan

strategi

meningkatkan

penjualan.

PENJUALAN

PEKSI

KEDIRI

penjualan. Untuk dapat melakukan hal tersebut, toko membutuhkan

II.

ALGORITMA APRIORI

cukup

Algoritma ini diajukan oleh R.

banyak untuk dapat di analisis lebih

Agrawal dan R. Srikant tahun 1994.

lanjut.

Apriori

melakukan

iterative

yang

terdapat beberapa permasalahan yang

pencarian

level-wise,

sering muncul mengenai penjualan

itemset

pakan

mengeksplorasi

sumber

informasi

yang

Pada Toko Pakan Peksi Kediri,

unggas.

mendapatkan

Toko

sulit

informasi-informasi

Pertama,

pendekatan

dikenal

dimana

digunakan (k

dengan k-

untuk

+

1)-itemset.

kumpulan

1-itemset

strategis seperti tingkat penjualan per

ditemukan dengan memeriksa basis

periode. Ketersediaan data penjualan

data

yang besar di Toko Pakan Peksi

penghitungan tiap barang, dan catat

Kediri tidak digunakan semaksimal

barang

mungkin, sehingga data penjualan

dilambangkan

tersebut tidak dimanfaatkan secara

Selanjutnya, L1 digunakan untuk

optimal dan belum adanya sistem

mencari L2, kumpulan 2-itemset

pendukung keputusan dan metode

yang digunakan untuk mencari L3,

yang

dapat

digunakan


untuk

mengakumulasi

tersebut. dengan

Hasilnya L1.

untuk



dan seterusnya sampai tidak ada k-

tersebut. Oleh karena itu, diperlukan

itemset yang dapat ditemukan.

sebuah

aplikasi

yang

mampu

memilah dan memilih data yang Konsep Aturan Asosiasi Dengan

besar,

Algoritma Apriori

informasi

Asosiasi

merupakan

sehingga yang

berguna

bagi

Peneliti akan menjelaskan cara

berbagai peristiwa yang terjadi pada

membangun

satu

mengelompokkan

Pendekatan asosiasi

diperoleh

penggunanya.

pengidentifikasian hubungan antara

waktu.

bisa

aplikasi

untuk

data

barang

tersebut menekankan sebuah kelas

berdasarkan kecenderungannya yang

masalah

dengan

muncul

Dalam

transaksi

analisis

yang

dicirikan

keranjang

pasar.

bersamaan

dalam

menggunakan

suatu

algoritma

bidang eceran, ada suatu usaha untuk

apriori. Algoritma apriori termasuk

mengidentifikasi produk-produk apa

jenis

yang terjual dan pada tingkat seperti

mining.

apa.

termasuk dalam golongan adalah

aturan asosiasi

pada data

apriori,

Selain

yang

Data yang dimiliki oleh suatu

metode Generalized Rule Induction

organisasi merupakan salah satu aset

dan Algoritma Hash Based. Aturan

dari organisasi tersebut. Adanya

yang menyatakan asosiasi antara

kegiatan operasional sehari-hari akan

beberapa

semakin memperbanyak jumlah data.

affinity analysis atau market basket

Jumlah data yang begitu besar justru

analysis.

bisa menjadi masalah bila organisasi

atribut

sering

disebut

Penerapan algoritma apriori

bisa

dalam penelitian ini diharapkan akan

memanfaatkannya. Semakin banyak

menemukan pola berupa produk

data, akan semakin diperlukan usaha

yang sering dibeli bersamaan. Pola

untuk memilah data mana yang bisa

tersebut

diolah menjadi informasi. Jika data

menempatkan produk yang sering

dibiarkan saja, maka data tersebut

dibeli bersamaan dalam sebuah area

hanya akan menjadi sampah yang

yang saling berdekatan, merancang

tidak berarti lagi bagi organisasi

tampilan

tersebut

tidak


bisa

digunakan

produk

di

untuk

katalog,



merancang kupon diskon (untuk

No.

Itemset hongkong

diberikan kepada pelanggan yang tertentu),

9

Jangkrik, Kroto, Cacing pospor

merancang penjualan paket, dan lain-

10

Cacing pospor, Pisang

lain(Kusrini, 2007).

11

Jangkrik, Ulat kandang

12

Ulat kandang, Kroto, Ulat Jerman

membeli

produk

III. HASIL DAN KESIMPULAN

Perhitungan

Daftar nama pakan No.

Dengan rumus sebagai berikut:

Nama Pakan

Jenis Pakan

Unggas

∑ transaksi mengandung A × ∑ transaksi

1

Pisang

Pakan unggas

2

Kroto

Pakan unggas

3

Jangkrik

Pakan unggas

4

Ulat kandang

Pakan unggas

Pisang

3

25%

5

Ulat Hongkong

Pakan unggas

Kroto

8

67%

6

Ulat Jerman

Pakan unggas

Jangkrik

5

42%

7

Cacing pospor

Pakan unggas

Ulat

5

42%

8

Cacing Merah

Pakan unggas

4

33%

3

25%

4

33%

1

8%

Itemset

Support

hongkong

Daftar Penjualan

Ulat

Itemset

1

Jangkrik, Pisang, Kroto

2

Kroto,

Ulat

jerman

kandang,

Ulat

hongkong Kroto, Ulat kandang

4

Ulat kandang, Ulat hongkong

5

Jangkik, Kroto, Ulat jerman

6

Cacing

pospor,Cacing

Cacing pospor Cacing

3

merah,

Kroto 7

Transaksi

kandang Ulat

No.

Jumlah

%

Cacing pospor, Ulat hongkong,

merah ∑ transaksi yang mengandung A dan B × ∑ transaksi

Pisang 8

Kroto, Jangkrik, Ulat jerman, Ulat



%


Tabel : Calon 2-itemset Itemset

Jumlah Transaksi

Support

Pisang, Kroto

1

8,3%

Pisang,

0

0%

Jangkrik Pisang,

Ulat

0

0%

Ulat

1

8,3%

Ulat kandang,

Ulat

1

8,3%

1

8,3%

0

0%

Cacing pospor Ulat

Ulat jerman

hongkong,

0

0%

Ulat

2

jerman,

16,7%

Minimal

pospor Kroto,

4

33,3%

Jangkrik

ditentukan

support

adalah

20%,

yang jadi

kombinasi 2 itemset yang tidak Ulat

3

25%

Ulat

2

16,7%

Ulat

3

25%

kandang

memenuhi minimal support akan dihilangkan, terlihat seperti tabel 6

hongkong Kroto,

0%

Cacing pospor

Pisang, Cacing

Kroto,

0

Cacing pospor

jerman

Kroto,

8,3%

Ulat jerman

Ulat

hongkong Pisang,

1

hongkong,

kandang Pisang,

Ulat kandang,

2

16,7%

1

8,3%

Ulat

1

8,3%

2

16,7%

1

8,3%

2

16,7%

4

33,3%

3

25%

3

25%

kandang Kroto, Ulat jerman

kandang Jangkrik, Ulat

Jumlah Support

Kroto, Jangkrik Kroto,

pospor Jangkrik, Ulat

20% Itemset

jerman Kroto, cacing

Tabel : Minimal Support 2 itemset

hongkong Jangkrik, Ulat jerman Jangkrik, Cacing pospor Ulat kandang, Ulat hongkong Khoirul Hikmah Tia | 11.1.03.02.0185 Fakultas Teknik–Teknik Informatika



jerman, Cacing pospor

Kombinasi 3 Itemset Proses pembentukan C3 atau disebut dengan 3 itemset dengan

Ulat

jerman,

diselesaikan

0

0

pospor, Cacing merah

Karena Kombinasi 3 itemset

jumlah minimum support = 30% . Dapat

Cacing

dengan

tidak ada yang memenuhi minimal support, maka 2 kombinasi yang

rumus berikut: Support ( A,B )=P ( A∩B∩C )

memenuhi

∑ trnasaksi yang mengandung A, B dan C

untuk

pembentukan

asosiasi. Mencari Confidence

x 100% ∑ transaksi

Dimana nilai confidence suatu aturan A

Tabel : Kombinasi 3 itemset Itemset

B diperoleh dari:

Jumlah Support

Pisang, Kroto, Jangjrik

1

8,3%

Confidence P ( B | A ) = ∑ Transaksi

Pisang, Ulat kandang, Ulat

0

0

mengandung A dan B ∑ Transaksi mengandung A

hongkong Pisang, Ulat jerman, Cacing

0

0

pospor

Tabel : Aturan Asosiasi

Kroto,

Jangkrik,

Ulat

1

8,3%

kandang 0

0

jerman Cacing

pospor,

1

8,3%

Cacing merah Jangkrik,

Ulat

kandang,

0

0

3/8

37,5%

3/8

37,5%

4/5

80%

3/5

60%

3/3

100%

membeli

Ulat

jerman,

0

0

Ulat

0

0

hongkong, Ulat jerman

Jika membeli ulat kandang, maka akan membeli kroto

Cacing

0

0

pospor, Cacing merah hongkong,

Jika membeli jangkrik, maka akan membeli kroto

kandang,

kandang,

Jika membeli kroto, maka akan membeli ulat jerman

Cacing pospor

Ulat

50%

ulat kandang

Ulat hongkong Jangkrik,

4/8

membeli jangkrik Jika membeli kroto, maka akan

Kroto,

Ulat

Confidence

Jika membeli kroto, maka akan

Kroto, Ulat hongkong, Ulat

Ulat

Aturan

Jika memebeli ulat jerman, maka akan membeli kroto

Ulat

0


0



dan akurat serta membuat suatu

Tabel : Aturan Asosiasi Final Aturan Jika membeli jangkrik, maka

akan

Support

Confidence

25%

80%

sistem

menggunakan

membeli

jerman,

keputusan

algoritma

apriori,

Dengan adanya sebuah program

kroto Jika

pendukung

analisis penjualan maka toko dapat memebeli maka

ulat

25%

100%

menghitung dan memprediksi secara

akan

langsung

membeli kroto

admin

terbukti

memudahkan

menghitung

dan

dapat

mempercepat proses memprediksi

Berdasarkan aturan asosiasi

barang apa saja yang banyak terjual

diatas, dapat diketahui jenis pakan

atau

unggas yang paling banyak terjual

yang

lambat

penjualannya.

Sehingga barang - barang yang

pada toko Pakan Peksi Kediri. Selain

sering di beli bersamaan dapat di

itu mempermudah menghitung omset

letakan berdekatan dan barang yang

pada toko Pakan Peksi Kediri. Untuk

jarang di beli bisa dibuat diskon agar

stok jankrik, kroto, dan ulat jerman

menarik minat pembeli.

harus ditambah karena mempunyai nilai confidence yang tinggi. Dengan adanya perhitungan menggunakan metode apriori toko Pakan Peksi Kediri

dapat

IV.

DAFTAR PUSTAKA Gunadi,Goldie.(2012).”Penerapan Metode Data Mining Basket

memperkirakan

Analysis

persediaan barang / pakan unggas

Penjualan

yang harus ditambah atau dikurangi agar

tidak

terjadi

Data

Produk

Buku

Dengan

penumpukan

Menggunakan

Algoritma Apriori dan FP-

ketersesiaan barang / pakan unggas.

Growth ”.Universitas Budi Luhur.

Kesimpulan Berdasarkan

Terhadap

pembahasan

dan implementasi program yang mengacu pada rumusan masalah yang ada yaitu bagaimana suatu toko

Kusrini,

(2007).

Konsep

Dan

Aplikasi Sistem Pendukung keputusan.

Yogyakarta:

Penerbit Andi.

dapat mengolah data dengan cepat




Kusrini, Mukhsin, A. 2006. Sistem Pendukung

Keputusan

Nango,Dwi Noviati.(2012).”Penerapan

Evaluasi Karyawan untuk

Algoritma K-Means Untuk

Promosi

Prosiding

Clustering Data Anggaran

Kopwil IV Volume II No.3.

Pendapatan Belanja Daerah

Kopertis Wilayah IV Jawa

Di

Barat dan Banten.

XYZ”.Universitas

tan.

Kabupaten Negeri

Gorontalo. Kusrini

dan

Luthfi.

E.

Taufiq.(2009).Algoritma

Prasetyo,Eko.(2012).Data

Mining

Data Mining. Yogyakarta:

Konsep

Andi.,

Menggunakan

Mohammad.(2009).”Konsep

Matlbab.Yogyakarta: Andi.

Penjualan

VS

dan

Aplikasi

Konsep

Pemasaran”. Semarang.

Sugiyono. (2006), Metode Penelitian Bisnis.

Turban, E. 1995. Decision Support

Bandung

:

CV.Alfabeta.

System and Expert System. United State: Prentice Hall

Tama,Bayu Adhi.(2010).” Penetapan Strategi

Internatinal.

Penjualan

Menggunakan Turban, E., dkk. 2005. Decision Support

and

System.

Intelligent Yogyakarta:

Rules

Association

dalam

Konteks

CRM”.Universitas Sriwijaya.

Penerbit Andi.



STRATEGI PENJUALAN PAKAN UNGGAS PADA TOKO PAKAN PEKSI KEDIRI DENGAN MEMBANGUN SISTEM PENDUKUNG KEPUTUSAN MENGGUNAKAN ALGORITMA APRIORI

Recommend Documents