IMPLEMENTASI METODE MARKET BASKET ANALISYS
Post on 15-Oct-2021
3 Views
Preview:
Transcript
IMPLEMENTASI METODE MARKET BASKET ANALISYS
UNTUK MECARI POLA PENJUALAN MAKANAN
LAPORAN SKRIPSI
Dibuat untuk Melengkapi Syarat-Syarat yang Diperlukan untuk Memperoleh
Gelar Sarjana Terapan
Andi Makkasau
4616010003
PROGRAM STUDI TEKNIK INFORMATIKA
JURUSAN TEKNIK INFORMATIKA DAN KOMPUTER
POLITEKNIK NEGERI JAKARTA
2020
i
HALAMAN PERNYATAAN ORISINALITAS
Skripsi ini adalah hasil karya saya sendiri, dan semua sumber baik yang
dikutip maupun dirujuk telah saya nyatakan dengan benar.
Nama : Andi Makkasau
NPM : 4616010003
Tanggal : 13 Juli 2019
Tanda Tangan :
ii
LEMBAR PENGESAHAN
Skripsi diajukan oleh
Nama : Andi Makkasau
NIM : 4616010003
Program Studi : Teknik Informatika
Judul Skripsi : Implementasi Metode Market Basket Analisis
Untuk Mencari Pola Penjualan Makanan
Telah diuji oleh tim penguji dalam Sidang Skripsi pada hari Senin, Tanggal 13,
Bulan Juli, Tahun 2020 dan dinyatakan LULUS.
Disahkan oleh:
Pembimbing : Asep Taufik Muharram, S.Kom.,
M.Kom.
( )
Pembimbing : Dewi Kurniawati, S.S., M.Pd ( )
Penguji I : Risna Sari, S.Kom., M.Ti. ( )
Penguji II : Fachroni Arbi Murad, S.Kom., M.kom ( )
Penguji III : Ade Rahma Yuly, S.Kom., M.Ds ( )
iii
KATA PENGANTAR
Puji Syukur saya panjatkan kepada Allah SWT, karena atas berkat dan rahmat-Nya,
penulis dapat menyelesaikan laporan Skripsi ini. Penulisan Skripsi ini dilakukan
dalam rangka memenuhi salah satu syarat untuk mencapai gelar Diploma Empat
Politeknik di Politeknik Negeri Jakarta. Penulis memahami akan sangat sulit dalam
menyelesaikan laporan ini tanpa bantuan dari pihak-pihak yang terkait, oleh sebab
itu Penulis ingin menyampaikan banyak terimakasih terhadap pihak-pihak tersebut,
diantarannnya:
a. Pak Asep Taufik Muharram, S.Kom., M.Kom., dan Ibu Dewi Kurniawati,
S.S., M.Pd. selaku dosen pembimbing yang telah meluangkan waktunya
untuk mengarahkan dan membimbing penulis dalam menyelesaikan
Laporan Skripsi ini
b. Restoran Cafelo yang telah memberikan kesempatan untuk menganalisis
data traksaksi penjualan
c. Orang tua dan keluarga penulis yang telah memberikan bantuan dukungan
secara moral maupun material.
d. Kawan-kawan penulis yang telah membatu dan memberikan support
kepada penulis sehingga dapat menyelesaikan laporan ini.
Ucapan terima kasih dan maaf yang hanya bisa penulis haturkan kepada semua
pihak yang telah membatu penulis dalam menyelesaikan laporan ini.
Wassalamualaikum Wr. Wb.
Sinjai, 5 juli 2020
Andi Makkasau
iv
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI
SKRIPSI UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademik Politeknik Negeri Jakarta, saya yang bertanda tangan di
bawah ini:
Nama : Andi Makkasau
NIM : 4616010003
Program Studi : Teknik Informatika
Jurusan : Teknik Informatika dan Komputer
Jenis karya : Skripsi
demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan
kepadaPoliteknik Negeri Jakarta Hak Bebas Royalti Noneksklusif (Non-exclusive
RoyaltyFree Right) atas karya ilmiah saya yang berjudul : Implementasi Metode
Market Basket Analisis Untuk Mencari Pola Penjualan Makanan
beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti
Noneksklusifini Politeknik Negeri Jakarta berhak menyimpan,
mengalihmedia/format-kan,mengelola dalam bentuk pangkalan data (database),
merawat, dan memublikasikanskripsi saya selama tetap mencantumkan nama saya
sebagai penulis/pencipta dansebagai pemilik Hak Cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Depok Pada tanggal : 8 agustus 2020
Yang menyatakan
Andi Makkasau
*Karya Ilmiah: karya akhir, makalah non seminar, laporan kerja praktek,
laporan magang, karya profesi dan karya spesialis
v
Abstrak
Ketatnya persaingan pada penjualan, membuat pemilik Restoran Cafelo harus pintar dalam
menganalisis pasar. Selain itu, ketersediaan barang yang dijualpun menjadi salah satu
faktor yang harus dianalisis supaya kebutuhan pelanggan dapat terpenuhi. Untuk
mendukung hal itu, data penjualan sebelumnya dapat dimanfaatkan untuk menganalisis
pasar dan kebutuhan pelanggan. Penambahan algoritma Algoritma apriori termasuk jenis
aturan asosiasi pada data mining, algoritma apriori yang bertujuan untuk menemukan item
sets dijalankan pada sekumpulan data. Berdasarkan hubungan tersebut, dimungkinkan
melakukan promosi barang dengan pola keterikatan barang tersebut. Konsumen yang
melakukan pembelian produk akan tertarik untuk melakukan pembelian produk yang
berbeda, dari yang biasa dibelinya. Bila konsumen tidak melakukan pembelian produk
yang terdapat dalam pola penjualan produk, barista dapat menawarkan produk yang
terdapat dalam pola penjualan produk. Salah satu algoritma penemuan kombinasi pola
barang ialah algoritma apriori. Penggunaan cara asosiasi dalam penelusuran pola
keterikatan guna promosi produk, diharapkan dapat meminimalkan promosi produk yang
memiliki tingkat penjualan rendah. Dengan meminimalkan promosi barang yang tidak
terbeli, konsumen tidak akan terganggu dengan promosi produk yang tidak memiliki pola
keterikatan, sehingga promosi akan lebih efektif.
Kata Kunci : Data Mining, Market Basket Analysis, Apriori, Laravel, PHP
vi
Daftar Isi
Halaman Judul…………………………………………………………………..1
HALAMAN PERNYATAAN ORISINALITAS ................................................. i
LEMBAR PENGESAHAN .................................................................................. ii
KATA PENGANTAR .......................................................................................... iii
Abstrak ................................................................................................................... v
Daftar Gambar ................................................................................................... viii
Daftar Tabel .......................................................................................................... ix
BAB I PENDAHULUAN ...................................................................................... 1
1.1. Latar Belakang ......................................................................................... 1
1.2. Perumusan Masalah .................................................................................. 3
1.3. Batasan Masalah ....................................................................................... 3
1.4. Tujuan dan Manfaat .................................................................................. 4
1.4.1 Tujuan ............................................................................................... 4
1.4.2 Manfaat ............................................................................................. 4
1.5. Metode pelaksanaan Skripsi ..................................................................... 4
BAB II TINJAUAN PUSTAKA ........................................................................... 7
2.1. Penelitian Terdahulu ................................................................................. 7
2.2. Landasan Teori ......................................................................................... 9
2.2.1. Café ................................................................................................... 9
2.2.2. Promosi ............................................................................................. 9
2.2.3. Data Mining .................................................................................... 11
2.2.4. Tahapan Data Mining ...................................................................... 12
2.2.5. Apriori ............................................................................................. 13
2.2.6. Market Basket Analysis .................................................................. 14
BAB III RANCANGAN DAN REALISASI ..................................................... 16
3.1. Deskripsi Prgoram aplikasi .................................................................... 16
1.3.1 Analisan kebutuhan sistem .............................................................. 16
3.2. Flowchart ................................................................................................ 17
3.3. Rancangan UML .................................................................................... 17
1.5.1 Use Case Diagram ........................................................................... 17
1.5.2 Activity Diagram ............................................................................. 18
1.5.3 Sequence Diagram .......................................................................... 22
vii
1.5.4 Class Diagram ................................................................................. 23
3.4. Jadwal Pelaksanan .................................................................................. 24
3.5. Realisasi Program..................................................................................... 25
3.5.1 Halaman Login ................................................................................ 25
3.5.2 Halaman Dashboard ........................................................................ 25
3.5.3 Halaman User .................................................................................. 26
3.5.4 Halaman Produk .............................................................................. 26
3.5.5 Halaman Stok .................................................................................. 27
3.5.6 Halaman Transaksi .......................................................................... 28
3.5.7 Halaman POS .................................................................................. 28
BAB IV PENGUJIAN DAN ANALISIS ........................................................... 29
4.1 Pengujian .................................................................................................... 29
4.2 Deskripsi Pengujian ................................................................................... 31
4.3 Prosedur Pengujian .................................................................................... 31
4.4 Data Hasil Pengujian .................................................................................. 32
BAB V PENUTUP ............................................................................................... 34
5.1 Kesimpulan ................................................................................................ 34
5.2 Saran ........................................................................................................... 34
DAFTAR PUSTAKA ............................................................................................ ix
viii
Daftar Gambar
Gambar 3.1 Flowchat Algoritma Apriori .............................................................. 17
Gambar 3.2 usecase Diagram ................................................................................ 18
Gambar 3.3 activity diagram login........................................................................ 19
Gambar 3.4 activity diagram mengelola data pengguna ....................................... 19
Gambar 3.5 activity diagram mengelola data makanan ........................................ 20
Gambar 3.6 activity diagram mengelola data stock makanan............................... 21
Gambar 3.7 activity diagram POS ........................................................................ 21
Gambar 3.8 Sequence Diagram Kelola Data Makanan ........................................ 22
Gambar 3.9 Sequence Diagram Kelola Data Stok Makanan ................................ 23
Gambar 3.10 Class Diagram ................................................................................. 24
Gambar 3.11 Halaman login ................................................................................. 25
Gambar 3.12 Halaman Dashboard ........................................................................ 26
Gambar 3.13 Halaman User .................................................................................. 26
Gambar 3.14 Halaman produk .............................................................................. 27
Gambar 3.15 Halaman Stok .................................................................................. 27
Gambar 3.16 Halaman Transaksi .......................................................................... 28
Gambar 3.17 Halaman POS .................................................................................. 28
ix
Daftar Tabel
Tabel 3.1 Jadwal Pelaksanaan ............................................................................... 24
Tabel 4.2 Tabel Pengujian Black Box................................................................... 29
Tabel 4.3 Hasil Pengujian ..................................................................................... 32
Tabel 4. 4 Pola Transaksi Penjualan Produk ......................................................... 32
Tabel 4. 5 Tabel Format Tabular Data Transaksi ................................................. 32
Tabel 4. 6 Support dari tiap item ........................................................................... 32
Tabel 4. 7 Calon 2-Itemset .................................................................................... 32
Tabel 4. 8 Minimal Support 2 Itemset 50% .......................................................... 32
Tabel 4. 9 Aturan Asosiasi .................................................................................... 32
Tabel 4. 10 Aturan Asosiasi Final………………………………………………..40
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Perkembangan usaha kuliner saat ini begitu semakin meningkat, baik berupa café,
restoran, warung cepat saji maupun food court. Dengan berkembangnya usaha
kuliner, diikuti dengan meningkatnya kebutuhan teknologi sebagai media
periklanan, sumber informasi dan pengelolaan untuk meningkatkan penjualan. Pada
saat ini persaingan terhadap restoran sangat meningkat di karenakan banyak macam
jenis restoran yang ada dimana mana. Dengan adanya persaingan yang begitu
tinggi, maka dibutuhkan sebuah sistem yang dapat membantu penjual dalam
melakukan proses jual-beli.
Restoran Cafelo adalah sebuah restoran yang menjual berbagai macam makanan.
Restoran Cafelo ini masih melakukan penjualan dan pendataan secara manual. Hal
tersebut jelas tidak efektif dan efisien. Berbagai jenis makanan yang tersedia pada
restoran tersebut membuat pemilik restoran kebingungan dalam melakukan
penyetokan makanan. Mengingat ketatnya persaingan di dunia bisnis, khususnya
pada makanan menuntut Restoran Cafelo untuk menemukan suatu strategi jitu yang
dapat meningkatkan penjualannya. Pemanfaatan kembali data transaksi untuk
mencari informasi merupakan langkah yang tepat dalam menentukan strategi
penjualan. Untuk menetapkan strategi yang bagus dalam menghadapi permasalahan
tersebut penulis mengusulkan suatu sistem penjualan dengan “Implementasi
Metode Data Mining Market Basket Analysis Dan Apriori Untuk Mecari Pola
Penjualan Makanan”.
2
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Pada zaman saat ini masyarakat banyak mencari restoran dan café untuk tempat
makan ataupun hanya membeli makan. Makan bersama keluarga dan teman-teman
menjadi salah satu pemasukan untuk restoran. Dengan pelayanan dan cara
bertransaksi menarik dan gampang yang diterapkan pada restoran membuat
kenyamanan dan kemudahan bagi pelanggan yang datang pada restoran. Maka
pemilik restoran harus bisa mengaplikasikan teknologi untuk meningkatkan
penjualannua.
Data Mining yang diaplikasikan untuk bidang usaha retail adalah analisa keranjang
belanja (market basket analysis). Market basket analysis adalah suatu analisa atas
perilaku konsumen secara spesifik dari suatu golongan / kelompok tertentu. Market
basket analysis umumnya dimanfaatkan sebagai titik awal pencarian pengetahuan
dari suatu transaksi data ketika kita tidak mengetahui pola spesifik apa yang kita
cari. Kebutuhan market basket analysis berawal dari keakuratan dan manfaat yang
dihasilkannya dalam wujud aturan assosiasi (association rules). Yang dimaksud
dengan association rules adalah pola-pola keterkaitan data dalam basis data, untuk
dapat lebih memahami tentang market basket analysis kita perlu membayangkan isi
sebuah keranjang belanja seorang pengunjung/pelanggan pada saat berbelanja di
supermarket (Budi, 2010). Olehkarena itu, untuk mengimplementasikan market
basket analysis kita membutuhkan data transaksi yang ada agar dapat menentukan
pola penjualan.
Algoritma yang akan digunakan adalah algoritma Apriori. Algoritma ini digunakan
untuk membentuk frequent itemsets yang nantinya akan dijadikan sebagai acuan
untuk merumuskan aturan-aturan asosiasi yang dihasilkan oleh model market
basket analysis dengan menggunakan alat bantu perangkat lunak Aplikasi
3
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Peningkat Penjualan. Sumber data dari market basket analysis antara lain dapat
bersumber dari data transaksi kartu kredit, kartu lotere, kupon diskon, panggilan
keluhan pelanggan.
Dengan adanya sistem ini nantinya akan membantu penjual dalam mengelola stock
makanan yang dapat mengurangi penumpukan makanan, meningkatkan penjual
dengan mengetahui menu apa saja yang sering dibeli oleh pelanggan secara
bersamaan sehingga kita dapat merekomendasikan produk tersebut ke pelanggan
lainnya dan memudahkan pemilik restoran dalam mengelola data transaksi.
Keunggulan dari sistem yang dibuat adalah fitur POS yang dapat mengelola data
transaksi dan saat pelanggan ingin memesan suata menu pada halaman POS akan
langsung menampilkan menu rekomendasi yang dapat ditawarkan kepada
pelanggan.
1.2. Perumusan Masalah
Berdasarkan permasahalan yang berhasil diidentifikasi, maka perumusan masalah
pada penelitian ini adalah Bagaimana Implementasi Metode Market Basket
Analysis Dan Apriori untuk mencari pola Penjualan makanan?
1.3. Batasan Masalah
Berdasarkan latar belakang permasalahan dan rumusan masalah diatas maka
penulis membuat suatu batasan masalah yaitu:
1. Aplikasi ini hanya memproses data bahan, data stock, transaksi penjualan,
rekomendasi bahan dan laporan hasil perhitungan.
2. Implementasi ini dilakukan berdasarkan data transaksi selama tiga bulan
terakhir pada Restoran Cafelo
4
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
1.4. Tujuan dan Manfaat
1.4.1 Tujuan
Penelitian ini dilakukan dengan tujuan sebagai berikut:
1. Menghasilkan perangkat lunak berbasis web sebagai pencatatan transaksi
penjualan.
2. Mempermudahkan pemilik usaha untuk mengetahui laporan penjualan
secara langsung dan bisa diakses dari mana saja
1.4.2 Manfaat
Manfaat yang diharapkan dari penelitian ini adalah:
1. Bagi pemilik dapat dijadikan sebagai sarana yang dapat meningkatkan
transaksi penjualan.
2. Pemilik dapat mengelola data penjualan dengan mudah.
3. Membantu pemilik untuk menentukan strategi pemasaran kedepannya.
4. Diharapkan dapat menambah referensi pemilik bahwa informasi teknologi
dapat digunakan untuk menganalisa dan membantu suatu bisnis.
5. Membatu mahasiswa untuk mengetahui implementasi metode market
basket pada studi kasus restoran cafelo
1.5. Metode pelaksanaan Skripsi
Metode yang dilakukan dalam penelitian ini yaitu:
1. Tahap Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
sebagai berikut:
a. Studi Literatur
5
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Pengumpulan data yang berhubungan degan aplikasi yang akan dibuat,
dengan cara mengumpulkan literature, jurnal, paper, dan bacaan-bacaan
ilmiah yang ada kaitannya dengan judul penelitian.
b. Observasi lapangan
Penulis melakukan pengamatan langsung terhadap proses yang
berhubungan baik langsung maupun tidak langsung dengan masalah
yang diambil. Hasil dari pengamatan tersebut lansung dicatat oleh
penulis dan di dokumentasikan sehingga dari proses kegiatan observasi
dapat diketahui masalah yang dihadapi dalam kegiatan pengambilan
data.
c. Wawancara
Kegiatan wawancara dilakukan untuk mendapatkan informasi yang
mendalam tentang persepsi, pandangan, wawasan, atau aspek
kepribadian para peserta didik yang diberikan secara lesan dan spontan.
Kegiatan wawancara agar lebih terarah, biasanya dilengkapi dengan
pembuatan pedoman wawancara. Wawancara yang baik adalah yang
bersifat mendalam. Artinya dengan menginterpretasi jawaban siswa akan
diperoleh banyak informasi, yang mungkin tidak bisa ditemukan pada
penggunaan metode lainnya.
2. Analisis Data Penelitian
Analisis data penelitian adalah suatu kegiatan untuk meneliti, memeriksa,
mempelajari, membandingkan data yang ada dan membuat interprestasi
yang diperlukan. Dalam hal ini melakukan identifikasi kebutuhan sistem
berdasarkan data yang ada.
6
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
a. Menganalisa sistem yang sedang berjalan
b. Analisis kebutuhan sistem
3. Perancangan Sistem
Hasil analisis kemudian dilanjutkan pada tahap perancangan, sistem dengan
membuat relasi tabel, rancangan antar pengguna, desain input dan desain
output.
4. Pembuatan Aplikasi
Pembuatan aplikasi sistem informasi gudang consumable berbasis web
menggunakan beberapa software yaitu Visual Studio untuk merancang
script Bahasa HTML dan PHP serta database MySQL dengan menggunakan
Xampp.
5. Test dan Uji Coba
Pada tahap ini dilakukan uji coba menggunakan black box testing dengan
tujuan untuk menemukan kesalahan dalam beberapa kategori.
7
BAB II
TINJAUAN PUSTAKA
2.1. Penelitian Terdahulu
Berdasarkan penetian yang dilakukan Goldie Gunadi dan Dana Indra Sensuse
(2012) yang berjudul “Penerapan Metode Data Mining Market Basket Analysis
Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori
dan Frequent Pattern Growth : Studi Kasus Percetakan PT. Gramedia” membahas
tentang Data mining merupakan proses analisa data untuk menemukan suatu pola
dari kumpulan data tersebut. Data mining mampu menganalisa data yang besar
menjadi informasi berupa pola yang mempunyai arti bagi pendukung keputusan.
Salah satu teknik data mining yang dapat digunakan adalah association data mining
atau yang biasa disebut dengan istilah market basket analysis. Market basket
didefinisikan sebagai suatu itemset yang dibeli secara bersamaan oleh pelanggan
dalam suatu transaksi. Market basket analysis adalah suatu alat yang ampuh untuk
pelaksanaan strategi cross-selling. Metode ini dimulai dengan mencari sejumlah
frequent itemset dan dilanjutkan dengan pembentukan aturan-aturan asosiasi
(association rules). Algoritma Apriori dan frequent pattern growth (FP-growth)
adalah dua algoritma yang sangat populer untuk menemukan sejumlah frequent
itemset dari data-data transaksi yang tersimpan dalam basis data. Dalam penelitian
ini algoritma Apriori dan frequent pattern growth (FP-growth) digunakan untuk
membantu menemukan sejumlah aturan asosiasi dari basis data transaksi penjualan
produk buku di Percetakan PT. Gramedia, sehingga untuk selanjutnya dapat
digunakan sebagai pertimbangan dalam membuat strategi pemasaran dan penjualan
yang efektif.
8
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Sedangkan penelitian yang dilakukan Dewi Kartika Pane (2013) yang berjudul
“Implementasi Data Mining Pada Penjualan Produk Elektronik Dengan Algoritma
Aprodi (Studi kasus : Kreditplus)” membahas mengenai Penjualan produk
elektronik, khususnya laptop mengalami peningkatan setiap bulannya, produk yang
ditawarkan bermacam merek, merek mempengaruhi masyarakat untuk membeli
produk tersebut, untuk mengetahui merek dengan penjualan terbanyak diperlukan
algoritma apriori untuk dapat mengetahuinya, dan dengan bantuan tools tanagra,
produk dengan penjualan terbanyak dapat diketahui. Algoritma apriori termasuk
jenis aturan asosiasi pada data mining. 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 tolak ukur , yaitu : support dan
confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut
dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan
antar-item dalam aturan asosiasi. Algoritma apriori dapat membantu untuk
pengembangan strategi pemasaran.
Dan untuk penelitian yang dilakukan Robi Yanto dan Riri Khoiriah (2010)
membahas “Implementasi Data Mining dengan Metode Algoritma Apriori dalam
Menentukan Pola Pembelian Obat”. Data mining merupakan proses untuk
mendapatkan informasi yang berguna dari gudang basis data yang berupa ilmu
pengetahuan. penelitian ini melakukan analisa data dengan menggunakan data
mining dan metode algoritma appriori. Sistem yang dibangun ditujukan untuk
pemenuhan dalam penentuan pola pembelian obat dengan menggunakan bahasa
pemrograman Visual Basic 6.0 dan database Mysql pada studi kasus di sektor
9
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
kesehatan. Sistem ini dibangun berdasarkan kebutuhan pengguna yang diperoleh
melalui metode wawancara dan studi lapangan. Metodelogi pengembangan sistem
yang digunakan yaitu metode waterfall yang terdiri Analisis, Desain, Pengkodean
dan Pengujian. Hasil pengujian dengan algoritma apriori dan sistem yang dibangun
menunjukan hasil yang telah memenuhi kebutuhan dalam penentuan pola
pembelian obat berdasarkan kecenderungan pembelian obat oleh pelanggan.
Dibandingkan dengan sistem yang sedang berjalan kinerja tersebut ditunjukan pada
efektifitas informasi dari sistem tentang penentuan pola pembelian obat untuk
ketersediaan obat dan tata letak obat untuk memudahkan dalam mengetahui
keberadaan obat yang dilihat dari 2 itemset obat.
2.2. Landasan Teori
2.2.1. Café
Kafe merupakan suatu tipe restoran yang biasanya menyediakan tempat
duduk didalam dan diluar ruangan. Kafe tidak menyajikan makanan berat namun
lebih berfokus pada menu makanan ringan seperti kue, roti dan soup. Istilah kafe
paling umum dijumpai di Negara Prancis yang kemudian diadopsi oleh kota- kota
di Inggris. Istilah kafe berasal dari kata coffe yang berarti kopi.
2.2.2. Promosi
Promosi adalah kegiatan yang dilakukan untuk menyampaikan suatu pesan
tertentu tentang produk baik barang atau jasa, merek dagang atau perusahaan dan
lain sebagainya kepada konsumen sehingga dapat membantu pemasaran
meningkatkan penjualan.
10
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Philip Kotler (1997, 142) mendefinisikan promosi sebagai suatu kegiatan
yang dilakukan oleh perusahaan untuk mengkomunikasikan manfaat dari
produknya dan untuk meyakinkan konsumen agar membeli. Julian Cummins
(1991, 11) mendefinisikan promosi sebagai serangkaian teknik yang digunakan
untuk mencapai sasaran penjualan atau pemasaran dengan menggunakan biaya
yang efektif, dengan memberikan nilai tambah pada produk atau jasa baik kepada
perantara atau pemakai langsung.
Menurut Terence A. Shimp (2002: 7) promosi memiliki fungsi – fungsi seperti:
1. Informing (memberikan informasi), promosi membuat konsumen sadar
akan produk- produk baru, mendidik mereka tentang berbagai fitur dan
manfaat merek, serta memfasilitasi penciptaan citra sebuah perusahaan yang
menghasilkan produk atau jasa. Promosi menampilkan pesan informasi
bernilai lainnya, baik untuk merek yang diiklankan maupun konsumennya,
dengan dengan mengajarkan manfaat- manfaat baru dari merek yang telah
ada.
2. Persuading (Membujuk), media promosi atau iklan yang baik akan mampu
mempersuasi pelanggan untuk mencoba produk dan jasa yang ditawarkan.
Terkadang persuasi berbentuk mempengaruhi permintaan primer, yakni
menciptakan permintaan bagi keseluruhan kategori produk. Lebih sering,
promosi berupaya untuk membangun permintaan sekunder, permintaan bagi
merek perusahaan yang spresifik.
3. Reminding (mengingatkan), iklan menjaga agar merek perusahaan tetap
segar dalam ingatan para konsumen. Saat kebutuhan muncul, yang
berhubungan dengan produk dan jasa yang di iklankan, dampak promosi di
11
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
masa lalu memungkinkan merek pengiklan hadir di benak konsumen.
Periklanan lebih jauh di demonstrasikan untuk mempengaruhi pengalihan
merek dengan mengingatkan para konsumen yang di akhir- akhir ini belum
membeli merek yang tersedia dan mengandung atribut- atribut yang
menguntungkan.
4. Adding Value (Menambah nilai), terdapat tiga cara mendasar dimana
perusahaan bisa membeli nilai tambah bagi penawaran mereka, inovasi,
penyempurnaan, kualitas, atau mengubah persepsi konsumen. Ketiga
komponen nilai tambah tersebut benar-benar independen. Promosi yang
efektif menyebabkan merek dipandang lebih elegan, lebih bergaya, lebih
bergengsi dan bisa lebih unggul.
2.2.3. Data Mining
Data mining merupakan proses mengolah data yang terbatas dengan
kemungkinan model yang tidak terbatas dan bertujuan untuk menghasilkan
modelyang paling baik menjelaskan data yang ada, dengan cara mengaplikasikan
Algoritma data analisis dan data discovery. Data mining juga dapat dikatakan
sebagai proses mengekstrak pengetahuan dari data yang banyak. Pengetahuan ini
berupa keteraturan, pola, dan hubungan dalam set data yang berukuran besar dan
tidak diketahui sebelumnya. Terdapat beberapa metode untuk pengolahan dalam
data mining dan dapat dibagi menjadi 2 jenis secara umum yaitu predictive
method dan descriptive method (Pradnya, 2015). Predictive method mengambil
kesimpulan dari data yang ada untuk membuat prediksi pada data selanjutnya,
klasifikasi, regresi dan deviasi merupakan beberapa contoh teknik pada predictive
method. Descriptive method mengeneralisasikan karakterisitik data yang terdapat
12
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
dalam database, clustering, association, dan sequential mining merupakan
beberapa contoh teknik pada descriptive method.
2.2.4. Tahapan Data Mining
Ada empat tahap yang dilalui dalam Data Mining antara lain (Feen Lee &
Juan Santana, 2010:37-40):
1. Tahap pertama: Precise statement of the problem (mendefinisikan
permasalahan yang ingin diketahui). Misalnya ingin mengetahui apakah
seorang customer berpotensi memiliki kredit macet, atau mengidentifikasi
seorang customer apakah akan pindah ke kompetitor bisnis kita, dan lain
sebagainya. Setelah menemukan pertanyaan bisnis yang perlu dijawab oleh
data mining, selanjutnya tentukan tipe tugas untuk menjawab pertanyaan
bisnis tersebut. Tugas dasar yang menjadi dasar algoritma data mining
adalah klasifikasi, regresi, segmentasi, asosiasi dan sequence analisis.
2. Tahap kedua: Initial Exploration (Mempersiapkan data yang menjadi
sumber untuk data mining termaksud data “cleaning” untuk mempelajari
polanya). Setelah menemukan defenisi masalah, langkah berikutnya adalah
mencari data yang mendukung defenisi masalah. Menentukan porsi data
yang digunakan men-training data mining berdasarkan algoritma data
mining yang telah dibuat. Setelah persiapan data selesai dilakukan, langkah
berikutnya adalah memberikan sebagian dataa kedalam algoritma data
mining.
3. Tahap ketiga: Model building and validation. Validasi apakah data mining
memberikan prediksi yang akurat. Setelah training data selesai dilakukan,
data mining tersebut perlu di-“uji” atau di-validasi keakuratannya terhadap
data testing.
13
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
4. Tahap ke-empat: Deployment. Tahap ini memilih aplikasi yang tepat
terhadap data mining untuk membuat prediksi.
2.2.5. 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 disebut affinity analysis atau market basket analysis.
Metodologi dasar analisis asosiasi terbagi menjadi dua tahap yaitu:
1. Analisa pola frekuensi tinggi
Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari
nilai support dalam database.
2. Pembentukan aturan assosiatif Setelah semua pola frekuensi tinggi
ditemukan, barulah dicari aturan assosiatif yang memenuhi syarat
minimum untuk confidencedengan menghitung confidenceaturan
assosiatif A ->B.
Ide dasar dari algoritma Aprioriadalah mencari kombinasi item yang memenuhi
syarat minimum dari nilai support dalam basis data. Nilai support sebuah item
diperoleh dengan menggunakan rumus berikut :
Nilai support dari 2 item diperoleh dengan menggunakan rumus:
14
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Frequent itemset menunjukkan itemset yang memiliki frekuensi kemunculan lebih
dari nilai minimum yang ditentukan (Φ). Misalkan Φ= 2, maka semua itemsets yang
frekuensi kemunculannya lebih dari atau sama dengan 2 kali disebut frequent.
2.2.6. Market Basket Analysis
Market Basket Analysis atau biasa dikenal Association Rule Mining adalah
teknik data mining yang berasal dari bidang pemasaran (Aguinis, dkk., 2013).
Teknik ini digunakan untuk menentukan produk-produk manakah yang akan
dibeli oleh pelanggan secara bersamaan dengan melakukan analisis terhadap
daftar transaksi pelanggan (Ngatimin, 2013). Dalam prosesnya, Market Basket
Analysis akan menganalisis kebiasaan membeli (buying habits) dari konsumen
dengan menemukan asosiasi antar produk-produk yang berbeda yang diletakkan
konsumen dalam keranjang belanja (shopping basket).
Metode asosiasi dikenal sebagai salah satu metode data mining yang menjadi dasar
dari berbagai metode data mining lainnya. Salah satu tahap dari analisis asosiasi
yang disebut analisis pola frekuensi tinggi (frequent pattern mining) menarik
perhatian banyak peneliti untuk menghasilkan algoritma yang efisien. Penting
tidaknya suatu aturan assosiatif dapat diketahui dengan dua parameter, support
(nilai penunjang) yaitu prosentase kombinasi item tersebut. dalam database dan
15
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
confidence (nilai kepastian) yaitu kuatnya hubungan antar item dalam aturan
assosiatif. Analisis asosiasi didefinisikan suatu proses untuk menemukan semua
aturan assosiatif yang memenuhi syarat minimum untuk support (minimum
support) dan syarat minimum untuk confidence (minimum confidence)
(Pramudiono, 2007).
16
BAB III
RANCANGAN DAN REALISASI
3.1. Deskripsi Prgoram aplikasi
Sistem yang akan dirancang akan membantu Restoran Cefelo dalam meningkatkan
penjualan dan mengelola data transaksi. Dalam penelitian ini dilakukan analisis
secara rinci dan mendasar terhadap kebutuhan pengguna. Analisis fitur-fitur pada
aplikasi dibutuhkan untuk memenuhi kebutuhan sistem. Fitur-fitur tersebut dibuat
untuk memudahkan admin dalam mengelola data.
a. Menambah dan mengelola data Pengguna.
b. Menambah dan mengelola data bahan
c. Menambah dan mengelola data stok bahan
d. Mengelola data transaksi
e. Menambah dan mengelola data pesanan.
1.3.1 Analisan kebutuhan sistem
Berikut ini kebutuhan minumum untuk implementasi sistem :
1. Kebutuhan Minimum Perangkat Keras
Perangkat minimum yang dibutuhkan untuk dapat menjalankan sistem
perangkat komputer atau laptop dengan detail spesifikasi sebagai berikut:
a. Intel Core i3-3320
b. Memori RAM 4GB
c. Harddisk 1 GB
2. Kebutuhan Perangkat Lunak
a. Sistem Operasi Microsoft Windows 10
b. Google Chrome
c. Sublime Text 3
d. XAMPP
17
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
3.2. Flowchart
Gambar 3.1 Flowchat Algoritma Apriori
3.3. Rancangan UML
3.3.1. Use Case Diagram
Use Case Diagram merupakan gambaran interaksi pengguna sistem
terhadap sistem dengan menjalankan fungsi-fungsi yang dapat diterima sistem
tersebut. Pada sistem ini, terdapat satu aktor pengguna, yakni admin yang
menjalankan fungsi yang berbeda terhadap sistem. Bentuk interaksi pengguna
terhadap sistem dapat dilihat pada gambar :
18
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Gambar 3.2 usecase Diagram
3.3.2. Activity Diagram
Activity diagram merupakan gambaran alur aktivitas pengguna terhadap
sistem. Dengan adanya activity diagram dapat diketahui detail interaksi yang terjadi
pada setiap use case.
3.3.2.1.Login
Menjelaskan alur aktivitas admin login ke dalam sistem.
Administrator harus menginputkan data login yang sesuai agar proses
loginnya tervalidasi. Jika sukses login, sistem akan menampilkan halaman
utama.
19
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Gambar 3.3 activity diagram login
3.3.2.2.Mengelola data pengguna
Menjelaskan alur aktivitas admin mengelola data pengguna. Admin
dapat menambahkan , edit dan hapus data pengguna. Berikut adalah activity
diagram data pengguna seperti pada gambar :
Gambar 3.4 activity diagram mengelola data pengguna
20
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
3.3.2.3.Mengelola data makanan
Menjelaskan alur aktivitas admin mengelola data makanan. Admin
dapat menambahkan , edit dan hapus data makanan. Berikut adalah activity
diagram data bahan seperti pada gambar
Gambar 3.5 activity diagram mengelola data makanan
3.3.2.4.Mengelola data Stock Makanan
Menjelaskan alur aktivitas admin mengelola data pengguna. Admin
dapat menambahkan , edit dan hapus data pengguna. Berikut adalah activity
diagram data pengguna seperti pada gambar
21
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Gambar 3.6 activity diagram mengelola data stock makanan
3.3.2.5.POS
Gambar 3.7 activity diagram POS
22
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
3.3.3. Sequence Diagram
Diagram sequence menggambarkan detail alur proses berdasarkan urutan
waktu.
1. Sequence diagram kelola data Makanan
Pada diagram sequance ini dapat diketahui urutan proses mengelola data
makanan dapat dilihat pada Gambar
Gambar 3.8 Sequence Diagram Kelola Data Makanan
2. Sequence diagram kelola data stock makanan
Pada diagram sequance ini dapat diketahui urutan proses mengelola data stok
makanan dapat dilihat pada Gambar
23
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Gambar 3.9 Sequence Diagram Kelola Data Stok Makanan
3.3.4. Class Diagram
Class Diagram adalah diagram yang menunjukkan hubungan antar kelas
dari sebuah sistem. Diagram ini menggambarkan struktur sebuah sistem. Berikut
ini adalah class diagram yang di buat, seperti gambat :
24
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Gambar 3.10 Class Diagram
3.4. Jadwal Pelaksanan
Tabel 3.1 Jadwal Pelaksanaan
c Kegiatan
Bulan ke-1 Bulan ke-2 Bulan ke-3 Bulan ke-4
Minggu ke- Minggu ke- Minggu ke- Minggu ke-
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 Pembuatan
Proposal
2 Pengumpulan
Proposal
4 Seminar Proposal
5 Analisis
Kebutuhan
6 Pembuatan
Aplikasi
7 Pengujian
Aplikasi
8 Penulisan
Laporan
9 Bimbingan
25
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
10 Pendafataran
Sidang
3.5. Realisasi Program
3.5.1 Halaman Login
Halaman ini menampilkan username dan password yang akan
menghubungkan atau sebagai hak akses masuk kedalam sistem. Berikut adalah
tampilah halaman Login seperti pada gambar 4.1 :
Gambar 3.11 Halaman login
3.5.2 Halaman Dashboard
Halaman merupakan halaman utama saat masuk kedalam sistem. Pada
halaman ini menampilkan beberapa menu yaitu menu data user, produk, stok ,
transaksi dan POS. Berikut adalah tampilah halaman Dashboard seperti pada
gambar 4.2 :
26
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Gambar 3.12 Halaman Dashboard
3.5.3 Halaman User
Halaman user adalah halaman yang menampilkan beberapa data pengguna
yang dapat di tambah , edit dan hapus. Berikut adalah tampilah halaman Data
Pengguna seperti pada gambar 4.3 :
Gambar 3.13 Halaman User
3.5.4 Halaman Produk
Halaman Produk adalah halaman yang menampilkan data produk yang
dapat di tambah , edit dan hapus. Pada halaman ini juga dapat melakukan
27
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
penambahan dan pengurangan stok. Berikut adalah tampilah halaman Data
Produk seperti pada gambar 4.4:
Gambar 3.14 Halaman produk
3.5.5 Halaman Stok
Halaman Stok adalah halaman yang menampilkan daftar penambahan dan
penguranngan stok yang dilakukan pada menu produk. Berikut adalah tampilah
halaman Stok seperti pada gambar 4.5:
Gambar 3.15 Halaman Stok
28
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
3.5.6 Halaman Transaksi
Halaman transaksi adalah halaman yang melihat data transaksi yang
pernah dilakukan pada menu POS. Berikut adalah tampilah halaman Transaksi
seperti pada gambar 4.6:
Gambar 3.16 Halaman Transaksi
3.5.7 Halaman POS
Halaman POS adalah halaman untuk melakukan transaksi. Pada halaman ini akan
menampilkan list produk yang akan dibeli , hasil rekomendasi produk, dan total
yang harga yang harus di bayar dan nantinya akan tersimpan pada data transaksi.
Berikut adalah tampilah halaman POS seperti pada gambar 4.7:
Gambar 3.17 Halaman POS
29
BAB IV
PENGUJIAN DAN ANALISIS
4.1 Pengujian
Pengujian sistem menggunakan Black Box Testing dengan Skenario Uji Coba.
Skenario pengujian yang dilakukan sudah ditentukan berdasarkan rancangan-
rancangan yang ditetapkan. Diharapkan dengan adanya skenario ini, sistem ini
dapat dieksekusi dan memberikan hasil-hasil yang sesuai dengan rancangan, namun
jika sistem mengeluarkan hasil yang tidak sesuai rancangan, maka skenario
pengujian ini pun tergolong berhasil karena mampu memberikan hasil di luar
skenario dan dapat dilakukan evaluasi untuk pengembangan dan perbaikan sistem
seanjutnya.
Tabel 4. 1 Tabel Pengujian Black Box
No Halaman Uji Cara Pengujian
1. Login 1. Pengguna membuka halaman sistem
2. mengisi username dan password.
3. Tekan tombol ”login”
4. Sistem melakukan validasi Login.
2. Kelola Data User 1. Buka Menu User
2. Tekan tombol tambah user untuk
Melakukan penambahan data
user/pengguna.
3. Tekan tombol “edit” untuk merubah
data user yang sudah ada.
4. Tekan tombol “Delete” untuk
menghapus data user yang sudah ada.
3. Kelola Data Makanan 1. Buka Menu Produk
2. Tekan tombol tambah makanan
untuk Melakukan penambahan data
makanan.
30
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
3. Tekan tombol “edit” untuk
melakukan perubahan data makanan.
4. Tekan tombol “hapus” untuk
menghapus data makanan yang
sudah ada.
5. Tekan tombol “tambah stok” untuk
penambahan stok makanan , lalu
akan tersimpan pada data Stok dan
ditampilkan pada menu Stok.
6. Tekan tombol “kurangi stok” untuk
megurangi stok makanan , lalu akan
tersimpan pada data Stok dan
ditampilkan pada menu Stok.
4. Melihat Data Stok
Makanan
1. Buka Menu Stok
2. Menampilkan riwayat penyetokan
(penambahan atau pengurangan stok)
yang dilakukan pada menu produk
5. Kelola data Transasi 1. Buka Menu Transaksi
2. Tekan tombol detail untuk melihat
detail dari data transaksi
6 Kelola POS 1. Buka Menu POS
2. Pilih produk yang ingin di beli untuk
melakukan transaksi
3. menampilkan rekomendasi produk
4. menampilkan total harga
5. pilih “bayar” untuk melakukan
pembayaran
6. pilih “cancel” untuk melakukan
cancel pemesanan
31
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
4.2 Deskripsi Pengujian
Pada pengujian aplikasi dilakukan dengan pengujian setiap menu yang ada pada
aplikasi, apakah aplikasi yang dibuat dapat berjalan dan berfungsi sesuai dengan
yang dibutuhkan. Seperti pada saat melakukan login, user akan menginputkan
username dan password agar dapat mengakses aplikasi. Setelah user berhasil
melakukan login maka user akan langsung masuk ke halaman dashboard. Pada
halaman dashboard dapat dilihat menu-menu yang tersedia pada aplikasi. Adanya
menu user yang mana pada menu user akan menampilkan nama user yang ada atau
sudah di tambahkan pada aplikasi. Pada menu user ini terdapat menu yang admin
dapat melakukan tambah user, edit, dan menghapus data user.
Selanjutnya ada menu produk, pada menu produk akan menampilkan daftar menu
makanan yang tersedia, dimana admin dapat melakukan tambah menu makanan,
edit menu makanan dan menghapus menu makanan. Selain itu pada menu produk
terdapat menu yang digunakan untuk menambah stok menu makanan dan
mengurangi stok menu makanan, dimana jumlah stok makanan setelah penambahan
dan pengurangan stok akan dapat di cek pada menu stok. Pada menu stok akan
menampilkan stok dari setiap menu makanan yang tersedia. Berikutnya terdapat
menu transaksi yang mana akan menampilkan transaksi yang telah dilakukan. Pada
menu transaksi admin dapat melihat detail transaksi yang telah dilakukan, dimana
terdapat menu makanan yang telah dipesan jumlah makanan dan harga.
Pada aplikasi juga terdapat menu POS yang digunakan sebagai halaman pemesanan
terhadap menu makanan yang tersedia. Dari menu makanan yang dipilih akan
menampilkan rekomendasi menu makanan yang dapat ditambah dalam pemesanan.
Pada menu ini akan menampilkan total pemesanan dan total harga pemesanan.
4.3 Prosedur Pengujian
Prosedur pengujian yang dilakukan pada aplikasi dengan melakukan pengecekan
terhadap setiap menu yang tersesdia pada aplikasi apakah dapat berfungsi dan
digunakan sesuai dengan yang dibutuhkan. Baik pada menu user, menu produk,
menu stok, menu transaksi dan menu POS, serta menu pilihan yang terdapat pada
menu-menu utama aplikasi, seperti menu edit, tambah stok, kurangi stok dan delete.
32
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
4.4 Data Hasil Pengujian
Berdasarkan pengujian yang telah dilakukan, berikut hasil dari proses pengujian
yang telah dilakukan:
Tabel 4. 2 Hasil Pengujian
No. Komponen Uraian Hasil
1. Login Menu yang berfungsi untuk
membuka halaman dashboard admin
Sukses
(Gambar 4.1)
2 Kelola data user • Melihat data user yang sudah
tersimpan pada database
• Menambah data user
• Mengedit data user yang sudah
tersimpan pada database
• Menghapus data user yang sudah
tersimpan pada database
Sukses
(Gambar 4.2,
Gambar 4.3,
Gambar 4.4)
3. Kelola Data
Produk
• Melihat data makanan yang sudah
ada
• Menambah menu makanan yang
sudah ada pada database
• Mengedit dan menghapus menu
makanan yang dudah ada pada
database
• Menambahkan dan mengurangi
stok produk makanan
Sukses
(Gambar 4.5,
Gambar 4.6)
4. Melihat data
stok
Untuk melihat data riwayat stok
makanan (penambahan dan
pengurangan stok )
Sukses
(Gambar 4.7)
4. Data Transaksi Melihat data transaksi dan detail
transaksi yang telah dilakukan
Sukses
(Gambar 4.8,
Gambar4.9)
6 Kelola POS Untuk melakukan pembelian atau
transaksi dan menampilkan
rekomendasi produk
Sukses
(Gambar 4.10)
33
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
4.5 Analisis Data
Dari data hasil pengujian yang telah dilakukan, aplikasi yang dibangun dapat
berfungsi dan digunakan sesuai dengan yang dibutuhkan. Pada saat login user dapat
melakukan login dan masuk pada halaman dashboard. Saat menambahkan data user
dapat dilakukan penambahan data, dapat melakukan penambahan menu makanan.
Pada saat user memilih salah satu menu, maka sistem dapat menampilkan
rekomendasi menu makanan yang dapat di pesan oleh pengunjung.
4.6 Pengujian Metode
1. Perhitungan Apriori
Berdasarkan transaksi penjualan produk pada Cafelo, transaksi tersebut dapat
diakumulasikan. Akumulasi transaksi penjualan produk diperoleh dari penjualan
mingguan yang diambil dari produk teratas laporan bulanan, dapat dilihat dalam
tabel dibawah ini :
Tabel 4. 3 Pola Transaksi Penjualan Produk
Bulan
Ke -
Itemset
1
2 Burger, Pisang Coklat Keju,
Nasi Goreng, Mie Goreng Special,
Soda Gembira
3 Burger, Pisang Coklat Keju,
Nasi Goreng, Soda Gembira
Sumber : Cafelo
Format tabular data transaksi mingguan, bila dibentuk akan tampak seperti
tabel berikut ini :
Tabel 4. 4 Tabel Format Tabular Data Transaksi
Bulan Burger Pisang Cokl
at Keju
Nasi
Goren
g
Mie Goreng
Special
Soda Gembi
ra
1 0 0 0 0 0
34
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
2 1 1 1 1 1
3 1 1 1 0 1
Sumber (Penelitian tahun 2020)
2. Analisis Pola Frekuensi Tinggi
Berikut ini adalah penyelesaian dengan contoh k1 berdasarkan data yang
sudah disediakan pada tabel berikut ini.
Proses pembentukan C1 atau disebut dengan 1 itemset dengan jumlah
minimum support = 30% (Fauzy, 2016). Berikut merupakan perhitungan
pembentukan 1 itemset:
S(Burger) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟
∑ 3∗ 100% =
2
3∗ 100% = 66.6%
S(Pisang Coklat Keju) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢
∑ 3∗ 100% =
2
3∗ 100% = 66.6%
S(Nasi Goreng) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔
∑ 3∗ 100% =
2
3∗ 100% =
66.6%
S(Mie Goreng Special) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑀𝑖𝑒 𝐺𝑜𝑟𝑒𝑛𝑔 𝑆𝑝𝑒𝑐𝑖𝑎𝑙
∑ 3∗ 100% =
1
3∗ 100% = 33.3%
S(Soda Gembira) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎
∑ 3∗ 100% =
2
3∗
100% = 66.6%
Tabel 4. 5 Support dari tiap item
Itemset Support
35
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Burger 66.6%
Pisang Coklat Keju 66.6%
Nasi Goreng 66.6%
Mie Goreng
Special
33.3%
Soda Gembira 66.6%
Sumber (Penelitian tahun 2020)
Proses selanjutnya adalah pembentukan C2 atau disebut dengan 2 itemset dengan
jumlah minimum support = 50% (Fauzy, 2016). Berikut merupakan perhitungan
pembentukan C2 atau 2 itemset:
S(Burger,Pisang Coklat Keju) =
∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟 𝑑𝑎𝑛 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢
∑ 3∗ 100% =
2
3∗ 100% =
66.6%
S(Burger,Nasi Goreng) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟 𝑑𝑎𝑛 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔
∑ 3∗
100% = 2
3∗ 100% = 66.6%
S(Burger,Mie Goreng Special) =
∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟 𝑑𝑎𝑛 𝑀𝑖𝑒 𝐺𝑜𝑟𝑒𝑛𝑔 𝑆𝑝𝑒𝑐𝑖𝑎𝑙
∑ 3∗ 100% =
1
3∗ 100% =
33.3%
S(Burger, Soda Gembira) =
∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟 𝑑𝑎𝑛 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎
∑ 3∗ 100% =
2
3∗ 100% =
66.6%
36
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
S(Pisang Coklat Keju, Nasi Goreng) =
∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢 𝑑𝑎𝑛 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔
∑ 2∗ 100% =
2
3∗
100% = 66.6%
S(Pisang Coklat Keju, Mie Goreng Special) =
∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢 𝑑𝑎𝑛 𝑀𝑖𝑒 𝐺𝑜𝑟𝑒𝑛𝑔 𝑆𝑝𝑒𝑐𝑖𝑎𝑙
∑ 3∗ 100% =
1
3∗
100% = 33.3%
S(Pisang Coklat Keju,Soda Gembira) =
∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢 𝑑𝑎𝑛 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎
∑ 3∗ 100% =
2
3∗
100% = 66.6%
S(Nasi Goreng, Mie Goreng Special) =
∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔 𝑑𝑎𝑛 𝑀𝑖𝑒 𝐺𝑜𝑟𝑒𝑛𝑔 𝑆𝑝𝑒𝑐𝑖𝑎𝑙
∑ 3∗ 100% =
1
3∗
100% = 33.3%
S(Nasi Goreng,Soda Gembira) =
∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔 𝑑𝑎𝑛 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎
∑ 3∗ 100% =
2
3∗ 100% =
66.6%
S(Mie Goreng Special,Soda Gembira) =
∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑀𝑖𝑒 𝑔𝑜𝑟𝑒𝑛𝑔 𝑠𝑝𝑒𝑐𝑖𝑎𝑙 𝑑𝑎𝑛 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎
∑ 3∗ 100% =
1
3∗
100% = 33.3%
Tabel 4. 6 Calon 2-Itemset
Itemset Jumlah Support
37
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Burger,Pisang
Coklat Keju
2 66.6%
Burger,Nasi Goreng 2 66.6%
Burger,Mie Goreng
Special
1 33.3%
Burger, Soda
Gembira
2 66.6%
Pisang Coklat
Keju,Nasi Goreng
2 66.6%
Pisang Coklat
Keju,Mie Goreng
Special
1 33.3%
Pisang Coklat
Keju,Soda Gembira
2 66.6%
Nasi Goreng,Mie
Goreng Special
1 33.3%
Nasi Goreng,Soda
Gembira
2 66.6%
Mie Goreng
Special,Soda
Gembira
1 33.3%
Sumber (Penelitian tahun 2020)
Minimal support yang ditentukan adalah 50 % (Fauzy, 2016), jadi kombinasi 2
itemset yang tidak memenuhi minimal support akan dihilangkan, terlihat seperti
table dibawah ini:
Tabel 4. 7 Minimal Support 2 Itemset 50%
Itemset Jumlah Support
Burger,Pisang
Coklat Keju
2 66.6%
Burger,Nasi Goreng 2 66.6%
38
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Burger, Soda
Gembira
2 66.6%
Pisang Coklat
Keju,Nasi Goreng
2 66.6%
Pisang Coklat
Keju,Soda Gembira
2 66.6%
Nasi Goreng,Soda
Gembira
2 66.6%
Sumber (Penelitian tahun 2020)
3. Perhitungan Market Basket Analysis
Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan asosiasi
yang memenuhi syarat minimum untuk confidence dengan menghitung confidence
aturan asosiatif
A→B
Minimal Confidence = 50% (Fauzy, 2016).
Nilai Confidence dari aturan A→B diperoleh dengan rumus berikut :
Dari kombinasi dari 2 itemset yang telah ditemukan, dapat dilihat besarnya nilai
support, dan confidence dari calon aturan asosiasi seperti tampak pada tabel
dibawah ini :
Tabel 4. 8 Aturan Asosiasi
Aturan Confidence
Jika membeli Burger, maka
akan membeli Pisang Coklat
Keju
2/2 100%
39
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Jika membeli Pisang Coklat
Keju, maka akan membeli
Burger
2/2 100%
Jika membeli Burger, maka
akan membeli Nasi Goreng
2/2 100%
Jika membeli Nasi Goreng,
maka akan membeli Burger
2/2 100%
Jika membeli Pisang Coklat
Keju, maka akan membeli Nasi
Goreng
2/2 100%
Jika membeli Nasi Goreng,
maka akan membeli Pisang
Coklat Keju
2/2 100%
Jika membeli Pisang Coklat
Keju, maka akan membeli Mie
Goreng Special
2/1 200%
Jika membeli Mie Goreng
Special, maka akan membeli
Pisang Coklat Keju
1/2 50%
Jika membeli Nasi Goreng,
maka akan membeli Mie
Goreng Special
2/1 200%
Jika membeli Mie Goreng
Special , maka akan membeli
Nasi Goreng
1/2 50%
Jika membeli Nasi Goreng,
maka akan membeli Soda
Gembira
2/2 100%
Jika membeli Soda Gembira,
maka akan membeli Nasi
Goreng
2/2 100%
Sumber (Penelitian tahun 2020)
40
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
4. Aturan Asosiasi Final
Aturan asosiasi final terurut berdasarkan minimal support dan minimal
confidence yang telah ditentukan, dapat dilihat pada tabel dibawah ini :
Tabel 4. 9 Aturan Asosiasi Final
Aturan Support Confidence
Jika membeli Burger, maka
akan membeli Pisang
Coklat Keju
66.6% 100%
Jika membeli Pisang
Coklat Keju, maka akan
membeli Burger
66.6% 100%
Jika membeli Pisang
Coklat Keju, maka akan
membeli Nasi Goreng
66.6% 100%
Jika membeli Nasi Goreng,
maka akan membeli Pisang
Coklat Keju
66.6% 100%
Jika membeli Pisang
Coklat Keju, maka akan
membeli Soda Gembira
66.6% 100%
Jika membeli Soda
Gembira, maka akan
membeli Pisang Coklat
Keju
66.6% 100%
Tabel aturan asosiasi final menjelaskan tentang support dan confidence dari
masing-masing kombinasi 2 itemsets. Hasil perhitungan support pada tabel aturan
asosiasi final didapatkan dari jumlah transaksi mengandung A dan B dibagi total
transaksi. Sedangkan confidence didapatkan dari jumlah transaksi mengandung A
dan B dibagi jumlah transaksi mengandung A. Hasil perkalian support dan
confidence itulah yang menjadi hasil akhir dari algoritma apriori.
41
Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta
Gambar 4. 1 Hasil Aturan Asosiasi Pada Sistem
Dari hasil analisa diketahui bahwa tingkat kekuatan aturan-aturan asosiasi yang
dihasilkan oleh algoritma Apriori memiliki nilai confidence yang tinggi. Tingkat
akurasi dari algoritma Apriori adalah sebesar :
𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =5
6𝑥100% = 83.3%
34
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil implementasi dan uji coba yang telah dilakukan, maka dapat
disimpulkan hasil penelitian ini adalah sebagai berikut :
1. Cara menganalisa algoritma Apriori terhadap korelasi penjualan
memulai dari analisa sistem dan analisa kebutuhan, setelah itu kita harus
menganalisa data tersebut dengan algoritma Apriori dan mencari pola
frekuensi tinggi dengan aturan Association Rules dari Frequent Itemset
untuk mendapatkan hasil support dan confidence.
2. Metode association rule mining dengan menggunakan algoritma apriori
dapat diterapkan pada sistem penjualan makanan. Semakin tinggi
minimum support dan minimum confidence yang digunakan maka
semakin sedikit jumlah frequent itemset dan rule yang terbentuk serta
akurasi semakin berkurang.
3. Tingkat Akurasi yang didapat dari aturan Asosiasi yaitu sebesar 83.3%.
5.2 Saran
Berdasarkan hasil implementasi aplikasi, ditemukan saran-saran pengembangan
aplikasi yang dapat dilakukan pada penelitian selanjutnya adalah sebagai berikut :
1. Sistem dapat dikembangkan menjadi aplikasi mobile, sehingga
konsumen dapat memesan produk pada perangkat smartphone yang
dimiliki.
2. Untuk penelitian selanjutnya dapat menerapkan algoritma pembangkitan
frequent itemset yang berbeda, seperti FP-Growth.
ix
DAFTAR PUSTAKA
A. Shimp, Terence. (2002). Periklanan Promosi. Erlangga. Jakarta
Cummins, Julian, (1991), Promosi Penjualan, Jakarta, Binarupa Aksara.
Fauzy, M., & Asror, I. (2016). Penerapan metode association rule menggunakan
algoritma Apriori pada simulasi prediksi hujan wilayah kota Bandung.
Jurnal Ilmiah Teknologi Infomasi Terapan, 2(3).
Goldie Gunadi dan Dana Indra Sensuse. (2012) . Penerapan Metode Data Mining
Market Basket Analysis terhadap Data Penjualan Produk Kuku dengan
Menggunakan Algoritma apriori dan frequent pattern growth (fp-growth).
Kotler, Philip. 1997. Manajemen Pemasaran : Analisis, Perencanaan, Implementasi
dan Pengendalian. Jilid 1 dan 2. Jakarta PT. Prenhallindo.
Pane ,Dewi Kartika. (2013). Implementasi Data Mining Pada Penjualan Produk
Elektronik Dengan Algoritma Apriori.
Pane ,Dewi Kartika. (2013). Implementasi Data Mining dengan Metode Algoritma
Apriori dalam Menentukan Pola Pembelian Obat.
Pramudiono. (2007). Pengantar Data Mining : Menambang Permata Pengetahuan
di Gunung Data. Paper ITS Surabaya.
Budi. (2010). Data mining : Market Basket Analysis For Marketing
Strategy.https://statistikakomputasi.wordpress.com
Pressman, R.S. (2015). Rekayasa Perangkat Lunak: Pendekatan Praktisi Buku
I. Yogtakarta : Andi
Mustaqbal, M.S.M., Firdaus, R.F.F., dan Rahmadi, H.R.(2015) Pengujian
Aplikasi Menggunakan Black Box Testing Boundary Value
Analysis (Studi Kasus Aplikasi Prediksi Kelulusan SNMPTN).
Jurnal Ilmiah Teknologi Terapan (JITTER),1(3):31-36.
Puspitorini, Puput. Dkk. (2016) Aplikasi Media Informasi Sekolah Berbasis SMS
Gateway Dengan Metode SDLC (System Development Life Cycle).
JURNAL SISFOTEK GLOBAL. Vol. 6
x
DAFTAR RIWAYAT HIDUP
Andi Makkasau
Penulis merupakan anak pertama, dari pasangan
Bapak Akhmad Taufik M. dan Ibu Saidah Suyuti.
Lahir di Sinjai 20 Mei 1998. Menyelesaikan
pendidikan dari SDN 78 Mattoangin Kab. Sinjai
pada tahun 2010, SMPN 1 Sinjai Borong Kab.
Sinjai pada tahun 2013 dan SMKN 1 Sinjai pada
tahun 2016. Saat ini penulis sedang menempuh
pendidikan Diploma IV Jurusan Teknik
Informatika dan Komputer, Program Studi Teknik
Informatika di Politeknik Negeri Jakarta
top related