ABSTRAK

Apotek merupakan salah satu contoh perusahaan retail, dimana dalam hal ini sudah menggunakan sistem komputerisasi. Dengan sistem yang telah terkomputerisasi, apotek dapat mengumpulkan data transaksi dengan cepat, serta didukung dengan kemampuan menyimpan data yang besar juga. Namun sayang data yang telah terkumpul banyak itu seringkali hanya disimpan dan jarang digunakan untuk analisa, padahal bisa saja ada informasi-informasi tidak terduga sebelumnya yang bisa digali. Solusinya adalah Data Mining yang artinya pencarian informasi bisnis yang berharga dari basis data yang sangat besar. Untuk itu perlu dibangun sebuah sistem pendukung strategi pemasaran yang memudahkan user dalam menggali informasi dari data transaksi. Banyaknya persaingan di dunia bisnis, khususnya dalam industri apotek, menuntut para pengembang untuk menemukan suatu strategi yang dapat meningkatkan penjualan. Untuk mengetahui obat apa saja yang dibeli oleh para konsumen, dapat dilakukan dengan menggunakan teknik analisis keranjang pasar yaitu analisis dari kebiasaan membeli konsumen. pendeteksian mengenai obat yang sering terbeli secara bersamaan disebut association rule (aturan asosiasi). Proses pencarian asosiasi atau hubungan antar item data ini diambil dari suatu basis data relasional. Proses tersebut menggunakan algoritma FP-Growth yang merupakan perkembangan dari algoritma apriori, yang berfungsi untuk membentuk kandidat kombinasi item yang mungkin, lalu diuji apakah kombinasi tersebut memenuhi parameter support dan confidence minimum yang merupakan nilai ambang yang diberikan oleh user. Kata kunci : Data Mining, Market Basket Analysis, Association Rule, Algoritma FP-Growth, Support, Confidence

ABSTRACT Pharmacy is one example of retail companies, which in this case has using computerized systems. With systems that have computerized, the pharmacy may collect transaction data quickly, and supported with great ability to store data as well. But unfortunately that has accumulated much data is often stored and only rarely used for analysis, but there may be unexpected information that can be extracted earlier. Data Mining solution is a means to search for valuable business information from large databases. For it is necessary to build a support system that allows user marketing strategy in exploring the information of the transaction data. The amount of competition in the business world, particularly in the pharmacy industry, requires the developers to find a strategy that can increase sales. To find out Any medicine are purchased by consumers, can be done by using market basket analysis is the analysis of behavioral consument detection of medicine are often bought together are called association rules (association rules). The process of finding associations or relationships between data items are retrieved from a relational database. The process uses an FP-Growth algorithm which is the development of Apriori algorithm, which serves to form a candidate item combinations are possible, and then tested whether the combination of these parameters meet the minimum support and confidence which is the threshold value given by the user. Keyword : Data Mining, Market Basket Analysis, Association Rule, Algoritma FPGrowth, Support, Confidence

ii

LEMBAR PERSEMBAHAN
Penulis menyadari dalam penulisan dan pembuatan laporan tugas akhir ini tidak lepas dari bantuan berbagai pihak, oleh karena itu dengan segala kerendahan hati, penulis menyampaikan terima kasih kepada: 1. Allah Subhanahu Wa Taala yang tiada henti memberikan rahmat dan hidayah-Nya serta menerangi setiap langkah saya. 2. Rasulullah Muhammad SAW, suri tauladanku, panutan terbaikku, dan tokoh idolaku. 3. Kepada orang tuaku, doa tulus kepada ananda seperti air dan tak pernah berhenti yang terus mengalir, pengorbanan, motivasi, kesabaran, ketabahan dan tetes air matamu yang terlalu mustahil untuk dinilai, walaupun jauh, engkaulah sebaik baik panutan meski tidak selalu sempurna. 4. Bapak Diding Suhardi, MT,selaku dosen pembimbing I dan Bapak Setio Basuki, ST selaku dosen pembimbing II yang senantiasa telah banyak memberikan pengarahan dan bimbingannya selama dalam penyelesaian penulisan laporan tugas akhir ini. 5. Seluruh dosen pengajar di Jurusan Teknik Informatika yang telah membimbing saya dalam menuntut ilmu sehingga saya bisa menjadi seseorang yang lebih baik. 6. Untuk kedua orangtuaku terima kasih atas kasih sayang, perhatian, dan kesabarannya yang telah diberikan dan yang selalu memberikan semangat dalam menyelesaikan Tugas Akhir ini, semoga engkau pilihan yang terbaik untukku dan masa depanku. 7. Kepada semua pihak yang tidak dapat disebutkan satu-persatu, semua teman-teman saya di Universitas Muhammadiyah Malang dan juga bagi pembaca yang tertarik dengan pembahasan yang saya angkat dalam tugas akhir ini. Mudah-mudahan bermanfaat buat kita semua,Amiin... Malang, 10 Februari 2012 Penulis

iii

KATA PENGANTAR

Assalamu'alaikum Wr. Wb. Dengan memanjatkan puji syukur atas kehadirat Allah SWT atas limpahan rahmat yang telah diberikan sehingga Penulis dapat menyelesaikan Tugas Akhir yang berjudul MARKET BASKET ANALYSIS MENGGUNAKAN STRATEGI ALGORITMA FP-GROWTH SEBAGAI PENDUKUNG

PEMASARAN (STUDI KASUS : APOTEK PJB.UP PAITON). Pada penelitian ini dibuat sebuah aplikasi yang dapat meningkatkan penjualan. Untuk mengetahui obat apa saja yang dibeli oleh para konsumen, dapat dilakukan dengan menggunakan teknik analisis keranjang pasar yaitu analisis dari kebiasaan membeli konsumen. pendeteksian mengenai obat yang sering terbeli secara bersamaan disebut association rule (aturan asosiasi). Proses pencarian asosiasi atau hubungan antar item data ini diambil dari suatu basis data relasional. Proses tersebut menggunakan algoritma FP-Growth yang merupakan perkembangan dari algoritma apriori, yang berfungsi untuk membentuk kandidat kombinasi item yang mungkin, lalu diuji apakah kombinasi tersebut memenuhi parameter support dan confidence minimum yang merupakan nilai ambang yang diberikan oleh user. Penulis menyadari sepenuhnya bahwa Tugas Akhir ini masih banyak kekurangan, oleh karena itu penulis mengharapkan saran dan kritik yang membangun agar tulisan ini bermanfaat bagi perkembangan ilmu kedepannya. Akhir kata penulis mengucapkan terima kasih kepada semua pihak yang telah membantu sehingga tugas akhir ini terselesaikan. Wassalamualaikum Wr. Wb Malang, 10 Februari2012 Penulis

Merysa Arista Devi

iv

DAFTAR ISI
Abstrak Abstract.............................................................................................................. Lembar Persembahan......................................................................................... Kata Pengantar................................................................................................... Daftar Isi. Daftar Gambar.................................................................................................... Daftar Tabel........................................................................................................ Daftar Grafik...................................................................................................... Bab I : PENDAHULUAN................................................................................. 1.1 Latar Belakang................................................................................. 1.2 Rumusan Masalah............................................................................ 1.3 Tujuan.............................................................................................. 1.4 Batasan Masalah............................................................................... 1.5 Metodologi Penelitian...................................................................... 1.6 Sistematika Penulisan....................................................................... Bab II : LANDASAN TEORI........................................................................... 2.1 Data Mining..................................................................................... 2.2 Association Rule dan Market Basket Analysis 2.3 Algoritma FP-Growth.. 2.4 FP-Tree............................................................................................. 2.5 Java... 2.6 Netbeans IDE... 2.7 Basis Data 2.8 MySQL Bab III : ANALISA KEBUTUHAN DAN PERANCANGAN. 3.1 Gambaran Umum Sistem. 3.2 Analisa Kebutuhan.. 3.3 Perancangan Sistem. 3.4 Usecase Diagram. 3.4.1 Skenario UseCase................................................................. 3.5 Class Diagram Bab IV : IMPLEMENTASI DAN PENGUJIAN. 4.1 Implementasi Sistem. 4.1.1 Implementasi Program.. 4.1.2 Komputasi Algoritma FP-Growth 4.2 Pengujian Sistem... 4.2.1 Pengujian Pemindahan Data dari CSV ke MySQL.. 4.2.2 Pengujian Pembuatan File.num dan Log.. 4.2.3 Pengujian Algoritma FP-Growth.. 4.2.4 Perbandingan Nilai Confidence Bab V : PENUTUP 5.1 Kesimpulan. 5.2 Saran... Daftar Pustaka i ii iii iv v vii ix x 1 1 2 2 3 3 4 5 5 6 7 7 9 10 11 11 13 13 13 14 25 25 26 27 27 27 31 33 34 36 36 39 42 42 43 44

DAFTAR GAMBAR
Gambar 2.1 Alur FP-Tree. Gambar 2.2 FP-Tree.. Gambar 3.1 Flowchart System. Gambar 3.2 Flowchart Algoritma FP-Growth.. Gambar 3.3 Pseudo code FP-Growth Algorithm. Gambar 3.4 Hasil pembentukan FP-Tree setelah pembacaan TID 1 Gambar 3.5 Hasil pembentukan FP-Tree setelah pembacaan TID 2 Gambar 3.6 Hasil pembentukan FP-Tree setelah pembacaan TID 3 Gambar 3.6 Hasil pembentukan FP-Tree setelah pembacaan TID 4 Gambar 3.6 Hasil pembentukan FP-Tree setelah pembacaan TID 5 Gambar 3.9 Lintasan yang mengandung simpul b Gambar 3.10 Lintasan yang mengandung simpul p.. Gambar 3.11 Lintasan yang mengandung simpul m. Gambar 3.12 Lintasan yang mengandung simpul a.. Gambar 3.13 Lintasan yang mengandung simpul c.. Gambar 3.14 Lintasan yang mengandung simpul f... Gambar 3.15 Usecase Diagram System. Gambar 3.16 Class Diagram System.. 7 8 14 15 16 19 19 20 20 20 21 22 22 22 23 23 25 26

vi

Gambar 4.1 Potongan Source Code CSVReader. Gambar 4.2 Potongan Source Code extensi.. Gambar 4.3 Screenshoot hasil extensi Gambar 4.4 Potongan Source Code Class Conn. Gambar 4.5 Potongan Source Code CSV export MySQL.. Gambar 4.6 Database pada MySQL Gambar 4.7 Data mentah sebelum proses cleaning data... Gambar 4.8 Potongan Source Code Class Convert. Gambar 4.9 Potongan Source Code Class AssocRuleMining Gambar 4.10 Method Class AssocRuleMining. Gambar 4.11 Potongan Source Code Class TotalSupportTree. Gambar 4.12 Method untuk memanggil TtreeNode Gambar 4.13 Database yang hanya berisi column. Gambar 4.14 Memasukkan data ke dalam MySQL. Gambar 4.15 Data yang telah masuk ke dalam database.. Gambar 4.16 Pembuatan file .num pada system Gambar 4.17 Hasil pengujian Algoritma FP-Growth. Gambar 4.18 Hasil analisa system. Gambar 4.19 Hasil analisa association rule of FP-growth Gambar 4.20 Hasil Frequent Item.. Gambar 4.21 Hasil perhitungan yang memenuhi support..

27 28 28 29 29 30 31 31 32 32 33 33 34 35 35 36 37 37 38 39 39

vii

DAFTAR TABEL
Tabel 2.2 Itemset Tabel 2.2 Header Table. Tabel 2.3 Conditional Pattern. Tabel 3.1 Data Mentah.. Tabel 3.2 Item frequency.. Tabel 3.3 Tabel frequency yang memenuhi min support Tabel 3.4 Frequency yang memenuhi min support. Tabel 3.5 Hasil frequent itemset.. Tabel 3.6 Hasil rules yang didapat dari 12 subsets. 8 8 9 16 17 17 18 23 24

viii

DAFTAR GRAFIK
Grafik 4.1 Nilai confidence jika min_support 0.4.. Grafik 4.2 Nilai confidence jika min_support 0.9.. 40 41

ix