TRANSAKSI PENJUALAN
(STUDI KASUS TOSERBA YOGYA BANJAR)
SKRIPSI
Oleh
TRI LESTARI
H24052006
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
2009
ii
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
pada Departemen Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh
TRI LESTARI
H24052006
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
2009
ABSTRAK
Tri Lestari H24052006. Analisis Keranjang Belanja Pada Data Transaksi
Penjualan (Studi Kasus Toserba Yogya Banjar). Di bawah bimbingan
Muhammad Syamsun.
Dunia bisnis ritel mengalami pertumbuhan yang sangat pesat, hal ini
ditandai dengan meningkatnya jumlah ritel. Umumnya setiap ritel menggunakan
sistem komputerisasi dalam penyimpanan data penjualan dan pembelian yang
menghasilkan data transaksi. Data transaksi tesebut dapat digunakan sebagai
sumber informasi penting dalam mempertahankan keberadaan usaha tersebut.
Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis ritel ini
adalah dengan meningkatkan dan mempertahankan tingkat pertumbuhan
penjualannya.
Penelitian ini bertujuan (1) mempelajari sebuah aplikasi analisis keranjang
belanja (market basket analysis) yang berkaitan dengan data transaksi penjualan
yang menggunakan teknik assosiatif, (2) mengidentifikasi beberapa tipe dari
kaidah asosiasi (association rules) yang berkaitan dengan data transaksi penjualan
yaitu nilai-nilai support dan confidence, (3) mengetahui implikasi manajerial dari
analisis keranjang belanja (market basket analysis). Penelitian ini dilaksanakan di
Toserba Yogya Banjar, data yang digunakan adalah data sekunder yang
bersumber dari dokumen perusahaan berupa data transaksi. Penelitian diolah
dengan menggunakan software Microsoft Office Excel 2007 dan software Minitab
14. Data dianalisis dengan menggunakan algoritma apriori yang menghasilkan
aturan asosiasi, dengan pola if-then.
Aplikasi Analisis Keranjang Belanja tidak hanya digunakan untuk
menentukan kecenderungan pelanggan dalam membeli barang-barang secara
bersamaan, dapat melihat kapan suatu barang dibeli pada jumlah yang paling
besar. Tipe kaidah asosiasi yang dihasilkan adalah jeruk lebih banyak dibeli pada
waktu pembelian antara jam 17:14-21:20 WIB, mie lebih banyak dibeli pada
waktu pembelian antara jam 17:14-21:20 WIB, pembelian item apabila tidak
promosi maka tidak diskon, dan apabila terjadi pembelian pada buah, mie maka
akan di beli minyak goreng. Implikasi manajerial, Toserba YOGYA lebih
memperhatikan persediaan untuk item yang dipengaruhi oleh waktu.
iv
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
pada Departemen Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh
TRI LESTARI
H24052006
Mengetahui,
Tanggal lulus :
RIWAYAT HIDUP
iv
KATA PENGANTAR
Penulis
vi
DAFTAR ISI
Halaman
ABSTRAK
RIWAYAT HIDUP ....................................................................................
iv
vii
ix
xi
I. PENDAHULUAN .................................................................................
1.1. Latar Belakang .............................................................................
1.2. Perumusan Masalah ......................................................................
1.3. Tujuan Penelitian ..........................................................................
1.4. Manfaat Penelitian ........................................................................
1.5. Ruang Lingkup .............................................................................
1
1
4
4
5
5
6
6
7
8
8
9
13
14
15
15
16
19
20
22
25
26
26
27
27
27
28
29
30
30
30
vii
32
33
34
34
35
36
49
50
50
51
52
LAMPIRAN ...............................................................................................
53
4.3.
4.4.
4.5.
4.6.
viii
DAFTAR TABEL
No.
1.
2.
3.
4.
Halaman
ix
DAFTAR GAMBAR
No.
1.
2.
Halaman
Struktur Data dari Market Basket Data ....................................................... 24
Kerangka Pemikiran ................................................................................... 27
DAFTAR LAMPIRAN
No.
1.
2.
3.
Halaman
Struktur Organisasi Toserba YOGYA Banjar ............................................. 53
Contoh Data Transaksi ............................................................................... 54
Hasil Pengolahan Data ............................................................................... 56
I. PENDAHULUAN
statistik
menunjukan
sepanjang
1999
hanya
sektor
2005
2004
1,846,752
1,787,897
1,745,589
Convenience Stores
120
115
154
Total Hypermarkets
105
83
68
26
24
22
Total Minimarkets
7,356
6,465
5,604
Total Supermarkets
1,311
1,152
956
1,855,670
1,795,736
1,752,393
Total Universe
dalam
melakukan
pembelian,
dan
dapat
meningkatkan
dan kapan produk tertentu banyak dibeli, merupakan informasi yang dapat
digunakan pihak supermarket dalam mengatur peletakan produk di etalase
dan rak barang, sehingga dapat membantu pelayan supermarket dan
konsumen dalam mencari dan mengingat kembali bila lupa. Pihak
supermarket dapat menentukan kapan perlu mendatangkan lebih banyak jenis
produk tertentu pada waktu-waktu tertentu. Keputusan-keputusan ini pada
akhirnya dapat membantu supermarket untuk lebih mengoptimalkan kinerja.
Salah satu metode yang dapat digunakan untuk menganalisis pola
perilaku belanja konsumen adalah analisis keranjang belanja (market basket
analysis). Analisis ini merupakan salah satu metode dalam penambangan data
(data mining) yang bertujuan untuk menemukan produk-produk yang sering
dibeli bersamaan dari data transaksi. Tujuan analisis ini pada transaksi
penjualan adalah untuk merancang strategi penjualan atau pemasaran yang
efektif dengan memanfaatkan data transaksi penjualan yang telah tersedia di
supermarket. Penggunaan teknik data mining, orang tidak perlu melakukan
analisis secara manual, melainkan dapat menggunakan analisis keranjang
belanja.
Kota Banjar adalah salah satu kota yang ada di Provinsi Jawa Barat
yang berbatasan dengan Provinsi Jawa Tengah yaitu Kabupaten Cilacap dan
menjadi pintu utama jalur lintas selatan Jawa Barat, untuk membedakan
dengan Banjarnegara yang berada di Jawa Tengah, kota ini biasa disebut
Banjar Patoman (dari nama asal Banjar Pataruman). Kota ini diresmikan oleh
Menteri Dalam Negeri pada tanggal 21 Februari 2002 dan memiliki luas
wilayah 13.197,23 Ha serta terbagi dalam 4 kecamatan.
Toserba YOGYA Banjar merupakan cabang Yogya Departement
Store yang ke 43. Terletak di Jalan Letnan Jendral Suwarto No. 36 di
Kompleks Pertokoan di pusat kota Banjar. YOGYA Group ini merupakan
perusahaan ritel dengan format supermarket dan department store.
Perusahaan ini selalu berusaha mewujudkan kepuasan bagi konsumen dengan
menyediakan produk yang berkualitas, layanan yang unggul, dan akrab
bersahabat, serta dalam suasana belanja yang menyenangkan, namun karena
terjadi persaingan dengan perusahaan lainnya maka diperlukan strategi-
harus
mengerti
konsumennya untuk
apa
yang
sebenarnya
diinginkan
oleh
berbelanja di
supermarket, hal ini menjadi menarik untuk diteliti dengan melihat beberapa
hubungan yang terjadi antara produk, waktu pembelian, diskon, dan promosi.
1.2. Perumusan Masalah
Adapun masalah yang akan dibahas dalam penelitian ini adalah
sebagai berikut :
1. Bagaimana mengembangkan sebuah aplikasi analisis keranjang belanja
(market basket analysis) yang berkaitan dengan data transaksi penjualan
yang menggunakan teknik assosiatif ?
2. Bagaimana output yang akan dihasilkan dari kaidah asosiasi (association
rules) yang berkaitan dengan data data penjualan yaitu nilai-nilai support
dan confidence ?
3. Bagaimana implikasi manajerial dari analisis keranjang belanja (market
basket analysis) ?
1.3. Tujuan
Berdasarkan perumusan masalah yang telah dibahas sebelumnya,
maka tujuan dari penelitian ini adalah sebagai berikut :
1. Mempelajari sebuah aplikasi analisis keranjang belanja (market basket
analysis)
yang
1.4. Manfaat
Manfaat yang dapat diambil dari penelitian ini adalah sebagai berikut :
1. Bagi
pemilik
lembaga
swalayan
membantu
dalam
menganalisis
kecenderungan atau pola konsumsi yang dimiliki oleh pelanggan masingmasing, menentukan kapan perlu mendatangkan lebih banyak jenis produk
tertentu pada waktu-waktu tertentu, dan memberikan Informasi yang dapat
digunakan dalam menentukan tata letak rak toko yang baru, menetapkan
produk-produk mana yang akan diletakan dalam tempat yang khusus, serta
dapat
digunakan
untuk
mengidentifikasi
ketika
persoalannya
ilmu-ilmu
manajemen
khususnya
mengenai
Analisis
Keranjang Belanja.
3. Bagi peneliti selanjutnya, penelitian ini diharapkan dapat memberikan
informasi, ilmu dan bahan pembanding, untuk penelitian selanjutnya.
1.5. Ruang Lingkup
Kegiatan penelitian ini dibatasi pada asosiasi antara jenis-jenis produk
yang dibeli konsumen dengan menggunakan analisis keranjang belanja,
sehingga dapat menentukan pola berupa produk-produk yang sering dibeli
bersamaan atau cenderung muncul bersamaan dalam sebuah transaksi yang
pada umumnya berukuran sangat besar, item dibatasi yaitu produk (mie,
jeruk, telur, buah, susu, minyak goreng), waktu pembelian, diskon, dan
promosi.
oleh
berbagai produsen
Perdagangan eceran memegang peranan yang sangat penting, baik
ditinjau dari sudut produsen, pedagang eceran dipandang sebagai pihak yang
ahli dalam bidang penjualan produk perusahaannya. Pengecer ujung tombak
perusahaan yang sangat menentukan laku atau tidaknya produk perusahaan.
Sementara jika dipandang dari sudut konsumen, pedagang eceran juga
memiliki peranan yang sangat penting. Pedagang eceran bertindak sebagai
agen yang membeli, mengumpulkan, dan menyediakan barang atau jasa untuk
memenuhi kebutuhan atau keperluan pihak konsumen.
2.4.1. Pengertian dan Jenis-jenis Pengecer
Menurut Kotler (1997), usaha eceran (retailing) meliputi semua
kegiatan yang terlibat dalam penjualan barang atau jasa secara langsung
ke konsumen akhir untuk penggunaan pribadi dan bukan bisnis.
Menurut Meyer et al. (1988), Semua fungsi atau kegiatan yang
melibatkan penjualan (atau sewa) barang dan jasa kepada pengguna
akhir, yang termasuk rumah tangga, perorangan, dan lainnya yang
membeli barang atau jasa untuk konsumsi akhir. Pengecer atau toko
eceran adalah usaha bisnis yang volume penjualannya terutama berasal
dari penjualan eceran. Menurut The American Marketing Association,
pengecer didefinisikan sebagai seorang pedagang yang kegiatan
10
11
dan
bertujuan
untuk
secara
memenuhi
pembelian
rutin.
semua
makanan
Mereka
kebutuhan
maupun
biasanya
bukan
menawarkan
bukan
barang
bermutu
rendah.
Pengeceran
12
Dalam
13
14
15
d. Consumption
Pada tahap ini, konsumen menggunakan produk, membuang
sisanya jika ada, dan melakukan pembelian ulang jika konsumen
merasa puas.
e. Communication
Di tahap terakhir ini, konsumen memberikan informasi tentang
produk yang baru dikonsumsi tersebut kepada orang lain, mengisi
kartu garansi (jika ada) dan memberikan informasi tentang
produk, harga, pelayanan, dan lain-lain kepada peritel.
penjualan
merupakan
aktivitas
perusahaan
yang
16
17
18
Aplikasi
Penempatan
berdasarkan
afinitas
Penjualan
silang (crossselling)
Spesifik
Posisi produk secara efektif
Perbankan
Manajemen
hubungan
pelanggan (CRM)
Lift
Churn
Mengidentifikasi
segmen
pasar yang efektif
Mengidentifikasi
perpindahan pelanggan ke
pesaing
Asuransi
Deteksi penipuan
Mengidentifikasi
klaim
mencurigakan yang perlu
diselidiki
Telekomunikasi
Telemarketing
Churn
Informasi Online
Membantu
telemarketer
dengan akses data yang
lebih mudah
Churn
Mengidentifikasi
potensi
perpindahan karyawan
Mencari
lebih
banyak
produk untuk pelanggan
19
tentang produk mana yang sering terjual bersamaan dapat digunakan dengan
cara memasarkan produk komplementernya.
Toko yang menjual barang kebutuhan sehari-hari melakukannya
dengan menentukan posisi lokasi rak produk tersebut. Toko ritel yang
mengandalkan iklan dapat mengirim iklan untuk menjual kemeja dan dasi
kepada mereka yang baru saja membeli jas. Strategi-strategi ini telah lama
digunakan oleh toko-toko ritel yang cerdik, namun penggalian data
menyediakan kemampuan untuk mengidentifikasi afinitas produk yang tidak
terduga dan kesempatan untuk penjualan silang.
2.6. Proses Penggalian Data dan Penemuan Pengetahuan
Proses standar industri yang sering digunakan berisi rangkaian
langkah yang biasanya dilakukan dalam penggalian data (Cross Industry
Standard Process for Data Mining CRISP-DM) yang digunakan secara luas di
kalangan industri. Model ini terdiri atas enam tahap yang merupakan sebuah
proses siklus sebagai berikut :
1. Pemahaman bisnis (business understanding). Pemahaman bisnis meliputi
penetapan tujuan bisnis, penilaian situasi terkini, penetapan tujuan
penggalian, dan pengembangan rencana proyek.
2. Pemahaman data (data understanding). Tujuan bisnis dan rencana proyek
ditetapkan, kemudian pemahaman data, mempertimbangkan data yang
dibutuhkan. Langkah ini bisa meliputi pengumpulan data awal, deskripsi
data, eksplorasi data, dan verifikasi kualitas data. Eksplorasi data seperti
peninjauan statistik rangkuman (yang meliputi tampilan visual variabeivariabel kategorik) bisa terjadi pada akhir tahap ini. Model-model seperti
analisis pengelompokan (cluster analysis) dapat pula diterapkan dalam
tahap ini, dengan tujuan mengidentifikasi pola dalam data tersebut.
3. Persiapan data (data preparation). Sumber data yang tersedia telah
diidentifikasi, kemudian sumber data tesebut perlu diseleksi, dibersihkan,
dibangun kedalam wujud yang dikehendaki, dan di bentuk. Pembersihan
dan transformasi data dalam persiapan pembuatan model
data perlu
dilakukan pada tahap ini. Eksplorasi data secara lebih mendalam juga
dapat diterapkan dalam tahap ini, dan penggunaan model-model tambahan
20
data
dan
penetapan
hubungan)
serta
analisis
buatan
menunjukan
hubungan-hubungan
baru
kepada
hipotesis
sebelumnya,
ataupun
untuk
penemuan
21
(Classification),
metode-metodenya
ditunjukan
untuk
22
23
Albion Research (2007), mengemukakan Informasi mengenai produkproduk yang biasanya dibeli secara bersama-sama oleh para pelanggan dapat
memberikan wawasan tersendiri bagi para pengelola toko atau swalayan
untuk menaikkan laba bisnisnya. Misalnya, seorang manajer toko bisa saja
memanfaatkan informasi seperti ini untuk menempatkan produk-produk yang
umumnya dibeli bersama-sama ke dalam sebuah area yang berdekatan
jaraknya. Hal ini bertujuan untuk memudahkan mayoritas pembeli agar
semakin senang membeli beberapa produk berlainan sekaligus. Informasi ini
juga dapat digunakan untuk menyampaikan ide mendasar dari market basket
analysis, dimulai dengan melihat gambar keranjang belanja yang berisi
bermacam-macam barang-barang yang dibeli oleh seseorang di sebuah
supermarket.
Keranjang ini berisi bermacam-macam barang-barang seperti orange
juice, pisang, soft drink, pembersih jendela, dan detergent. Sebuah keranjang
memberitahukan kepada kita tentang apa saja yang dibeli oleh seorang
konsumen dalam satu waktu. Sebuah daftar belanjaan yang lengkap yang
diperoleh dari semua konsumen memberikan kita informasi yang sangat
banyak, dan ini dapat menjelaskan barang-barang apa saja yang paling
penting dari bisnis penjualan yaitu jenis barang dan kapan konsumen
membeli. Setiap konsumen membeli seperangkat barang-barang yang
berbeda, dalam jumlah yang berbeda, dan dalam waktu yang berbeda. Market
Basket Analysis menggunakan informasi apa yang dibeli oleh konsumenkonsumen untuk menyediakan tanda atau informasi yaitu siapa mereka dan
mengapa mereka melakukan pembelian tersebut.
Market Basket Analysis juga menyediakan pengertian tentang barang
dagangan dengan memberitahukan kepada kita produk-produk mana yang
memungkinkan untuk dibeli secara bersamaan dan produk mana yang lebih
disetujui untuk di promosikan. Informasi ini dapat digunakan dalam
menentukan tata letak rak toko, menetapkan produk-produk mana yang akan
diletakan dalam tempat yang khusus, untuk mengidentifikasi ketika
persoalannya berpasangan atau kupon (issue coupons), dan lain sebagainya.
Market Basket Analysis menawarkan sekumpulan permasalahan bisnis yang
24
berkaitan untuk mengetahui point of sale dari data transaksi. Teknik yang
umum digunakan adalah assosiation rules.
Fungsi ini paling banyak digunakan untuk menganalisa data dalam
rangka keperluan strategi pemasaran, desain catalog, dan proses pembuatan
keputusan bisnis. Tipe association rules dapat dinyatakan dengan contoh : 70
persen dari orang-orang yang membeli mie, juice, dan saus akan membeli
juga roti tawar. Aturan asosiasi mengcapture item atau kejadian dalam data
berukuran besar yang berisi data transaksi. Tiga level dari Market Basket
Data, Market Basket Data adalah data transaksi yang menjelaskan tiga
perbedaan entitas yang mendasar yaitu :
1. Customers.
2. Orders atau pembelian (bisa juga pembelian, atau keranjangan,
atau dalam akademik kertas).
3. Items (barang-barang).
Struktur data dari market basket data dalam sebuah relational
database, sering terlihat sama. Data struktur ini didalamnya terdapat empat
entitas yang penting sebagai informasi bagi pihak supermarket (Gambar 1).
COSTUMER
Costumer ID
Nama
Alamat
dll
ORDER
Order ID
Costumer ID
Tanggal
pesan
Jenis
pembayaran
Jumlah nilai
Tanggal
pengiriman
Biaya
pengiriman
dll
LINE TIME
Line time ID
Order ID
Produk ID
Jumlah
Harga per unit
Biaya per unit
Gif t warp
flag
Taxable flag
dll
PRODUK
Produk ID
Kategori
Subkategori
Penjelasan
dll
25
dalam suatu pembelian digambarkan dalam line items. Data ini termasuk
harga pembayaran barang, jumlah barang, pajak yang harus dibayar, mungkin
juga harga (yang digunakan untuk penghitungan margin).
2.9. Penelitian Terdahulu
Penelitian terdahulu yang mendukung penelitian ini adalah Handojo
Andreas (2007), dengan judul aplikasi data mining untuk meneliti asosiasi
pembelian item barang di supermarket dengan metode Market Basket
Analysis. Penelitian tersebut memberikan kesimpulan bahwa aplikasi data
mining mampu mengolah data transaksi yang disediakan oleh user untuk
menemukan frequent itemset dan association rule yang memenuhi syarat
minimum support berdasarkan item yang ada dalam bentuk grafik dan teks.
Aplikasi ini memberitahukan asosiasi barang apa saja yang sering dibeli
bersamaan oleh konsumen di supermarket yang nantinya informasi ini dapat
memberikan pertimbangan dalam pengambilan keputusan guna pembelian
barang dan pengaturan pada rak supermarket.
Penelitian yang dilakukan oleh Gregorius Satia Budhi (2007), Peneliti
berkeinginan untuk mengatasi permasalahan absensi tersebut dengan
memanfaatkan metode
26
dalam waktu yang hampir bersamaan dalam kurun waktu tertentu, besar
kemungkinan dalam realitasnya, pegawai yang melakukan absen hanya satu
orang sedangkan lainnya titip absen kepada pegawai tersebut.
28
Data Transaksi
Implikasi Manajerial
29
30
dalam
basis
data
juga
dipakai
sebagai
alat
untuk
support
(AB)
sedikitnya
sama
dengan
minimum
....(2)
Confidence (AB) =
.....(3)
31
32
yang telah didirikan di Jakarta (Central Klender Plaza dan Daan Mogot
Mall) terbakar dalam kerusuhan.
Pada tanggal 16 Februari 2000 APRINDO melalui Menteri
Perindustrian dan Perdagangan RI menganugerahkan APRINDO Award
kepada Bapak Boedi Siswanto Basuki sebagai salah satu perintis ritel di
Indonesia. Selama tahun 1998-2006, dengan kondisi persaingan ritel
yang semakin dinamis, Toserba YOGYA terus tumbuh sebagai salah
satu perusahaan ritel yang cukup ternama. Setiap tahunnya, Toserba
YOGYA merencanakan pembukaan toko baru di berbagai daerah,
terutama wilayah Jawa Barat. Toserba YOGYA melakukan ekspansi
usaha dan hadir di Cirebon, Tasikmalaya, Sukabumi, Bogor, Sumedang,
Kuningan, Jakarta, Indramayu, Majalaya, Garut, Subang, Majalengka,
Purwakarta, Ciamis, Pamanukan, Banjar, Jamblang, Jatibarang, dan
Banjaran. YOGYA group dengan nama PT Akur Pratama memiliki luas
area toko yang bervariasi sehingga menyebabkan adanya pembagian
kategori toko yaitu: Toserba YOGYA, Toserba GRIYA dan Pasaraya
YOGYA. Sampai saat ini sudah berdiri 54 cabang yang dibagi ke dalam
9 wilaya Regional yairu:
1. Regional 1 (GRIYA Buah Batu,YOGYA Sunda 60, GRIYA Hemat
Sukarno Hatta, YOGYA Kopo Permai, GRIYA Sumber Sari,
GRIYA Lembang, GRIYA Margahayu, GRIYA Banjaran.
Regional Manager : Eddie Budianto
2. Regional 2 (Bandung Indah Plaza, GRIYA Jatinangor, YOGYA
Kosambi, GRIYA Pahlawan, GRIYA Dinasti, GRIYA Antapani,
GRIYA Ujung Berung, GRIYA Cicalengka, GRIYA Sumedang)
Regioal Manager : Hendra Gunawan
3. Regional 3 (YOGYA Kepatihan, YOGYA Sentra Sari, YOGYA
Caihampelas, GRIYA Setiabudi)
Regional Manager : Tunggul Waskito Aji
4. Regional 4 (GRIYA Cimanuk, GRIYA Arcamanik, GRIYA Ranca
Bolang, GRIYA Tanjung Sari, GRIYA Kopo Mas)
Regional Manager : Ruddy Atmaja
33
GRIYA
Kuningan,
GRIYA
Jamblang,
GRIYA
Majalengka)
Reginoal Manager : Heri Mandala
7. Regional 7 (YOGYA Indramayu, GRIYA Jatibarang, YOGYA
Subang, YOGYA Pamanukan, YOGYA Purwakarta.
Regional Manager : Lizandre Thomas Noya
8. Regional 8 (YOGYA Mangga Dua, YOGYA Bogor, YOGYA Bogor
Indah Plaza, YOGYA Sukabumi, YOGYA Pondok Bambu)
Regional Manager : Charlie Rusli
9. Regional 9 (YOGYA Riau, YOGYA Cihampelas)
Regional Manager : Lilik Mawarwati
4.1.2. Sejarah Toserba YOGYA Cabang Banjar
Toserba
YOGYA
Banjar
merupakan
cabang
YOGYA
34
(Store Manager)
2.
(General Marchandising)
3.
Esih D.
(Staff Finance)
4.
Felix Radhitya.
5.
Erni L. S.
(Buyer)
6.
Aan E.
7.
Rinto S.
(Supervisor Fashion)
8.
Aceng J.
(Supervisor Food)
9.
Rina W.
(Supervisor Fashion)
10. Yoga
Merchandising
(GMS)
membawahi
service
crew
35
YOGYA
Banjar
merupakan
usaha
ritel
yang
36
seluruh pasar atau semua orang dengan membidik konsumen semua kalangan,
karena
YOGYA
menyediakan kebutuhan
sehari-hari
dengan
harga
37
menentukan tata letak rak toko yang baru, menetapkan produk-produk mana
yang akan diletakan dalam tempat yang khusus, mengidentifikasi ketika
persoalannya berpasangan/kupon (issue coupons), dan lain sebagainya.
Market Basket Analysis menawarkan sekumpulan permasalahan bisnis yang
berkaitan untuk mengetahui point of sale dari data transaksi Toserba YOGYA
(Lampiran 2).
Fungsi ini paling banyak digunakan untuk menganalisa data dalam
rangka keperluan strategi pemasaran, desain catalog, dan proses pembuatan
keputusan bisnis. Aturan asosiasi mengcapture item atau kejadian dalam data
berukuran besar yang berisi data transaksi. Kemajuan teknologi yang semakin
canggih membuat data penjualan dapat disimpan dalam jumlah besar yang
disebut dengan basket data.
Hasil pengolahan data transaksi penjualan (Lampiran 3) selama satu
bulan (28 hari) berupa informasi produk, promosi, diskon dan waktu
pembelian di Toserba YOGYA Banjar dengan menggunakan algoritma
apriori untuk masalah penggalian kaidah asosiasi kuantitatif akan
menghasilkan kaidah asosiasi yang bisa menjadi informasi penting bagi
Toserba YOGYA.
4.4. Kaidah Asosiasi pada Item-item Penjualan
Analisis pertama yang dilakukan menggali pengaruh waktu terhadap
penjualan suatu produk. Hasil analisis pengaruh waktu terhadap jumlah
penjualan jeruk dan mie dapat dilihat pada Tabel 3.
Tabel 3. Support_count untuk kandidat 1 itemset
1 itemset
Support
Count
2089
2120
1481
1145
1583
Support (%)
Jeruk
49,63
Mie
50,37
T1
35,19
T2
27,20
T3
37,61
Ketarangan :
T1 : Waktu pembelian antara jam 09:00-13:06 WIB
T2 : Waktu pembelian antara jam 13:07-17:13 WIB
T3 : Waktu pembelian antara jam 17:14-21:20 WIB
38
Jumlah transaksi
39
kandidat
untuk
itemset
dengan
menentukan
Jeruk
Support
Support
Count
(%)
593
40,04
137
9,25
Mie
Support
Support
Count
(%)
137
9,25
614
41,46
Jeruk
Support
Support
Count
(%)
509
44,45
106
9,26
Mie
Support
Support
Count
(%)
106
9,26
424
37,03
40
Jeruk
Support
Support
Count
(%)
588
37,140
156
9,855
Mie
Support
Support
Count
(%)
156
9,855
683
43,150
Kaidah Asosiasi
T1Mie
T2Mie
T3Mie
T1Jeruk
T2Jeruk
T3Jeruk
Mie dan jeruk
pagi
Mie dan jeruk
siang
Mie dan jeruk
malam
Support (%)
Confidence (%)
17,84
12,60
19,93
17,34
14,61
17,68
9,250
50,71
46,29
53,00
49,29
53,71
47,00
34,335
9,260
26,565
9,855
39,100
41
jam 17:14-21:20 WIB) maka jeruk dibeli, dengan derajat kepercayaan sebesar
49,29%. Mie lebih banyak dibeli pada T3 (Waktu pembelian antara jam
17:14-21:20 WIB) 19,93% dibandingkan dengan T2 (Waktu pembelian antara
jam 13:07-17:13 WIB) 12,60% dan T1 (Waktu pembelian antara jam 09:0013:06 WIB) 17,84% dengan tingkat kepercayaan terbesar 53,00%. Kaidah
tersebut dapat diterjemahkan, bahwa sebanyak 19,93% dari seluruh data, jika
pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) maka jeruk dibeli,
dengan derajat kepercayaan sebesar 53,00%. Penelitian ini memberikan
informasi bahwa pembelian jeruk dan mie lebih banyak dilakukan pada T3
(Waktu pembelian antara jam 17:14-21:20 WIB) sehingga pihak Toserba
lebih memperhatikan untuk persediaan produk yang dipengaruhi oleh waktu.
Analisis kedua untuk mengetahui asosiasi antara promosi, diskon dan
waktu pembelian. Menentukan kandidat untuk 1itemset dengan menentukan
support_count atau support, dapat dilihat pada dalam Tabel 9.
Menentukan gugus item yang sering muncul (frequent 1 itemset),
Frequent 1 itemset yang didapat adalah P1, P2, D1, D2, T1, T2, T3.
Tabel 9. Support count untuk kandidat 1 itemset
1itemset
Support Count
Support (%)
P1
42073
93,30
P2
3022
6,70
D1
27741
61,52
D2
17354
38,48
T1
15577
34,55
T2
11825
26,22
T3
17693
39,23
Keterangan:
P1 : Tidak Promosi
P2 : Promosi
D1 : Tidak Diskon
D2 : Diskon
T1 : Waktu pembelian antara jam 09:00-13:06 WIB
T2 : Waktu pembelian antara jam 13:07-17:13 WIB
T3 : Waktu pembelian antara jam 17:14-21:20 WIB
Berdasarkan Tabel 9 terdapat nilai support yang menunjukkan
persentasi nilai support pada setiap item. Jumlah seluruh item adalah 45095
item. Nilai support untuk P1 (tidak diskon) mencapai 93,30% lebih besar
dibandingkan P2 (diskon) 6,70%, untuk D1 (tidak diskon) 61,52% lebih besar
42
43
menunjukkan bahwa 10,51% dari seluruh item yang dibeli pada T2 (Waktu
pembelian antara jam 13:07-17:13 WIB) mengandung item yang diskon.
Tabel 12. Support count dan support untuk
waktu pembelian
T1
T2
2 itemset Support Support Support Support
Count (%)
Count
(%)
P1
14562 32,29 11054
24,51
P2
1015
2,25
771
1,71
Support
Count
16457
1236
T3
Support
(%)
36,50
2,74
pembelian
antara
jam
13:07-17:13
WIB)
sebesar
1,71%,
menunjukkan bahwa 1,71% dari seluruh item yang dibeli pada T2 (Waktu
pembelian antara jam 13:07-17:13 WIB) mengandung item yang promosi.
Menentukan kandidat untuk 3itemset dengan menentukan support
count, dapat dilihat pada Tabel 13.
Tabel 13. Support count dan support untuk 3 itemset promosi, waktu
pembelian dan tidak diskon
T1
T2
T3
3 itemset
Untuk
Support Support Support Support Support Support
D1
Count
(%)
Count
(%)
Count
(%)
P1
4668
26,90
3969
22,87
5721
32,97
P2
1006
5,80
770
4,44
1220
7,03
Berdasarkan Tabel 13 terdapat nilai support yang paling besar adalah
pada D1 (tidak diskon), P1 (tidak promosi) dan T3 (Waktu pembelian antara
jam 17:14-21:20 WIB) sebesar 32,97% menunjukkan bahwa 32,97% dari
seluruh item yang dibeli dilakukan pada T3 (Waktu pembelian antara jam
17:14-21:20 WIB) dengan item (P1) tidak promosi dan (D1) tidak diskon.
Nilai support terkecil adalah pada D1 (tidak diskon), P2 (promosi) dan T2
(Waktu
pembelian
antara
jam
13:07-17:13
WIB)
sebesar
4,44%,
menunjukkan bahwa 4,44% dari seluruh item yang dibeli dilakukan pada T2
44
Kaidah Asosiasi
Support (%)
Confidence (%)
P1D1
P1D2
D1T1
D1T2
D1T3
D2T1
D2T2
D2T3
P1T1
P1T3
D1 dan P1T1
D1 dan P1T2
D1 dan P1T3
D2 dan P2T1
D2 dan PIT2
D2 dan P2T3
61,46
31,84
21,96
15,72
23,84
12,58
10,51
15,39
32,29
36,50
35,67
24,54
38,70
26,90
22,87
32,97
65,87
34,13
35,70
25,52
38,88
32,70
27,29
40,00
34,61
39,11
43,56
26,56
47,36
32,51
27,64
39,85
45
seluruh item yang dibeli, jika tidak dilakukan promosi maka tidak ada diskon,
dengan derajat kepercayaan sebesar 65,87%. Hasil analisis menunjukkan
bahwa item yang sering dibeli oleh sebagian besar masyarakat Banjar di
Toserba YOGYA adalah item yang tidak promosi dan tidak diskon.
Analisis ketiga untuk mengetahui nilai support pada waktu pembelian
dan lima produk berbeda dapat dilihat pada Tabel 16.
Tabel 16. Support count dan support untuk 1 itemset yaitu waktu
pembelian dan lima produk.
1 itemset
Support Count
Support(%)
A1
2040
34,4
A2
1736
29,3
A3
2158
26,4
B
1753
29,5
C
1223
20,6
D
1039
17,5
E
647
10,9
F
373
6,3
Keterangan :
A1 : Waktu pembelian antara jam 09:00-13:06 WIB
A2 : Waktu pembelian antara jam 13:07-17:13 WIB
A3: Waktu pembelian antara jam 17:14-21:20 WIB
B : Item susu
C : Item buah
D : Item mie
E : Item telur
F : Item minyak goreng
Berdasarkan Tabel 16 terdapat nilai support yang menunjukkan
persentasi nilai support pada setiap item. Jumlah seluruh transaksi adalah
5935 transaksi. Setiap item memiliki nilai support yang berbeda-beda, untuk
item produk yang paling tinggi adalah untuk item B (susu) dengan nilai
support 20,6% menunjukkan bahwa dari semua transaksi yang terjadi 20,6%
mengandung item susu, sedangkan untuk waktu pembelian konsumen
Toserba yang paling banyak konsumennya adalah pada A1 (Waktu pembelian
antara jam 09:00-13:06 WIB) dengan nilai support 34,4%.
Hasil dari analisis keranjang belanja adalah daftar produk-produk
dan aturan-aturan asosiasi yang terkait yaitu antara waktu pembelian, produk
(susu, buah, mie, telur, minyak goreng). Dari tabel diatas memperlihatkan
nilai support dan confidence dari setiap itemset yang menunjukkan bahwa
46
item dengan nilai support tinggi berarti dari semua transaksi yang terjadi
kemungkinan dibeli item tersebut sangat tinggi, jika nilai confedence juga
tinggi berarti menunjukkan tingkat kepercayaan yang tinggi.
Nilai support untuk 1 itemset pada item waktu dengan nilai support
paling tinggi adalah pada A1 (Waktu pembelian antara jam 09:00-13:06
WIB) dan untuk produk adalah B (susu). A1 (Waktu pembelian antara jam
09:00-13:06 WIB) memiliki nilai support 34,4 % yang menunjukkan 34,4 %
dari semua transaksi dilakukan pada A1 (Waktu pembelian antara jam 09:0013:06 WIB). B (susu) memiliki nilai support 29,5 %, yang menunjukkan 29,5
% dari semua transaksi yang terjadi mengandung item B (susu). Pada asosiasi
2 itemset, 3 itemset, 4 itemset, 5 itemset, dan 6 itemset akan menghasilkan
suatu kaidah asosiasi antara beberapa produk atau waktu sehingga
menghasilkan aturan disertai dengan nilai support dan nilai confidence,
kaidah asosiasi tertinggi yang dihasilkan dapat dilihat pada Tabel 17.
Tabel 17. Support count dan support untuk 2 itemset (A, B. C. D, E, F)
2 itemset
A3,B
A3,C
A3,D
A3,E
A3,F
B,C
B,D
B,E
B,F
C,D
C,E
C,F
D,E
D,F
E,F
Kaidah
asosiasi
A3B
A3C
A3D
A3E
A3F
BC
BD
BE
BF
CD
CE
CF
DE
DF
EF
Support Count
Support(%)
Confidence (%)
644
466
409
274
159
441
647
11,1
7,9
6,9
4,6
2,7
7,4
8,7
5,3
3,2
4,8
3,0
1,9
5,8
3,1
2,4
29,8
21,6
19,0
12,7
7,3
25,2
36,9
18,0
10,9
23,1
14,7
9,1
33,4
17,4
21,6
315
191
283
180
111
347
181
140
47
Kaidah asosiasi
Support Count
Support (%)
Confidence (%)
A3,B,C
A3,BC
A3B,C
A1,BD
A1B,D
A3,BE
A3B,E
A3,BF
A3,B,F
A3,CD
A3C,D
A3,CE
A3C,E
A3,CF
A3C,F
A3,DE
A3D,E
A3,DF
A3D,F
A3,EF
A3E,F
B,CD
BC,D
B,CE
BC,E
B,CF
BC,F
B,DE
BD,E
B,DF
BD,F
B,EF
BEF
C,DE
CD,E
C,DF
CD,F
C,EF
CE,F
D,EF
DE,F
176
3,0
205
3,5
126
2,1
83
1,4
115
1,9
78
1,3
40
0,7
160
2,7
78
1,3
67
1,1
149
2,5
99
1,7
57
1,0
188
3,2
109
1,8
82
1,4
106
1,8
58
14,9
45
0,8
95
1,6
26,5
8,2
14,7
10,0
19,6
5,9
12,9
3,8
24,7
5,3
16,7
3,6
8,6
1,9
39,1
7,4
19,0
3,6
24,5
3,1
33,8
8,5
22,4
5,6
12,9
3,3
29,1
10,7
16,8
6,2
42,9
4,7
37,5
8,7
20,5
4,7
25,0
3,7
27,4
9,1
A1,B,D
A3,B,E
A3,B,F
A3,C,D
A3,C,E
A3,C,F
A3,D,E
A3,D,F
A3,E,F
B,C,D
B,C,E
B,C,F
B,D,E
B,D,F
B,E,F
C,D,E
C,D,F
C,E,F
D,E,F
48
Kaidah asosiasi
Support Count
Support (%)
A3,B,C,D
A3,B,CD
A3,BC,D
A3B,C,D
A1,B,CE
A1,BC,E
A1B,C,E
A3,B,CF
A3,BC,F
A3B,C.F
A3,B,DE
A3,BD,E
A3B,D,E
A3,B,DF
A3,BD,F
A3B,D,F
A3,B,EF
A3,BE,F
A3B,E,F
A3,C,DE
A3,CD,E
A3C,D,E
A2,C,DF
A2,CD,F
A2C,D,F
A1,C,EF
A1,CE,F
A1C,E,F
A2,D,EF
A2,DE,F
A2D,E,F
B,C,DE
B,CD,E
BC,D,E
B,C,DF
B,CD,F
BC,D,F
58
1,0
40
0,7
21
0,4
82
1,4
52
0,9
36
0,6
44
0,7
22
0,4
15
0,3
23
1,1
65
2,5
31
0,5
A1,B,C,E
A3,B,C,F
A3,B,D,E
A3,B,D,F
A3,B,E,F
A3,C,D,E
A2,C,D,F
A1,C,E,F
A2,D,E,F
B,C,D,E
B,C,D,F
Confidence (%)
33,0
9,0
2,7
25,3
6,2
2,0
11,9
3,3
1,0
42,3
12,7
3,8
26,8
8,1
2,5
28,6
5,6
1,7
38,3
9,4
2,0
27,2
16,3
1,3
24,2
3,5
0,7
29,9
8,8
1,3
43,6
14,7
3,7
20,8
7,0
1,8
49
Kaidah asosiasi
Support Count
Support(%)
Confidence (%)
A3,B,C,D,E
A3,B,C,D-E
A3,B,CD,E
A3,BC,D,E
A3B,C,D,E
A3,B,C,DF
A3,B,CD,F
A3,BC,D,F
A3B,C,D,F
A1,B,C,EF
A1,B,CE,F
A1,BC,E,F
A1B,C,E,F
A3,B,D,EF
A3,B,DE,F
A3,BD,E,F
A3B,D,E,F
A1,C,D,EF
A1,C,DE,F
A1,CD,E,F
A1C,D,E,F
B,C,D,EF
B,C,DE,F
B,CD,E,F
BC,D,E,F
23
0,4
11
0,2
12
0,2
30
0,5
14
0,5
14
0,2
39,6
13,0
3,6
1,1
19,0
6,25
1,7
0,5
30,0
7,6
1,9
0,6
36,6
15,5
4,7
1,4
40.0
16,1
3,3
0,7
21,5
9,4
3,2
0,8
A3,B,C,D,F
A1,B,C,E,F
A3,B,D,E,F
A1,C,D,E,F
B,C,D,E,F
Kaidah asosiasi
Support Count
Support(%)
Confidence (%)
A1,B,C,D,E,F
A1,B,C,D,EF
A1,B,C,DE,F
A1,B,CD,E,F
A1,BC,D,E,F
A1B,C,D,E,F
0,1
26,9
13,5
4,4
0,1
0,3
50
51
1. Kesimpulan
a.
diantara
himpunan
barang-barang
yang
berbeda,
dan
c.
d.
53
Kaidah asosiasi yang didapat dari tiga analisis yang dilakukan belum dapat
ditarik pengetahuaan yang cukup signifikan, karena dari tingkat
kepercayaan yang didapat masih relatif rendah.
f.
2. Saran
a.
b.
54
DAFTAR PUSTAKA
LAMPIRAN
56
57
TIPE
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
58
Lanjutan Lampiran 2.
JURNAL TRANSACT
1 RECEIVED ACCOUNT
2 PLU,RON 88, ELITE 620 ML
2 PRICE (1.000)
2 TOTAL SALE
2 CASH ;GENAP=-50
2 CHANGE;KUPON = 0
PLU,INDOMILK, *SKMPUTIH
3 390GR
3 PRICE (1.000)
3 PLU,INDOMILK, *SCKM 388 GR
3 PRICE (1.000)
PLU,ULTRA,
3 *CHOCOLATE125ML
3 PRICE (1.000)
PLU,ULTRA,
3 *STRAWBERY125ML
3 PRICE (1.000)
PLU,SUSU SEHAT, FULLCREAM
3 200ML
3 PRICE (4.000)
PLU,SUSU SEHAT, STROBERI
3 200ML
3 PRICE (3.000)
PLU,SUSU SEHAT, VANILA
3 200ML
3 PRICE (3.000)
3 PLU,HAPPYDENT, WHITE 12 GR
3 PRICE (1.000)
3 TOTAL SALE
3 CASH ;GENAP= 0
3 CHANGE;KUPON = 1
4 PLU,PAMPERS, BABY DRY M4
4 PRICE (2.000)
PLU,NUTRILON, RYL 3_800GR
4 VNL
4 PRICE (1.000)
4 TOTAL SALE
4 CASH ;GENAP=-50
4 CHANGE;KUPON = 4
5 PLU,RIDER, CDMR318B/2S/M
5 PRICE (1.000)
VALUE
400000
02150727
1150
1100
1500
350
CLERK
KS016
KS016
KS016
KS016
KS016
KS016
01780048
6850
01780055
5950
KS016
KS016
KS016
KS016
02130835
1725
KS016
KS016
02130842
1725
KS016
KS016
02132372
1950
KS016
KS016
02131535
1950
KS016
KS016
02131313
1950
03261903
1750
37500
50000
12500
04810834
7325
KS016
KS016
KS016
KS016
KS016
KS016
KS016
KS016
KS016
01721270
147100
161700
200000
38250
06222970
39900
KS016
KS016
KS016
KS016
KS016
KS016
KS016
59
60
Lanjutan Lampiran 3.
Item A,B,E nilai 311 adalah sebanyak : 126 peluang = 0.021
Item A,B,F nilai 111 adalah sebanyak : 67 peluang = 0.011
Item A,B,F nilai 211 adalah sebanyak : 41 peluang = 0.007
Item A,B,F nilai 311 adalah sebanyak : 83 peluang = 0.014
Item A,C,D nilai 111 adalah sebanyak : 87 peluang = 0.015
Item A,C,D nilai 211 adalah sebanyak : 81 peluang = 0.014
Item A,C,D nilai 311 adalah sebanyak : 115 peluang = 0.019
Item A,C,E nilai 111 adalah sebanyak : 62 peluang = 0.010
Item A,C,E nilai 211 adalah sebanyak : 40 peluang = 0.007
Item A,C,E nilai 311 adalah sebanyak : 78 peluang = 0.013
Item A,C,F nilai 111 adalah sebanyak : 35 peluang = 0.006
Item A,C,F nilai 211 adalah sebanyak : 36 peluang = 0.006
Item A,C,F nilai 311 adalah sebanyak : 40 peluang = 0.007
Item A,D,E nilai 111 adalah sebanyak : 110 peluang = 0.019
Item A,D,E nilai 211 adalah sebanyak : 77 peluang = 0.013
Item A,D,E nilai 311 adalah sebanyak : 160 peluang = 0.027
Item A,D,F nilai 111 adalah sebanyak : 60 peluang = 0.010
Item A,D,F nilai 211 adalah sebanyak : 43 peluang = 0.007
Item A,D,F nilai 311 adalah sebanyak : 78 peluang = 0.013
Item A,E,F nilai 111 adalah sebanyak : 38 peluang = 0.006
Item A,E,F nilai 211 adalah sebanyak : 35 peluang = 0.006
Item A,E,F nilai 311 adalah sebanyak : 67 peluang = 0.011
Item B,C,D nilai 111 adalah sebanyak : 149 peluang = 0.025
Item B,C,E nilai 111 adalah sebanyak : 99 peluang = 0.017
Item B,C,F nilai 111 adalah sebanyak : 57 peluang = 0.010
Item B,D,E nilai 111 adalah sebanyak : 188 peluang = 0.032
Item B,D,F nilai 111 adalah sebanyak : 109 peluang = 0.018
Item B,E,F nilai 111 adalah sebanyak : 82 peluang = 0.014
Item C,D,E nilai 111 adalah sebanyak : 106 peluang = 0.018
Item C,D,F nilai 111 adalah sebanyak : 58 peluang = 0.010
Item C,E,F nilai 111 adalah sebanyak : 45 peluang = 0.008
Item D,E,F nilai 111 adalah sebanyak : 95 peluang = 0.016
Item A,B,C,D nilai 1111 adalah sebanyak : 52 peluang = 0.009
Item A,B,C,D nilai 2111 adalah sebanyak : 39 peluang = 0.007
Item A,B,C,D nilai 3111 adalah sebanyak : 58 peluang = 0.010
Item A,B,C,E nilai 1111 adalah sebanyak : 40 peluang = 0.007
Item A,B,C,E nilai 2111 adalah sebanyak : 22 peluang = 0.004
Item A,B,C,E nilai 3111 adalah sebanyak : 37 peluang = 0.006
Item A,B,C,F nilai 1111 adalah sebanyak : 19 peluang = 0.003
Item A,B,C,F nilai 2111 adalah sebanyak : 17 peluang = 0.003
Item A,B,C,F nilai 3111 adalah sebanyak : 21 peluang = 0.004
Item A,B,D,E nilai 1111 adalah sebanyak : 66 peluang = 0.011
Item A,B,D,E nilai 2111 adalah sebanyak : 40 peluang = 0.007
61
Lanjutan Lampiran 3.
Item A,B,D,F nilai 1111 adalah sebanyak : 40 peluang = 0.007
Item A,B,D,F nilai 2111 adalah sebanyak : 17 peluang = 0.003
Item A,B,D,F nilai 3111 adalah sebanyak : 52 peluang = 0.009
Item A,B,E,F nilai 1111 adalah sebanyak : 26 peluang = 0.004
Item A,B,E,F nilai 2111 adalah sebanyak : 18 peluang = 0.003
Item A,B,E,F nilai 3111 adalah sebanyak : 38 peluang = 0.006
Item A,C,D,E nilai 1111 adalah sebanyak : 35 peluang = 0.006
Item A,C,D,E nilai 2111 adalah sebanyak : 27 peluang = 0.005
Item A,C,D,E nilai 3111 adalah sebanyak : 44 peluang = 0.007
Item A,C,D,F nilai 1111 adalah sebanyak : 16 peluang = 0.003
Item A,C,D,F nilai 2111 adalah sebanyak : 22 peluang = 0.004
Iitem A,C,D,F nilai 3111 adalah sebanyak : 20 peluang = 0.003
Item A,C,E,F nilai 1111 adalah sebanyak : 15 peluang = 0.003
Item A,D,E,F nilai 1111 adalah sebanyak : 17 peluang = 0.003
Item A,D,E,F nilai 2111 adalah sebanyak : 23 peluang = 0.004
Item A,D,E,F nilai 3111 adalah sebanyak : 21 peluang = 0.004
Item B,C,D,E nilai 1111 adalah sebanyak : 65 peluang = 0.011
Item B,C,D,F nilai 1111 adalah sebanyak : 31 peluang = 0.005
Item B,C,E,F nilai 1111 adalah sebanyak : 28 peluang = 0.005
Item B,D,E,F nilai 1111 adalah sebanyak : 59 peluang = 0.010
Item C,D,E,F nilai 1111 adalah sebanyak : 32 peluang = 0.005
Item A,B,C,D,E nilai 11111 adalah sebanyak : 26 peluang = 0.004
Item A,B,C,D,E nilai 21111 adalah sebanyak : 16 peluang = 0.003
Item A,B,C,D,E nilai 31111 adalah sebanyak : 23 peluang = 0.004
Item A,B,C,D,F nilai 11111 adalah sebanyak : 11 peluang = 0.002
Item A,B,C,D,F nilai 21111 adalah sebanyak : 9 peluang = 0.002
Item A,B,C,D,F nilai 31111 adalah sebanyak : 11 peluang = 0.002
Item A,B,C,E,F nilai 11111 adalah sebanyak : 12 peluang = 0.002
Item A,B,C,E,F nilai 21111 adalah sebanyak : 9 peluang = 0.002
Item A,B,C,E,F nilai 31111 adalah sebanyak : 7 peluang = 0.001
Item A,B,D,E,F nilai 11111 adalah sebanyak : 18 peluang = 0.003
Item A,B,D,E,F nilai 21111 adalah sebanyak : 11 peluang = 0.002
Item A,B,D,E,F nilai 31111 adalah sebanyak : 30 peluang = 0.005
Item A,C,D,E,F nilai 11111 adalah sebanyak : 10 peluang = 0.002
Item A,C,D,E,F nilai 21111 adalah sebanyak : 12 peluang = 0.002
Item A,C,D,E,F nilai 31111 adalah sebanyak : 10 peluang = 0.002
Item B,C,D,E,F nilai 11111 adalah sebanyak : 18 peluang = 0.003
Item A,B,C,D,E,F nilai 111111 adalah sebanyak : 7 peluang = 0.001
Item A,B,C,D,E,F nilai 211111 adalah sebanyak : 7 peluang = 0.001
Item A,B,C,D,E,F nilai 311111 adalah sebanyak : 4 peluang = 0.001