IMPLEMENTASI DATA MINING DENGAN ALGORITMA APRIORI

UNTUK MEMUDAHKAN PELAYANAN PADA APOTEK MEDIA

FARMA REMBANG
Moh. Nahid Zilmi¹, Usman Sudibyo, Ssi.,M.Kom²

Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl. Nakula I No.5-11, Semarang,
Jawa Tengah, 50131, Indonesia

Email : 111201106167@mhs.dinus.ac.id¹ , usmansudibyo@yahoo.co.id²

Abstract - Data mining merupakan proses untuk mendapatkan informasi yang sangat berguna dari basis
data yang akan digunakan untuk mendapatkan pengetahuan baru. Dalam penelitian ini penulis
melakukan analisa kumpulan data dengan menggunakan data mining metode asosiasi dengan algoritma
apriori. Sistem yang akan dibangun ditujukan untuk penentuan pola pembelian obat dengan
menggunakan bahas pemrograman java serta menggunakan microsoft sql server pada databasenya,
Sistem ini dibuat berdasarkan kebutuhan dari pihak apotek guna mengetahui keterkaitan serta pola
pembelian obat, yang diperoleh melalui metode wawancara dan studi lapangan. Metodelogi
pengembangan sistem yang digunakan yaitu metode waterfall, yang terdiri dari analisis, desain,
pengkodean, dan pengujian. Hasil pengujian dengan menggunakan algoritma apriori dan sistem yang
telah dibangun menunjukan hasil yang dikehendaki dalam penentuan pola pembelian obat yang
dilakukan oleh konsumen. Dibandingkan dengan sistem yang selama ini telah berjalan efektifitas
informasi dari sistem tentang penentuan pola pembelian obat untuk ketersedian obat serta tata letak
obat guna memudahkan dalam mengetahui keberadaan obat yang dilihat dari 2 kombinasi item obat.

Kata kunci : Data Mining, Association Rules, Appriori, itemsets, Penjualan

1. PENDAHULUAN

1.1. Latar Belakang

Apotek merupakan tempat tertentu, yang dimana tempat itu dilakukan proses kefarmasian
dan penyaluran persediaan farmasi, dan pembekalan tentang kesehatan kepada masyarakat.
Definisi yang telah dituliskan diatas merupakan peraturan pemerintah berdasarkan peraturan
Menteri Kesehatan RI No. 1027/Menkes/SK/IX/2004.
Dalam dunia farmasi khususnya apotek peran apoteker sangatlah penting untuk meracik
obat, mengelola, dan melakukan pengawasan terhadap apotek yang ditanganinya. Apoteker juga
berperan penting dalam memudahkan daya jual obat dengan menentukan pola pembelian obat.
Dengan apoteker menentukkan pola pembelian obat, kerja apoteker akan lebih mudah dan lebih
efisien karena tata letak obat diatur sedemikian rupa sehingga memudahkan apoteker dalam hal
meracik obat maupun dalam mencari obat yang akan dibeli oleh konsumen. Karena sekarang
dunia farmasi dalam hal ini apotek merupakan bisnis yang sangat menggiurkan, sehingga para
pengusaha apotek akan berlomba-lomba menentukan strategi yang tepat agar bisnisnya berjalan
dengan lancar dan menguntungkan.
Apotek Media Farma yang beralamat di JL. Hos Cokro Aminoto No. 13 Rembang merupakan
apotek yang sudah berdiri sudah cukup lama di daerah tersebut, namun proses penataan tata
letak obat maupun pola pembelian belum tertata dengan rapi. Sering kali pada proses pelayanan
terhadap konsumen jadi terhambat karena letak dari obat yang sering di inginkan oleh konsumen
letaknya berjauhan, sehingga tidak terjadi efisien waktu yang mengakibatkan menurunya
pelayanan terhadap konsumen. Pada saat apoteker meracik obat juga sering kebingungan mencari
obat yang di inginkan. Dalam hal ini, apotek perlu mengembangkan berbagai strategi penjualan
obat dengan menentukan ketersedian obat dengan cara mengamati obat apa yang paling sering
dicari atau dibeli oleh konsumen, dengan digunakanya data mining serta menggunakan algoritma
Apriori diharapkan dapat menjadi jalan keluar untuk menentukan pola pembelian obat serta
membantu menaruh tata letak obat yang diambil dari kenderungan pembelian obat oleh
konsumen.
Data Mining ialah sebuah proses ekstrak dari sebuah informasi yang berasal dari kumpulan
data yang banyak dengan menggunakan algoritma serta tehnik, mesin pembelajaran, dan
managemen database [1]. Data mining merupakan salah satu ilmu untuk melakukan ekstraksi
sebuah informasi penting yang tersembunyi di dalam sebuah dataset yang besar. Dengan adanya
data mining maka akan didapatkan suatu informasi baru berupa pengetahuan di dalam kumpulan
data–data yang banyak jumlahnya. Untuk menetukan pola pembelian obat yang dihasilkan dari
data mining salah satunya dengan menggunakan algoritma Apriori. Algoritma Apriori adalah
algoritma pengambilan data dengan aturan asosiatif (Asosiation rule) untuk menetukan hubungan
asosiatif atau kombinasi item [2]. Algoritma Apiori digunakan untuk menemukan frekuensi dari
itemset yang berjalan pada kumpulan-kumpulan data. Analisis algoritma Apriori yaitu proses
menemukan semua aaturan tentang Apriori yang memenuhi syarat minimum support dan syarat
minimum confidence. Pengujian dilakukan berdasarkan nama obat yang diambil dari resep dokter
anak dan bukan taksonomi obat, lalu kombinasi 2 itemsets yang dijadikan tolak ukur dalam
pencarian nilai support dan confidence pada data transaksi pembelian obat.
1.2. Rumusan Masalah

Penerapan Data mining dengan metode Algoritma Apriori terhadap Pola pembelian obat
pada Apotek Media Farma Jl. Hos Cokroaminoto No. 13 Rembang.

1.3. Batasan Masalah

Untuk menghindari dari penyimpangan topik yang akan dibahas, maka penulis membuat
batasan masalah pada penelitian ini. Batasan masalahnya seperti berikut :
a) Data yang akan digunakan adalah data pembelian obat berdasarkan resep yang diambil dari
Apotek Media Farma pada periode Januari sampai Maret 2015.
b) Penerapan Data mining dengan Algoritma Apriori.
c) Pembuatan aplikasi menggunakan java dan Microsoft Sql server.

1.4. Tujuan dan Manfaat Penelitian

Rumusan masalah yang telah dijelaskan diatas maka tujuan dari penelitian ini adalah adalah
untuk menentukan pola ketersediaan obat dan pembelian obat agar dapat memudahkan
penjualan obat sehingga akan mempermudah apoteker dalam meracik obat maupun melayani
pembelian obat.

2. METODE PENELITIAN

Penelitian pada Apotek Media Farma JL. Hos Cokro Aminoto No. 13 Rembang. Apotek Media
Farma merupakan salah satu apotek yang sudah cukup lama di kota Rembang, dan juga menjadi
apotek yang sudah cukup besar. Apotek ini juga berkerja sama dengan dokter spesialis anak, untuk
menyediakan obat yang dibutuhkan, sehingga obat yang disediakan apotek ini sudah cukup
banyak. Banyaknya obat yang tersedia merupakan hal yang sulit bagi apoteker untuk mengingat
letak satu obat dengan obat lainya, karena penataan obat yang belum terlalu rapi.
2.1 DATA MINING
Data Mining ialah sebuah proses ekstrak dari sebuah informasi yang berasal dari kumpulan
data yang banyak dengan menggunakan algoritma serta tehnik, mesin pembelajaran, dan
managemen database [1].
Data mining sendiri dibagi menjadi kelompok-kelompok tugas yang akan dilakukan :
1. Deskripsi
2. Estimasi
3. Klasterisasi atau pengelompokan
4. Asosiasi
2.2 Association Rule
Metode ini mempunyai mekanisme perhitungan yaitu support dan confidence dari
hubungan antar itemset. Association rule bisa dikatakan interesting apabila support lebih
besar dari minimum supportitu sendiri dan confidence lebih besar dari minimum
confidence. Algoritma apriori sangat cocok diterapkan apabila data yang diteliti mempunyai
hubungan antar itemset.
2.3 Algoritma Apriori
Algoritma Apriori adalah algoritma pengambilan data dengan aturan asosiatif
(Asosiation rule) untuk menetukan hubungan asosiatif atau kombinasi item [2]. Algoritma
Apriori digunakan untuk mencari frequents item yang di implementasikan ke sekumpilan
data yang banyak. Apriori bisa di defenisikan proses yang digunakan untuk memenuhi syarat
minimum support dan syarat minimum confidence.
Menetukan kombinasi item yang telah memenuhi syarat minimum support dalam
basis data. Perhitumgan nilai support sebuah item dapat diperoleh menggunakan rumus
dibawah ini :

Menentukan nilai support dari 2 item diperoleh menggunakan rumus dibawah ini :

Apabila semua pola-pola frekuensi tinggi telah ditemukan, selanjutnya dilanjutkan

mencari aturan Asosiasi yang memenuhi syarat minimum confidence dengan menghitung
confidence dengan aturan Asosiatif Setelah semua pola frekuensi tinggi ditemukan, barulah
dicari aturan asosiasi yang memenuhi syarat minimum untuk confidence dengan

menghitung confidence aturan asosiatif . Nilai confidence yang diperoleh dari aturan

didapatkan dengan rumus dibawah ini :

 Dalam menentukan aturan Asosiasi yang akan digunakan maka harus di urutkan
berdasarkan kepada Support × confidence. Semua aturan yang di ambil sebanyak n yang
memilik aturan yang sangat besar.
Dalam melaksanakan proses pengolahan data tentang transaksi obat maka dari itu
perlu dilakukan gambaran tahapan kerja yang mampu menjadi gambaran tentang tahapam
yang mampu dulakukan Algoritma Apriori seperti gambar di bawah ini :

Gambar 2.1 Gambaran Flowchart Algoritma Apriori

3. RESULTS AND DISCUSSION

3.1 Pembentukan Itemset

Dibawah ini merupakan penyelesaian data yang telah disediakan berdasarkan data yang
sudah ada pada tabel 4.2 pada proses ini menentukan C1 atau disebut 1 itemset dengan jumlah
minimum support 15% transaksi yang ada dalam database memuat ke 35 item tersebut dan
dihitung menggunakan rumus dibawah ini :

Support A=
 Tabel 3.1 Support dari setiap item

No Nama Item Jumlah Support

1 Amoxilin tab 35 9%
2 Asamefenamat tab 27 7%
3 Metronidazole tab 6 1%
4 Dexamethasone tab 76 20%
5 Antangin tab 19 5%
6 Paracetamol tab 45 12%
7 Cefadroxil tab 13 3%
8 Methylprednisolone hmg tab 71 19%
9 Cetirizine tab 111 29%
10 Cefixime tab 54 14%
11 Triamcinolone tab 5 1%
12 Salbutamol tab 40 10%
13 Ctm tab 74 19%
14 Ambroxol tab 51 13%
15 Simvastatin tab 53 14%
16 Natrium diklofenak tab 17 4%
17 Omeprazole tab 23 6%
18 Ciprofloxacin tab 23 6%
19 Dextromethorphan tab 20 5%
20 Ranitidine tab 32 8%
21 Itraconazole tab 24 6%
22 Ketoconazole tab 41 11%
23 Albendazole tab 17 4%
24 Asam salisilat 3 0%
25 Inersont oint 3 0%
26 Digenta cream 4 1%
27 Hydrocortyson 4 1%
28 Vit c tab 79 21%
29 Vit b complex tab 26 7%
30 Aspar k tab 16 4%
31 Ibuprofen 47 12%
32 Combantrin 14 3%
33 Cimetidine 8 2%
34 Sanmol syr 82 22%
35 Amoxan syr 55 14%
 Dari proses pembentukan itemset pada tabel 3.1 dengan minimum support 15% dapat
diketahui yang memenuhi standart minimum support yaitu pada obat Dexamethasone,
Methylprednisolone hmg tab, Cetirizine tab, Ctm tab, Vit c tab, Sanmol syr. Kemudian dilanjutkan
dari hasil pembentukan 1 itemset akan dilakukan kombinasi 2 itemset seperti pada tabel 3.2

3.2 Kombinasi 2 item

Dalam proses pembentukan C2 atau 2 kombinasi itemsets dengan jumlah minimum support
15% dan dapat diselesaikan dengan rumus :

Support (A,B)=

Tabel 3.2 Minimum support dari 2 itemsets 15%

No Nama Item jumlah support

1 Dexamethasone tab, Methylprednisolone hmg tab 0 0%
2 Dexamethasone tab, Cetirizine tab 0 0%
3 Dexamethasone tab, Ctm tab 0 0%
4 Dexamethasone tab, Vit c tab 0 0%
5 Dexamethasone tab, Sanmol syr 3 0%
6 Methylprednisolone hmg tab, Cetirizine tab 46 12%
7 Methylprednisolone hmg tab, Ctm tab 46 12%
8 Methylprednisolone hmg tab, Vit c tab 8 3%
9 Methylprednisolone hmg tab, Sanmol syr 18 4%
10 Cetirizine tab, Ctm tab 57 15%
11 Cetirizine tab, Vit c tab 1 0%
12 Cetirizine tab, Sanmol syr 46 12%
13 Ctm tab, Vit c tab 1 0%
14 Ctm tab, Sanmol syr 29 7%
15 Vit c tab, Sanmol syr 31 8%

Dari kombinasi 2 itemset dengan minimum support 15% dapat diketahui itemset yang
memenuhi standart minimum support yaitu Cetirizine tab, Ctm tab dengan support sebesar 15%.

3.3 Pembentukan Asosiasi

 Apabila semua langkah pencarian frekuensi tinggi di temukan, setelah itu dicari aturan
Asosiasi yang telah memenuhi syarat confidence dengan menghitung confidence menggunakan
aturan Asosiasi A→B. Dengan minimum confidence 50%.

Nilai confidence dari A→B didapatkan :

Confidence P(B│A)=

Tabel 3.3 Aturan Asosiasi

Aturan Confidence
Jika membeli Cetirizine tab maka juga membeli Ctm
tab 57/111 51%

Berdasarkan Tabel 3.2, obat yang paling sering dibeli oleh konsumen adalah Cetirizine tab
dan Ctm tab, dengan diketahuinya obat yang paling sering dibeli konsumen, maka apotek dapat
menyusun strategi dalam penentuan pembelian obat untuk menjaga ketersedian obat yang
dibutuhkan konsumen dan juga dapat mengatur tata letak obat berdasarkan kombinasi itemset
obat yang terbentuk.
2.4 Implementasi
Pada tahapan implementasi, dataset transaksi penjualan yang telah melewati tahapan
support dan confidence dengan menerapkan algoritma Aprioriuntuk menemukan pola pembelian
item oleh konsumen, diaplikasikan kedalam bahasa pemrograman Java dan Microsoft SQL Server.
Adapun tampilannya adalah sebagai berikut:
 Gambar 3.1 Tampilan Form Utama Input dan Output

4. KESIMPULAN

Berdasarkan hasil analisa proses data mining menggunakan algoritma Apriori dengan
metode Asosiasi didapatkan sebuah pola transaksi pembelian yaitu obat yang paling sering dibeli
oleh konsumen adalah Cetirizine tab dan CTM tab. Hasil Analisa diatas diperoleh dari perhitungan
sebagai berikut :
1. Minimum support pertama sebesar 15%, cetirizine tab memperoleh minimum support
1 item sebesar 29% sedangkan CTM tab memperoleh minimum support 1 item sebesar
19%.
2. Minimum support 2 item sebesar 15% diperoleh dari hasil perhitungan minimum
support pertama sehingga menghasilkan kombinasi cetirizine tab dan CTM tab sebesar
15%.
3. Minimum confident sebesar 50% diperoleh dari hasil minimum support 2 item sebingga
menghasilkan kombinasi cetirizine tab dan CTM tab sebesar 51%

DAFTAR PUSTAKA
[1] Ranjan, J., 2007, Application of Data Mining Technique in Pharmaceutical Industry, Journal
of Theoritical and Applied Information Technology, Vol 3, hal 61 – 67.
[2] Kusrini, 2007, Penerapan Algoritma Apriori pada Data Mining untuk Mengelompokkan
Barang Berdasarkan Kecenderungan Kemunculan Bersama dalam Satu Transaksi,
http://dosen.amikom.ac.id/.../Publikasi%20Apriori-Kusrini_Feb-13_.pdf, diakses 20 Juli
[3] 2011. 2011. Robi Yanto, Riri Khoiriyah, 2015, Implementasi Data mining dengan Algoritma
Apriori dalam Pola Pembelian Obat,
[4] Johan, 2010, Analisa keranjang pasar dengan Algoritma Apriori terhadap mini market Lima
Bintang,
[5] Heruandika Cahyono Pratama Martalelli Bertiza Tekad matulatan, 2009, Penerapan
algoritma Apriori dalam menentukan data awal masuk dengan prestasi akademik.
[6] Riza Priscaa,2015, Penerapan Association rule dengan algoritma Apriori pada transaksi
penjualan di minimarket,
[7] MicrosoftSQL Server, https://id.wikipedia.org/wiki/Microsoft_SQL_Server, diakses tgl 3
Agustus 2016
[8] Java, https://id.wikipedia.org/wiki/Microsoft_SQL_Server, diakses tgl 3 Agustus 2016