Simki-Techsain Vol. 01 No.

05 Tahun 2017 ISSN : XXXX-XXXX

Artikel Skripsi
Universitas Nusantara PGRI Kediri

ARTIKEL

REKOMENDASI PAKET MAMIN MENGGUNAKAN METODE APRIORI

ASSOCIATION RULES DI ANGKRINGAN HIK SOLO

Oleh:
DIAN KARTIKA MUHTAR
13.1.03.02.0260

Dibimbing oleh :
Daniel Swanjaya, M.Kom
Danang Wahyu Widodo,S.P.,M.Kom

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
TAHUN 2017

Dian Kartika Muhtar | 13.1.03.02.0260 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 0||
 Simki-Techsain Vol. 01 No. 05 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

SURAT PERNYATAAN
ARTIKEL SKRIPSI TAHUN 2017

Yang bertanda tangan di bawah ini:

Nama Lengkap
NPM
Telepun/HP
Alamat Surel (Email)
Judul Artikel
Fakultas – Program Studi
Nama Perguruan Tinggi
Alamat Perguruan Tinggi
: Dian Kartika Muhtar
: 13.1.03.02.0260
: 081556726805
: diankartika456@gmail.com
: Rekomendasi Paket Mamin Menggunakan Metode
Apriori Association Rules di Angkringan HIK Solo.
: Teknik – Teknik Informatika
: Universitas Nusantara PGRI Kediri
: JL. K.H. Achmad Dahlan No. 76 Telp. : (0354) 771576,
771503, 771495 Kediri

Dengan ini menyatakan bahwa :

a. artikel yang saya tulid merupakan karya saya pribadi (bersama tim penulis) dan
bebas plagiarisme;
b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.

Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila di kemudian hari
ditemukan ketidaksesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain,
saya bersedia bertanggungjawab dan diproses sesuai dengan ketentuan yang berlaku.

Mengetahui Kediri, 07 Agustus 2017

Pembimbing I Pembimbing II Penulis,

Daniel Swanjaya, M.Kom Danang Wahyu Widodo,S.P.,M.Kom Dian Kartika Muhtar

NIDN. 0723098303 NIDN. 0720117501 13.1.03.02.0260

Dian Kartika Muhtar | 13.1.03.02.0260 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 1||
 Simki-Techsain Vol. 01 No. 05 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

REKOMENDASI PAKET MAMIN MENGGUNAKAN METODE

APRIORI ASSOCIATION RULES DI ANGKRINGAN HIK SOLO

Dian Kartika Muhtar

13.1.03.02.0260
Teknik – Teknik Informatika
Diankartika456@gmail.com
Daniel Swanjaya, M.Kom dan Danang Wahyu Widodo,S.P.,M.Kom
UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Ketersediaan data yang banyak dan kebutuhan akan informasi atau pengetahuan sebagai
pendukung pengambilan keputusan untuk membuat solusi bisnis dan dukungan infrastruktur di
bidang teknik informatika merupakan cikal-bakal dari lahirnya teknologi data mining. Penggunaan
teknik data mining diharapkan dapat membantu mempercepat proses pengambilan keputusan lewat
pengetahuan yang didapat.
Tujuan yang hendak ingin dicapai adalah mempermudah dalam memberikan rekomendasi
paket menu yang cocok bagi pelanggan. Sehingga dapat meningkatkan keuntungan.
Teknik penelitian dalam penelitian ini adalah Penelitian Pengembangan atau Rekayasa
Teknologi Informasi dengan subyek transaksi penjualan di Angkringan HIK Solo. Sedangkan untuk
pendekatan menggunakan pendekatan kuantitatif. Jenis pendekatan kuantitatif yang dipilih adalah
noneksperimental berupa deskriptif, komparatif, korelasional, survey, dan histories terhadap objek
penelitian.
Berdasarkan hasil dari rekomendasi paket mamin menggunakan metode apriori association
rules menghasilkan suatu sistem yang dapat memberikan informasi kepada pemilik/owner Angkringan
HIK Solo tentang paket menu makanan dan minuman yang bisa dibuat paketan agar lebih
menguntungkan.

KATA KUNCI : Rekomendasi Paket MAMIN, Metode Association Rules

Dian Kartika Muhtar | 13.1.03.02.0260 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 2||
 Simki-Techsain Vol. 01 No. 05 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

I. LATAR BELAKANG mining. Penggunaan teknik data mining

diharapkan dapat membantu mempercepat
Dalam dunia bisnis yang selalu
proses pengambilan keputusan lewat
dinamis dan penuh persaingan para
pengetahuan yang didapat.
pelakunya harus selalu memikirkan cara-
Angkringan merupakan suatu usaha
cara untuk terus survive dan jika mungkin
yang bergerak di bidang kuliner. Dimana
mengembangkan skala bisnis mereka.
angkringan sendiri menyediakan berbagai
Untuk mencapai hal itu ada tiga kebutuhan
menu makanan serta wedangan yang dapat
bisnis yang dapat dilakukan, yaitu
dinikmati pelanggan dengan harga murah
penambahan jenis maupun peningkatan
serta kualitas rasa yang lezat. Banyaknya
kapasitas produk, pengurangan biaya
pesaing bisnis di bidang kuliner membuat
operasional perusahaan dan peningkatan
pengusaha angkringan harus mampu
efektifitas pemasaran serta keuntungan.
bersaing dengan pengusaha kuliner
Pihak perusahaan mengharapkan
lainnya.
adanya teknologi yang mampu
Angkringan HIK Solo merupakan
menghasilkan suatu informasi yang siap
salah satu usaha bisnis yang bergerak di
digunakan untuk membantu mereka dalam
bidang kuliner, dimana angkringan ini
mengambil keputusan strategis
menyediakan berbagai macam menu
perusahaan. Mereka ingin mengetahui
makanan serta wedangan, mulai dari nasi
produk apa yang harus ditingkatkan,
kucing, gorengan, aneka baceman, aneka
Seberapa besar pencapaian hasil yang
sate, bakaran serta berbagai macam
diperoleh oleh perusahaan. Untuk
wedangan. Permasalahan yang kerap
memenuhi kebutuhan-kebutuhan
muncul di angkringan yakni terdapat
pengusaha di atas, banyak cara yang dapat
beberapa menu makanan dan wedhangan
ditempuh. Salah satunya adalah dengan
yang kurang diminati pelanggan, sehingga
melakukan pemanfaatan data perusahaan
keuntungan yang diperoleh kurang
(Data Mining).
maksimal. Angkringan masih kesulitan
Ketersediaan data yang banyak dan
dalam menentukan menu paket makanan
kebutuhan akan informasi atau
dan minuman untuk kemudian dijadikan
pengetahuan sebagai pendukung
rekomendasi ke pelanggan. Untuk itu
pengambilan keputusan untuk membuat
dibutuhkan metode untuk menyelesaikan
solusi bisnis dan dukungan infrastruktur di
peramasalahan tersebut. Dalam penelitian
bidang teknik informatika merupakan
ini peneliti mencoba mengangkat masalah
cikal-bakal dari lahirnya teknologi data
Dian Kartika Muhtar | 13.1.03.02.0260 simki.unpkediri.ac.id
Teknik – Teknik Informatika || 3||
 Simki-Techsain Vol. 01 No. 05 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

tersebut dengan judul “REKOMENDASI Tahap ini mencari kombinasi item

PAKET MAMIN MENGGUNAKAN yang memenuhi syarat minimum dari nilai
METODE APRIORI ASSOCIATION support dalam basis data. Nilai support
RULES DI ANGKRINGAN HIK SOLO”. sebuah item diperoleh dengan
menggunakan rumus berikut:
II. METODE APRIORI
Support (A) =
ASSOCIATION RULES ∑ Transaksi mengandung A
∑ Transaksi
Algoritma Apriori adalah suatu
algoritma dasar yang diusulkan oleh Sementara, nilai support dari 2 item

Agrawal dan Srikant pada tahun 1994 diperoleh dengan menggunakan rumus :

untuk penentuan frequent itemsets untuk Support (A,B) = P (A∩B)

aturan asosiasi boolean. Algoritma apriori Support (A,B) =
termasuk jenis aturan asosiasi pada data ∑ Transaksi mengandung A dan B
∑ Transaksi
mining.Aturan yang menyatakan asosiasi
Frequent itemset menunjukkan itemset
antara beberapa atribut sering disebut
yang memiliki frekuensi kemunculan
affinity analysis atau market basket
lebihdari nilai minimum yang ditentukan
analysis. Analisis asosiasi atau association
(Ø) .Misalkan Ø = 2, maka semua itemsets
rule mining adalah teknik data mining
yangfrekuensi kemunculannya lebih dari
untuk menemukan aturan suatu kombinasi
atau sama dengan 2 kali disebut frequent.
item (Larose, 2005). Salah satu tahap
Himpunan dari frequent k-itemset
analisis asosiasi yang menarik perhatian
dilambangkan dengan Fk.
banyak peneliti untuk menghasilkan
Setelah semua pola frekuensi tinggi
algoritma yang efisien adalah analisis pola
ditemukan, barulah dicari aturan asosiasi
frequensi tinggi (frequent pattern mining).
yang memenuhi syarat minimum untuk
Penting tidaknya suatu asosiasi dapat
confidence dengan menghitung confidence
diketahui dengan dua tolak ukur , yaitu :
aturan asosiatif A B. Nilai confidence
support dan confidence. Support (nilai
dari aturan A B diperoleh dengan
penunjang) adalah persentase kombinasi
rumus berikut:
item tersebut dalam database, sedangkan
Confidence = P(A\B) =
confidence (nilai kepastian) adalah kuatnya ∑ Transaksi mengandung A dan B
hubungan antar-item dalam aturan asosiasi, ∑ Transaksi mengandung A

(Kusrini, 2009).

Dian Kartika Muhtar | 13.1.03.02.0260 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 4||
 Simki-Techsain Vol. 01 No. 05 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

Untuk menentukan aturan asosiasi Minuman di Angkringan HIK

yang akan dipilih maka harus diurutkan Solo selama satu bulan:
berdasarkan Support × Confidence. Aturan
Tabel 5.2 Transaksi penjualan selama 1
diambil sebanyak n aturan yang memiliki
bulan
hasil terbesar.
T Nama Menu
III. HASIL DAN KESIMPULAN
1 2 3 4 5 6 7 8 9 10
A. Analisa dan Logika Metode 1. 1 0 0 0 0 0 1 0 0 0
2. 0 1 0 0 0 0 0 1 0 0
3. 0 0 1 0 0 0 0 0 1 0
Informasi tentang menu paket 4. 0 0 0 1 0 0 0 0 0 1
5. 0 0 0 0 1 1 0 0 0 0
makanan dan minuman menggunakan 2 6. 1 0 0 0 0 0 1 0 0 0
7. 1 0 0 0 1 0 0 1 0 0
8. 0 1 0 0 0 0 0 0 1 1
variabel, yaitu nama menu transaksi dan 9. 0 1 0 0 0 0 0 0 0 0
10. 0 0 1 0 0 1 0 0 0 0
jumlah transaksi penjualan. Kedua data 11. 0 0 1 0 0 0 0 1 0 0
12. 0 0 0 1 0 0 1 0 0 0
tersebut akan dihitung menggunakan 13. 0 0 0 1 0 0 0 0 1 0
14. 0 0 0 0 1 0 0 0 0 0
metode Apriori Association Rules, berikut 15. 0 0 0 0 1 1 0 0 0 0
16. 0 0 1 0 0 0 0 1 0 0
simulasi dari perhitungan menu paket 17. 0 1 0 0 0 0 1 0 0 0
18. 1 0 0 0 0 0 1 0 0 0
makanan dan minuman menggunakan 19. 0 0 0 1 0 0 0 0 0 1
20. 0 0 0 0 1 0 0 0 1 0
metode Apriori Association Rules. 21. 0 1 0 0 0 0 0 1 0 0
22. 1 0 0 0 0 0 1 0 0 0
23. 0 0 0 1 0 1 0 0 0 0
24. 0 0 0 0 1 0 0 0 0 1
1. Menentukan Menu Makanan dan 25. 0 0 0 1 0 0 0 1 0 0
26. 0 0 1 0 0 1 0 0 0 0
Minuman yang akan dimasukan 27. 1 0 0 0 0 0 0 1 0 0
28. 0 0 1 0 0 0 1 0 0 0
kedalam metode Apriori. 29. 0 0 0 0 1 0 0 0 1 1
30. 0 0 1 0 0 0 0 0 0 0
31. 0 1 0 0 0 0 0 1 0 0
Tabel 5.1 Nama Menu Makanan dan 32. 1 0 0 0 0 0 1 0 0 0
33. 0 0 1 0 0 1 0 0 0 0
Minuman 34. 0 1 0 0 0 0 0 0 1 0
35. 0 0 0 0 1 0 0 0 0 1
Kode Nama Menu 36. 0 0 0 1 0 0 0 1 0 0
1. Sego Kucing 37. 0 0 1 0 0 0 0 0 1 0
38. 0 1 0 0 0 0 0 1 0 0
2. Sego Bantingan 39. 1 0 0 0 0 0 1 0 0 0
3. Sego Oseng Kulit Ayam 40. 0 0 0 1 0 1 0 0 0 0
4. Sego Orek Tempe 41. 0 1 0 0 0 0 0 1 0 0
5. Sego Sambel Teri 42. 0 0 1 0 0 0 0 0 1 0
43. 0 0 0 1 0 0 1 0 0 0
6 Es Teh
44. 0 0 0 0 0 1 0 0 0 0
7. Es Jeruk 45. 0 1 0 0 0 0 0 1 0 0
8. Kopi Joss 46. 0 0 0 0 1 0 0 0 0 1
9. Wedang Jahe 47. 0 0 0 0 1 0 0 1 0 0
10. Kopi Susu 48. 0 0 0 1 0 1 0 0 0 0
49. 0 0 0 1 0 0 1 0 0 0
50. 0 1 0 0 0 0 0 0 1 0
8 1 10 11 9 9 11 13 9 8
1
1 2 20 22 1 18 22 26 18 16
2. Masukkan data transaksi 6 2 8

penjualan Makanan dan 3. Proses pembentukan itemset1:

Dian Kartika Muhtar | 13.1.03.02.0260 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 5||
 Simki-Techsain Vol. 01 No. 05 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

JumlahtransaksimengandungA
Support (A) = Totaltransaksi
T Nama Menu

2,6 2,7 2,8 3,6 3,7 3, 4,6 4,7 4,8

8
Dengan jumlah minimum support >=18% 1. 0 0 0 0 0 0 0 0 0
2. 0 10 1 0 0 0 0 0 0
S(Sego Bantingan) 3. 0 0 0 0 0 0 0 0 0
4. 0 0 0 0 0 0 0 0 0
= 11/50*100= 22% 5. 0 0 0 0 0 0 0 0 0
6. 0 0 0 0 0 0 0 0 0
S(Sego Oseng Kulit Ayam)
7. 0 0 0 0 0 0 0 0 0
= 10/50*100= 20% 8. 0 0 0 0 0 0 0 0 0
9. 0 0 0 0 0 0 0 0 0
S(Sego Orek Tempe) 10. 0 0 0 0 0 0 0 0 0
11. 0 0 0 0 0 1 0 0 0
= 11/50*100= 22% 12. 0 0 0 0 0 0 0 1 0
13. 0 0 0 0 0 0 0 0 0
S(Es Teh)
14. 0 0 0 0 0 0 0 0 0
= 9/50*100= 18% 15. 0 0 0 0 0 0 0 0 0
16. 0 0 0 0 0 1 0 0 0
S(Es Jeruk) 17. 0 1 0 0 0 0 0 0 0
18. 0 0 0 0 0 0 0 0 0
= 11/50*100= 22% 19. 0 0 0 0 0 0 0 0 0
20. 0 0 0 0 0 0 0 0 0
S(Kopi Joss)
21. 0 0 1 0 0 0 0 0 0

= 13/50*100= 26% 22. 0 0 0 0 0 0 0 0 0

23. 0 0 0 0 0 0 1 0 0
24. 0 0 0 0 0 0 0 0 0
25. 0 0 0 0 0 0 0 0 1
Tabel 5.3 Pembentukan 1itemset 26. 0 0 0 1 0 0 0 0 0
27 0 0 0 0 0 0 0 0 0
Itemset Support 28. 0 0 0 0 1 0 0 0 0
29. 0 0 0 0 0 0 0 0 0
Sego Bantingan 22%
30. 0 0 0 0 0 0 0 0 0
Sego Oseng 20% 31. 0 0 1 0 0 0 0 0 0
Kulit Ayam 32. 0 0 0 0 0 0 0 0 0
Sego Orek 22% 33. 0 0 0 1 0 0 0 0 0
Tempe 34. 0 0 0 0 0 0 0 0 0
35. 0 0 0 0 0 0 0 0 0
Es Teh 18%
36. 0 0 0 0 0 0 0 0 1
Es Jeruk 22% 37. 0 0 0 0 0 0 0 0 0
Kopi Joss 26% 38. 0 0 0 0 0 0 0 0 0
39. 0 0 0 0 0 0 0 0 0
40. 0 0 0 0 0 0 1 0 0
41. 0 0 0 0 0 0 0 0 0
4. Proses pembentukan itemset 2 serta 42. 0 0 1 0 0 0 0 0 0
43. 0 0 0 0 0 0 0 1 0
perhitungan support dan confidence
44. 0 0 0 0 0 0 0 0 0

∑ TransaksimengandungAdanB
Support (A,B) = ∑ Transaksi
∑ TransaksimengandungAdanB
Confidence = P(A\B) = ∑ TransaksimengandungA

Tabel 5.4 Proses Pembentukan 2 itemset

Dian Kartika Muhtar | 13.1.03.02.0260 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 6||
 Simki-Techsain Vol. 01 No. 05 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

B. DAFTAR PUSTAKA
45. 0 0 1 0 0 0 0 0 0
46. 0 0 0 0 0 0 0 0 0
47. 0 0 0 0 0 0 0 0 0 Ariwibowo, A. S. (2012). Analisa
48. 0 0 0 0 0 0 1 0 0
49. 0 0 0 0 0 0 0 1 0
Asosiatif Data Mining Untuk
50. 0 0 0 0 0 0 0 0 0 Mengetahui Pola Kecelakaan Lalu
Ju 0 1 6 3 1 2 3 3 2
mla
Lintas. Prodi Teknik Informatika
h UPN “Veteran” Yogyakarta , 117-
Sup 0 2 1 6 2 4 6 6 4
port 2 122.
Co 0 9,0 5 3 10 20 2 30 20
nfid 90 4 0 7
enc 90 , , Fatta. (2007). Analisis & Perancangan
e 9 5 2
4 7
Sistem Informasi . Yogyakarta:
5 2 Andi.
4 7
5 3
Haikal, M. (2017). Implementasi Data
Mining Untuk Memprediksi Hasil
Tabel 5.5 Hasil akhir perhitungan Penjualan Barang Pada Toko Sinar
Menu Paket Confidence Baru Dengan Menggunakan
Mamin Algoritma Apriori. Artikel Skripsi
Sego Bantingan, 54,54% Universitas Nusantara PGRI Kediri
Kopi Joss , 1-8.
Sego Oseng 30%
Kulit Ayam, Es Hastomo, W. (2013). Pengertian dan
Teh kelebihan MySQL. Dipetik 12 19,
Sego Orek 27,27% 2016, dari
Tempe, Es Teh http://hastomo.net/php/pengertian-
Sego Orek 30% dan-kelebihan-database-mysql/
Tempe, Es Jeruk
Kusrini. (2009). Algoritma Data Mining.
Yogyakarta: Andi.
KESIMPULAN Larose. (2005). Data Mining Methods and
Models. Hoboken New Jersey:
Setelah melalui beberapa tahapan Wiley & Sons, Inc.
dalam menyelesaikan Aplikasi Nugraha, F. (t.thn.). Tekno Jurnal. Dipetik
Rekomendasi Paket Mamin. Dihasilkan 12 14, 2016, dari
https://teknojurnal.com/menggunak
suatu Aplikasi Rekomendasi Paket Mamin an-sybase-power-designer-untuk-
yang dapat membantu dalam menentukan perancangan-dan-manajemen-
database/
rekomendasi paket menu makanan dan
Prasetyo, B. (2013, 01 01). Computer And
minuman di Angkringan HIK Solo. Techno. Dipetik 12 16, 2016, dari
Berdasarkan hasil uji coba yang telah http://comput-
techno.blogspot.co.id/2013/01/defi
dilakukan, rekomendasi bulan april nisi-dan-fungsi-mysql-apache-dan-
berbeda dengan bulan mei. php.html
Sophia, D. (2017). Implementasi Metode
Aturan Asosiasi Menggunakan
Algoritma Apriori Pada Data
Transaksi Penjualan di Waroeng
Dian Kartika Muhtar | 13.1.03.02.0260 simki.unpkediri.ac.id
Teknik – Teknik Informatika || 7||
 Simki-Techsain Vol. 01 No. 05 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri

Spesial Sambal. Fakultas Ilmu

Komputer dan Teknologi Informasi,
Universitas Gunadarma , 44-56.
Sutanto, S. E. (2011, 09 13). Dipetik 12 20,
2016, dari
https://sergio4mos.wordpress.com/
2011/09/13/pemodelan-visual-
visual-modeling/
Tyas, E. W. (2008). Penerapan Metode
Association Rule Menggunakan
Algoritma Apriori untuk Analisa
Pola Data Hasil Tangkapan Ikan.
Universitas Brawijaya Malang , 1-
4.
Yanto, R. (2015). Implementasi Data
Mining dengan Metode Algoritma
Apriori dalam Menentukan Pola
Pembelian Obat. Sistem Informasi
STMIK Bina Nusantara Jaya
Lubuklingau , 103-113.

Dian Kartika Muhtar | 13.1.03.02.0260 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 8||