ABSTRAK
Semakin ketatnya persaingan dalam perdagangan, mau tidak mau harus menerapkan strategi
dagang yang kreatif. Salah satunya adalah dengan menjual dua atau tiga produk dalam satu paket
penjualan sekaligus. Dalam pengerjaan skripsi ini,penulis menggunakan metode apriori untuk melakukan
pengolahan data. Adapun hasil yang akan didapatkan oleh metode ini adalah nilai support, confidence dan
final role atau nilai akhir. Pada tahap pengujian, nilai support, nilai confidence yang ditentukan oleh
pengguna akan menghasilan final role atau nilai akhir yang berbeda di setiap produk yang
dikombinasikan berdasarkan pengolahan data, dan dapat menjadi acuan untuk menenentukan produk yang
akan dijual secara bundling
Kata kunci : Sistem Pendukung Keputusan, Bundling Produk, Algoritma Apriori, Frequent Itemset.
ABSTRACT
Increasing competition in trade, one has to implement creative strategy in trading. One way is to
sell two or three products in one package at the same time of sales. In this thesis, the author uses a priori
method to perform data processing. As for the result obtained by this method is the value of the support,
confidence and role final or final value. In the testing phase, the value of the support, confidence values
specified by the user produces a final role or a different value at the end of each product that combined
based on the processing of data, and can be a reference for the product to be sold
Keywords : Decision Support System, Product Bundling, Apriori algorithm, Frequent Itemset.
1
Kendala utama yaitu menciptakan kecocokan produk menjadi satu paket, agar menarik minat
dari penggabungan dua atau lebih product yang customer untuk membeli produk yang akan
berbeda. Konsumen tentunya mempunyai dijual oleh suatu perusahaan.
harapan dengan product yang dibelinya agar
memiliki nilai dan manfaat yang sesuai atau 2.3 Metode Apriori
lebih dengan kebutuhan mereka. Penggabungan Algoritma apriori sendiri termasuk dalam jenis
dua product yang baik, selanjutnya dapat aturan asosiasi pada data mining. Aturan yang
memberikan nilai tambah, dan dapat dirasakan menyatakan asosiasi antara beberapa atribut
manfaatnya dengan baik oleh konsumen sering disebut affinity abalysis atau market
Beberapa dari metode sebelumnya melakukan basket analysis. Analisis asosiasi atau
pencarian itemset dengan pendekatan graf association data mining adalah teknik data
asosiasi yang memiliki kelemahan pada mining untuk menemukan aturan suatu
penggunaan memori yang besar. Keterbatasan kombinasi item. Salah satu tahapan analisis
memori jelas akan mempengaruhi banyaknya asosiasi yang menarik perhatian banyak peneliti
item yang bisa diproses. Lebih jauh lagi, untuk menghasilkan suatu algoritma yang efisien
sebagian besar pendekatan menggunakan adalah analisis pola frekwensi tinggi ( frequently
struktur data internal sangat rumit yang tidak pattern mining). Penting tidaknya suatu asosiasi
bersifat lokal dan membutuhkan tambahan dapat diketahui dari dua hal yang menjadi tolak
sumber daya dan banyak komputasi ukur, yaitu : support dan confidence. Support (
nilai penunjang) adalah presentase kombinasi
2. Tinjauan Pustaka item tersebut dalam database, sedangkan
2.1 Pengertian DSS confidence ( nilai kepastian ) adalah kuatnya
Menurut paper yang ditulis oleh Dina Andayati hubungan antar-item dalam aturan asosiasi
(2010), Decision Support System adalah bagian (Pane, Dewi kartika. 2013)
dari sistem informasi berbasis komputer
(termasuk sistem berbasis pengetahuan) yang 3. Pembahasan
dipakai untuk mendukung pengambilan UD Satelit Jaya adalah sebuah perusahaan
keputusan dalam suatu organisasi atau dagang yang sedang berkembang dari waktu ke
perusahaan. Dapat juga dikatakan sebagai sistem waktu. Seiring dengan meningkatnya jenis
komputer yang mengolah data menjadi barang, tentunya akan ada barang yang sangat
informasi untuk mengambil keputusan dari diminati konsumen dan ada barang yang kurang
masalah semi terstruktur yang spesifik. diminati konsumen. Barang yang kurang
diminati konsumen tentunya akan lambat sekali
2.2 Pengertian Bundling Penjualan perputaran di gudang. Hal ini menyebabkan stok
product bundling adalah strategi untuk barang di gudang menumpuk bahkan ada
menggabungkan penjualan beberapa produk beberapa yang mendekati tanggal kadaluwarsa.
menjadi satu paket penjualan. (Sartika R. Dalam perkembangannya, tercetuslah ide untuk
Handayani 2010 ). Strategi ini sangat umum membundling barang yang sangat diminati
digunakan dalam bisnis. Strategi ini akan konsumen dan barang yang kurang diminati
memiliki tingkat keberhasilan tinggi apabila: konsumen. Selama ini sistem yang digunakan
Biaya produksi rendah, Pangsa pasar cukup adalah coba coba dan suka suka. Sistem coba
besar, Konsumen berminat karena ada unsur coba yaitu sekedar membundling satu barang
penyederhanaan dalam proses pembelian produk yang diminati dan satu barang yang kurang
dan dapat mengambil manfaat dari pembelian diminati, hasilnya adalah barang yang diminati
produk, rata-rata marginal cost yang rendah menjadi kurang diminati. Sistem suka suka
Produk bundling sangat tepat untuk produk yang adalah sistem paket tidak menentu, sesuka
memiliki volume penjualan dan tingkat pimpinan dan kondisional. Maka dari itu
keuntungan yang tinggi. Jadi bisa disimpulkan dibutuhkanlah sebuah sistem yang dapat
dari kedua teori diatas bahwa produk bundling memberikan analisa bundling suatu produk.
merupakan salah satu dari strategi sales Kebutuhan sistem baru yang akan digunakan
promotion yang bertujuan untuk menjual dua adalah sebagai berikut, admin yang menentukan
2
data barang yang diinputkan, meliputi kode, 3.3 Conceptual Data Modeling
nama barang, harga pembelian dan harga jual.
Sedangkan kasir bertugas melayani pembeli
sekaligus sebagai penginput data transaksi. Dan
terakhir pimpinan dapat melihat hasil reporting
sistem berupa penentuan bundling.
ADMIN
- Input Master barang
KEPUTUSAN
Akan Di Bundling
Gambar 3 Conceptual Data Modeling
- input penjualan
PENENTUAN BUNDLING Dari gambar diatas terdapat beberapa relasi,
KASIR
diantaranya adalah dari tabel barang dengan
tabel detail transaksi, dan tabel transaksi dengan
- hasil keputusan bundling
PIMPINAN
detail transaksi, relasi pertama dari tabel
transaksi dengan detail transaksi relasinya
Gambar 1 Context Diagram adalah one to many, dimana satu no_nota dapat
Diagram konteks berikut menjelaskan bahwa digunakan berkali kali di tabel detail_transaksi.
arus data secara umum yang melibatkan tiga Relasi kedua adalah tabel barang dengan
entitas. Yaitu : Admin, Kasir dan Pimpinan. detail_transaksi, dimana satu kode barang dapat
Aliran output dari admin adalah input master digunakan berkali kali di tabel detail transaksi
barang. Aliran output dari kasir adalah input
penjualan, dan aliran input ke pimpinan adalah 3.4 Physical Data Modeling
laporan dari hasil pengolan sistem. Pimpinan
memberikan input ke sistem bundling ini dengan
memilih jumlah item yang akan dikombinasikan.
Dan jenis item yang akan di bundling
Kasir 2 Transaksi
Login
Transaksi
kasir Penjualan
Pimpinan
3
3.5 Flowchart
Mulai
3.6 Sistem Bundling Menggunakan metode Selanjutnya menentukan nilai support dengan
Apriori menghitung jumlah transaksi yang mengandung
Algoritma Apriori dibagi menjadi beberapa item A dibagi dengan jumlah transaksi yang ada,
tahap yang disebut iterasi atau pass. Tiap iterasi maka didapat :
menghasilkan pola frekuensi tinggi dengan
panjang yang sama dimulai dari pass pertama Tabel 2. Tabel Nilai Support
yang menghasilkan pola frekuensi tinggi dengan No Jenis Barang Jml Sup
panjang satu. Di iterasi pertama ini, support dari 1. Gula, Kopi 5 25 %
setiap item dihitung dengan men-scan database. 2. Gula,Permen 1 5%
Setelah support dari setiap item didapat, item 3. Gula, Susu 4 20 %
yang memiliki support diatas minimum support 4. Permen. Marie 3 5%
dipilih sebagai pola frekuensi tinggi dengan 5. Permen, Sikat gigi 1 5%
panjang 1 atau sering disingkat 1-itemset. 6. Permen, Kacang Kulit 1 5%
Singkatan k-itemset berarti satu set yang terdiri 7. Kopi, Susu 1 5%
dari k item 8. Marie, Susu 1 5%
9. Sikat gigi, pasta gigi 2 10 %
Rumus dari metode apriori adalah : 10. Pasta gigi, susu 1 5%
4
Setelah mendapat nilai support maka langkah Terdapat kontrol data grid yang digunakan
selanjutnya adalah mencari nilai confidence untuk menampilan seluruh data barang.
dengan mencari banyaknya kemunculan item A
dan B pada satu nota, maka didapat : 3.7.2 Form Transaksi
5
Form diatas untuk menghitung nilai kombinasi Fauzi, Usman. 2009. Sistem Pendukung
bundling dengan 3 kombinasi item Keputusan prediksi Kelulusan Siswa-
Siswi SMK 1 Blitar Menggunakan
4 Kesimpulan Metode Naïve Bayes. Malang.
Aplikasi yang dibuat untuk mendukung Setiyaningsih, Wiji. 2012. Mata Kuliah
keputusan owner dalam mentukan bundling Decision Support System Metode Apriori.
penjualan barang, selain itu, dapat juga sebagai Fakultas Teknologi Informasi Universitas
parameter dalam tata letak barang, dan Kanjuruhan Malang.
pembelian barang, sehingga dapat Tim penyusun. 2008. Kamus Besar Bahasa
mengoptimalkan laba yang diperoleh. Indonesia. Pusat Bahasa Departemen
Pendidikan Nasional. Jakarta.
5 Saran Adelia, Jimmy Setiawan. 2011. Implementasi
Berikut merupakan beberapa saran untuk Customer Relationship Management
pengembangan sistem di masa yang akan (CRM) Sistem Reservasi Hotel berbasisi
datang, berdasar pada hasil perancangan, Website dan Desktop. Bandung
implementasi, dan uji coba yang telah Jogiyanto Hartono Mustakini. 2006. Strategic
dilakukan : Information System for Competitive
1. Kiranya perlu dilakukan pengembangan Advantage. Andi Offset. Yogyakarta.
aplikasi penentuan bundling yang lebih Sidik, Betha. 2005. Mysql Untuk Pengguna,
efektif dan efisien, seperti dengan Administrator, dan. Pengembangan Web.
menambahkan dan menggali lebih dalam Informatika, Bandung.
lagi mengenai data-data dan kriteria-kriteria Imam Suja. 2008. Pemrograman SQL &
lainnya yang berhubungan dengan metode Database Server MySQL. ANDI Offset.
Apriori Yogyakarta.
2. Sistem ini hanya dapat digunakan dengan
bahasa yang baku, diharapkan di masa
mendatang akan bisa lebih dikembangkan
lagi yang juga dapat menggunakan bahasa
yang tidak baku.
3. Menyempurnakan dan dilakukan
pengembangan program sejenis dengan
permasalahan yang lebih luas.
4. Pada sistem ini, jumlah kombinasi item
masih ditentukan, sehingga dapat
dimungkinkan di masa mendatang dengan
tanpa batasan item.
6 Daftar Pustaka
Andayati, Dina. 2010. Sistem Pendukung
Keputusan Pra-Seleksi Penerimaan Siswa
Baru (PSB) On-Line Yogyakarta. Institut
Sains dan Teknologi AKPRIND. Vol.3,
No. 2. Yogyakarta.
Wahana komputer, 2009, Seri Penuntun Praktis :
Microsoft Visual Basic 6, yogyakarta
Syafrizal , Melwin. 2005. MANAGERIAL
DECISION MAKING AND DECISION
SUPPORT SYSTEM.
http://library.gunadarma.ac.id/files/disk1/5/
jbptgunadarma-gdl-course-2005-
timpengaja-202-dss.doc.