Proposal Tesis Oleh : Devy Rizka Mayadita

BAB I
PENDAHULUAN

1.1 Latar Belakang

Penggalian suatu informasi atau pola yang penting atau menarik dari data dalam jumlah besar
digunakan para pengambil keputusan dalam memanfaatkan gudang data. Proses penggalian ini
menggunakan Teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk
mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai basis data
besar. [1]
Proses penggalian data tersebut dinamakan Data Mining. Data Mining memberikan solusi
dengan menambang informasi dari sekumpulan data yang banyak tersimpan untuk menghasilkan
pengetahuan yang selama ini jarang diketahui. Pengetahuan tersebut akan membantu dalam
mengambil tindakan-tindakan bisnis sebagai upaya pemeliharaan dan peningkatan tingkat
kompetisi bisnis. [2]
Proses Data Mining ini coba diaplikasikan pada sebuah sektor ekonomi yang paling dasar di
masyarakat, yaitu Usaha Mikro, Kecil dan Menengah (UMKM). Hal ini merupakan bagian dari
pemanfaatan teknologi untuk membantu perekonomian masyarakat, terutama pada tingkat yang
paling bawah, dimana UMKM sendiri adalah penopang perekonomian dari Indonesia. Selain itu,
pemanfaatan Data Mining pada UMKM juga merupakan bagian dari upaya menghadapi semakin
ketatnya persaingan dalam dunia perdagangan, terutama menyikapi boomingnya era penjualan
online, seperti online shop, e-market place, e-commerce ataupun usaha lain yang berbasis
teknologi, yang rata-rata dikuasai oleh perusahaan-perusahaan besar. [3]

1
Proposal Tesis Oleh : Devy Rizka Mayadita

Perkembangan penelitian tentang Data Mining yang dimanfaatkan untuk membantu berbagai
usaha dalam tindakan bisnis ditunjukkan pada gambar berikut.

Gambar 1.1 State of Art Penelitian Mengenai Data Mining

[2] [4] [5] [6] [7]

1.2 Rumusan Masalah

1. Bagaimana memanfaatkan data yang didapat dari sekumpulan Usaha Mikro, Kecil dan
Menengah (UMKM) untuk menghasilkan informasi yang berguna dalam menentukan
strategi pemasaran yang tepat bagi UMKM tersebut.

1.3 Tujuan Penelitian

1. Melakukan analisa data dengan proses Data Mining untuk menghasilkan informasi yang
berguna.
2. Informasi yang didapat, dapat diaplikasikan untuk menentukan strategi pemasaran pada
Usaha Mikro, Kecil dan Menengah (UMKM).

2
Proposal Tesis Oleh : Devy Rizka Mayadita

1.4 Batasan Masalah

1. Analisa Data Mining dilakukan pada data yang didapat dari sekumpulan Usaha Mikro,
Kecil dan Menengah (UMKM) di kota Malang yaitu Taman Kuliner Sulfat, berlokasi di
Jalan Sulfat Raya, Purwantoro Blimbing Kota Malang, dengan mengkhususkan pada kedai
atau warung makan bernama Kedai Zahra.

1.5 Kontribusi Penelitian

Informasi yang berguna hasil dari analisa Data Mining yang dapat digunakan untuk
menentukan strategi pemasaran yang tepat pada sebuah Usaha Mikro, Kecil dan Menengah
(UMKM).

3
Proposal Tesis Oleh : Devy Rizka Mayadita

BAB II
TINJAUAN PUSTAKA

2.1 Data Mining

Data Mining adalah proses menemukan hubungan yang berarti, pola, dan kecenderungan
dengan memeriksa dalam sekumpulan besar data yang tersimpan dalam penyimpanan dengan
menggunakan pola seperti teknik statistik dan matematika. Data Mining juga disebut sebagai
serangkaian proses untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak
diketahui secara manual dari suatu kumpulan data. Data Mining sering juga disebut sebagai
Knowledge Discovery in Database (KDD), yaitu kegiatan yang meliputi pengumpulan, pemakaian
data, historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar.
Selain itu, Data Mining didukung oleh ilmu lain seperti neural network, pengenalan pola, spatial
data analysis, image database, signal processing, dan lain-lain. [1]
Secara umum, tugas Data Mining dapat diklasifikasikan dalam dua kategori yaitu deskriptif
dan prediktif. Tugas menambang secara deskriptif adalah untuk mengklasifikasikan sifat umum
suatu data di dalam database. Tugas Data Mining secara prediktif adalah untuk mengambil
kesimpulan terhadap data terakhir untuk membuat prediksi. [8]

4
Proposal Tesis Oleh : Devy Rizka Mayadita

Berikut gambar bagaimana Data Mining terjadi:

Gambar 2.1 How Data Mining Takes Place

[9]

Pola-pola dalam Data Mining:

1) Konsep/Class Description
Data diasosiasikan dengan pembagian class atau konsep. Hal tersebut sangat berguna
untuk menggambarkan pembagian class secara individual dan konsep secara ringkas.
Deskripsi suatu class atau konsep seperti itu disebut sebagai class/concept description.
2) Association Analysis
Association Analysis adalah penemuan association rules yang menunjukkan nilai kondisi
suatu attribute yang terjadi bersama-sama secara terus-menerus dalam memberikan set
data. Association Analysis secara luas digunakan untuk market basket atau analisa data
transaksi.

5
Proposal Tesis Oleh : Devy Rizka Mayadita

3) Klasifikasi dan Prediksi

Klasifikasi dan prediksi memerlukan analisa yang relevan, dan mengidentifikasi atribut-
atribut yang tidak ditambahkan pada proses klasifikasi dan prediksi. Atribut-atribut ini
kemudian dapat dikeluarkan.
4) Cluster Analysis
Clustering menganalisa objek data tanpa mencari keterangan pada label kelas yang
diketahui. Clustering dapat digunakan untuk menghasilkan label-label.
5) Outliner Analysis
Outliner dapat dideteksi menggunakan tes yang bersifat statistik yang mengambil sebuah
distribusi atau probabilitas model untuk data, atau menggunakan langkah-langkah jarak
jauh dimana objek yang penting jauh dari cluster lainnya dianggap sebagai outliner.
Sebuah database mungkin mengandung objek data yang tidak mengikuti tingkah laku
umum atau model dari data. Data inilah yang disebut sebagai outliner.
6) Evolution Analysis
Evolution Analysis menggambarkan ketetapan model atau kecenderungan objek yang
memiliki kebiasaan berubah setiap waktu. [8]

Tahapan proses Data Mining ada lima, yaitu:

1) Data Selection
Pemilihan (seleksi) data dari sekumpulan data operasional.
2) Pre-processing/Cleaning
Proses menghilangkan noise, membuang duplikasi data, memeriksa data yang tidak konsisten,
dan memperbaiki kesalahan pada data.
3) Transformation Data
Proses perubahan data atau transformasi data dari data yang telah dipilih, sehingga data tersebut
sesuai untuk proses Data Mining.

6
Proposal Tesis Oleh : Devy Rizka Mayadita

4) Data Mining
Proses mencari pola atau informasi yang menarik dalam data yang telah dipilih, dengan
menggunakan metode tertentu.
5) Interpretation/Evaluation
Proses pemeriksaan apakah informasi yang ditemukan sudah sesuai dengan fakta atau hipotesis
yang ada sebelumnya

2.2 Decision Tree

Decision tree merupakan salah satu Teknik klasifikasi untuk sejumlah kelas berhingga, dimana
simpul internal maupun simpul akar ditandai dengan nama atribut, rusuk-rusuknya diberi label
nilai atribut yang mungkin dan simpul daun ditandai dengan kelas-kelas yang berbeda. Objek atau
record diklasifikasikan dengan mengikuti jalur (path) yang dimulai dari simpul akar (root), sesuai
dengan nilai atribut dalam record tersebut. Decision Tree dibangun berdasarkan algoritma
induksi.
Decision Tree merupakan metode yang mengubah data menjadi pohon keputusan dan aturan-
aturan keputusan yang dijelaskan sesuai dengan keinginan pengguna. [1]
Konsep data dalam decision tree dapat digambarkan sebagai berikut:
1) Data dinyatakan dalam bentuk tabel dengan attribute dan record.
2) Attribute menyatakan suatu parameter yang dibuat sebagai kriteria pembentukan tree. Salah
satu attribute merupakan attribute yang menyatakan data solusi per satuan data, yang disebut
sebagai attribute target.
3) Attribute memiliki nilai yang dinamakan dengan instance

7
Proposal Tesis Oleh : Devy Rizka Mayadita

BAB III
METODOLOGI PENELITIAN

Metode umum pada penelitian ini adalah studi literatur terkait dengan analisa data yang
akan dilakukan, kemudian dilakukan pengambilan data yang diperlukan. Setelah dataset tersedia,
dilakukan analisa data. Informasi yang dihasilkan dari analisa data, akan digunakan untuk
merancang simulasi yang diperlukan.

8
Proposal Tesis Oleh : Devy Rizka Mayadita

Gambar 3.1 Alur Tahapan Penelitian

9
Proposal Tesis Oleh : Devy Rizka Mayadita

Bagan proses Data Mining pada penelitian ini ditunjukkan pada gambar berikut

target data preprocessed transformed INFORMATION

database pattern or KNOWLEDGE
data data
•dataset • preprocessing • transformation • DATA MINING
•seleksi (dengan metode
yang tree decision)
data diperlukan

Gambar 3.2 Proses Data Mining

Tahapan-tahapan yang dilakukan pada proses Data Mining atau Knowledge Data Discovery
(KDD) adalah sebagai berikut:
1) Build Data Mining Database
Tujuan tahapan ini adalah membuat database yang digunakan dalam proses Data Mining.
Adapun hal-hal yang perlu dipenuhi adalah data collection data description, data selection,
data quality assessment, dan data cleansing. Perlu juga diperhatikan algoritma C.45 atau J.48
dalam pembuatan keputusan Decision Tree.
2) Data Explore (Target Data)
Pada tahapan ini dilakukan penelitian dan identifikasi informasi penting mengenai data yang
digunakan pada saat pencarian pengetahuan atau informasi dalam proses Data Mining. Hasil
dari pengerjaan di tahapan ini dapat digunakan sebagai pemenuhan kebutuhan informasi yang
diperlukan oleh UMKM.
3) Prepare Data for Modelling – preprocessed data – transformed data (selection data)
Jika data yang digunakan adalah seluruh big data, karena hal itu akan mengurangi tingkat
akurasi pada tools Data Mining. Untuk itu, diperlukan proses selection data yang disiapkan
untuk aplikasi yang akan digunakan. Selection data yang telah dilakukan, kemudian mulai
dilakukan pemodelan dengan algoritma yang dipilih.
4) Build Model (make a pattern)
Tahap ini sudah memasuki olah data dengan algoritma yang dipilih, dengan tingkat akurasi
yang tinggi. Hasil informasi kemudian diaplikasikan pada aplikasi berbasis web sederhana.

10
Proposal Tesis Oleh : Devy Rizka Mayadita

Berikut adalah Diagram blok perancangan aplikasi hasil dari analisa Data Mining pada penelitian
ini:

INFORMATION/KNOWLEDGE DITAMPILKAN DALAM WEB

PREDIKSI POTENSI PEMASARAN
(dari proses Data Mining) SEDERHANA

Gambar 3.3 Diagram Blok Perancangan Aplikasi berbasis Web

11
Proposal Tesis Oleh : Devy Rizka Mayadita

BAB IV
PENJADWALAN DAN TARGET TERCAPAI

4.1 Semester 1
Target Capaian Mulai Akhir Keterangan
Studi Literatur:
Mengumpulkan jurnal terkait, Minggu 1 Minggu 4 Studi Literatur
artikel
1. Perancangan Metode Koordinasi dengan Dosen
Minggu 4 Minggu 8
2. Penulisan Proposal Pembimbing
Persiapan Proposal dan
Sidang Proposal Minggu 9 Minggu 9
materi presentasi
Perbaikan Proposal Minggu 9 Minggu 16 Perbaikan Proposal

4.2 Semester 2
Target Capaian Mulai Akhir Keterangan
Teknik Pengumpulan Data Minggu 1 Minggu 4 Studi Literatur
Proses Pengumpulan Data Minggu 1 Minggu 4 Pengambilan data terbaru
Dilakukan analisa data,
Proses Analisa Data Minggu 5 Minggu 8 koordinasi dengan Dosen
Pembimbing
Simulasi dari Analisa Data Minggu 9 Minggu 10 Siapkan Presentasi
Seminar/Jurnal
Publikasi Minggu 9 Minggu 16
Internasional
Sidang Progress 1 Minggu 16 Minggu 16 Siapkan Presentasi

4.3 Semester 3
Target Capaian Mulai Akhir Keterangan
Mengumpulkan jurnal dan
Minggu 1 Minggu 4 Studi Literatur
artikel terkait
Analisa lanjutan untuk Proses Coding, koordinasi
Minggu 5 Minggu 10
diaplikasikan dalam sistem dengan Dosen Pembimbing
Perancangan sistem dalam Proses simulasi, evaluasi,
aplikasi sederhana, misal web Minggu 10 Minggu 16 koordinasi dengan Dosen
dengan local network Pembimbing
Sidang Progress 2 Minggu 16 Minggu 16 Siapkan Presentasi

12
Proposal Tesis Oleh : Devy Rizka Mayadita

4.4 Semester 4
Target Capaian Mulai Akhir Keterangan
Koordinasi dengan Dosen
Penyusunan Tesis Minggu 1 Minggu 16
Pembimbing
1. Ujicoba sistem pada
Seminar/Jurnal
UMKM Minggu 3 Minggu 7
Internasional
2. Publikasi
1. Persiapan Sidang Koordinasi dengan Dosen
Minggu 8 Minggu 9
2. Evaluasi sistem Pembimbing
1. Finalisasi Tesis
Koordinasi dengan Dosen
2. Analisa Sistem yang Minggu 9 Minggu 16
Pembimbing
telah diuji coba
Sidang Tesis Minggu 16 Minggu 16 Siapkan Presentasi

13
Proposal Tesis Oleh : Devy Rizka Mayadita

BAB V
ORGANISASI TESIS

Susunan bab dan pembahasan tesis yang direncanakan adalah sebagai berikut:
Berisi pendahuluan dan kajian pustaka tentang Data Mining dan
Bab 1 pemanfaatannya bagi Unit Mikro, Kecil dan Menengah (UMKM) pada
masyarakat.
Penjelasan Metode yang digunakan dan juga penjelasan tentang proses
Bab 2
analisa data yang digunakan akan dibahas lengkap.
Pada bab ini, implementasi metode yang digunakan dan aplikasi yang akan
Bab 3
dibuat serta pengumpulan data dan analisa data yang dilakukan.
Hasil dari pengumpulan data dari seluruh sistem yang dianalisa, desain
Bab 4
aplikasi, dan hasil pengujiannya.
Bab 5 Penutup dan Kesimpulan Tesis

14
Proposal Tesis Oleh : Devy Rizka Mayadita

DAFTAR PUSTAKA

[1] G. Schuh, G. Reinhart, J.-P. Prote, F. Sauermann, J. Horsthofer, F. Oppolzer and D. Knoll, "Data
Mining Definitions and Applications for The Management of Production Complexity," in 52nd CIRP
Conference on Manufacturing Systems, 2019.

[2] A. T. Maulida, "Analisa Data Mining Menggunakan Algoritma Frequent Pattern Growth pada Data
Transaksi Penjualan Restoran Joglo Kampoeng Doeloe Semarang," Universitas Dian Nuswantoro,
Semarang, 2014.

[3] M. Rahadhini, "Pemberdayaan UMKM Melalui Pusat Komunikasi Bisnis Berbasis Web (E-
Commerce)," Jurnal Ekonomi dan Kewirausahaan, vol. 12, no. 1, pp. 12-21, 2015.

[4] B. A. Tama, "Data Mining for Predicting Customer Satisfaction in Fast-Food Restaurant," Journal of
Theoretical and Applied Information Technology, vol. 75, no. 1, p. 18, 2015.

[5] A. K. Varudharajulu and Y. Ma, "Featured-based Restaurant Customer Reviews Process Model using
Data Mining," University of Alberta, Edmonton, AB, Canada, 2015.

[6] D. F. C. P. Ali, "Penerapan Data Mining untuk Menentukan Strategi Penjualan dengan Algoritma
Apriori di Cafe Kennedy," 2017.

[7] Gayathri, "Data Mining of Restaurant Review using WEKA," International Journal of Engineering
and Techniques, vol. 4, no. 3, p. 642, 2018.

[8] A. Fadli, "www.ilmukomputer.com," 2015. [Online]. Available: www.ilmukomputer.com. [Accessed

10 September 2019].

[9] IBM, "www. ibm.com," IBM, 2012. [Online]. Available:

www.ibm.com/support/knowledgecenter/en/SSEPGG_9.5.0/com.ibm.im.easy.doc/c_dm_process.html..
[Accessed 10 September 2019].

15