Abstrak
Apotik Diory merupakan pelayanan produk dan jasa yang dikaitkan dengan masyarakat. Pengolahan
Apotik adalah segala kegiatan yang dilakukan oleh seorang Apoteker dalam rangka tugas dan fungsi Apotik
yang meliputi perusahaan mulai dari stok obat, stok bahan racikan, pembelian dan penjualan. Oleh karena itu
penelitian ini bertujuan untuk mendapatkan korelasi penjualan produk yang sering dibeli secara kebersamaan
dalam suatu waktu.
Penelitian ini menggunakan proses data mining dengan metode Assosiation Rule dan Apriori. Assosiation
Rule merupakan perhitungan support dan confidence dari suatu kombinasi item sedangkan Apriori
merupakan pengambilan data dengan aturan asosiatif (Assosiatio Rule).
Sistem ini menggunakan bahasa pemrograman Visual Basic 6.0 dan database MySQL.
2. Memberi solusi kepada direktur dalam Menurut Fajar Astuti Hermawati (2013)
menentukan strategi pemasaran dan Definisi sederhana dari data mining adalah proses
keterkaitan antar produk obat yang dibeli yang mempekerjakan satu atau lebih teknik
oleh konsumen sehingga meningkatkan pembelajaran komputer (machine learning) untuk
pelayanan kepada konsumen. menganalisa dan mengekstraksi pengetahuan
3. Melihat hasil analisa algoritma Apriori (knowledge) secara otomatis. Defenisi lain
dalam korelasi penjualan produk obat untuk diantaranya adalah pembelajaran berbasis induksi
menentukan algoritma yang terbaik. adalah proses pembentukan defenisi-defenisi
1.2. Manfaat Penelitian konsep yang dilakukan dengan cara
Adapun manfaat hasil yang didapat dari mengobservasi contoh-contoh spesifikasi dari
tujuan penelitian ini sebagai berikut : konsep-konsep yang akan dipelajari. Knowledge
1 Dapat memudahkan dalam pengambilan Discovery in Database (KDD) adalah penerapan
keputusan untuk mengetahui informasi metode pada data mining. Dalam konteks ini data
pembelian produk yang sering dibeli oleh mining merupakan satu langkah dari proses KDD.
konsumen secara bersamaan. Tujuan dari data mining adalah untuk
2 Untuk mengetahui pencarian data yang memungkinkan sebuah perusahaan untuk
sering muncul (frequent itemset) kemudian meningkatkan pemasaran, penjualan, dan operasi
dapat diambil kesimpulan. dukungan pelanggan melalui pemahaman yang
Untuk mengatur tata letak produk yang sering lebih baik dari pelanggannya.
dibeli secara kebersamaan, oleh konsumen a. Aturan Asosiasi (Association Rule)
supaya diletakkan secara berdekatan. Menurut (Kusrini, & Emha Taufiq Luthfi.
2009) Aturan asosiasi (association rule) adalah
II LANDASAN TEORI teknik data mining untuk menemukan aturan
2.1. Analisa asosiatif antara suatu kombinasi data mining
Analisa adalah laporan keuangan yang untuk menemukan aturan asosiatif antara suatu
bertujuan untuk mendapatkan informasi kombinasi item. Aturan asosiasi (association
perkembangan keadaan keuangan perusahaan rules) atau analisis afinitas (affinity analysis)
dengan cara membandingkan laporan keuangan berkenaan dengan studi tentang ‘apa bersama
antara dua periode atau lebih. Analisis apa’. Ini bisa berupa studi transaksi di
perbandingan dapat dibedakan menjadi 2 jenis supermarket, misalnya seseorang yang membeli
yaitu : susu bayi juga membeli sabun mandi. Di sini
1. Analisis Perubahan (naik turun) berarti susu bayi bersama dengan sabun mandi.
Untuk melihat perubahan keuangan dalam dua Karena awalnya berasal dari studi tentang
atau tiga periode laporan keuangan. database transaksi konsumen untuk menentukan
2. Analisis Kecenderungan (Trend) kebiasaan suatu produk dibeli bersama produk
Untuk melihat kecenderungan arah posisi apa, maka aturan asosiasi juga sering dinamakan
keuangan dalam waktu lebih dari tiga periode market basket analysis.
laporan keuangan. Biasanya menggunakan Tujuan dari Market Basket Analysis ini
angka indeks. adalah untuk menentukan produk-produk apa saja
2.2. Pengertian Perancangan yang paling sering dibeli oleh para konsumen.
Perancangan merupakan proses pemecahan Gambaran mengenai market basket analysis dapat
masalah yang disertai dengan pemikiran yang dilihat dalam gambar berikut :
kreatif guna mencapai hasil yang optimal. Kata
perancangan atau dalam bahasa Inggris ”Design”
mempunyai arti ”to plan and manage everything
to be better”, merencanakan atau mengatur segala
sesuatu agar menjadi lebih baik.
a. Pengertian Aplikasi
Aplikasi merupakan suatu program
komputer yang dibuat untuk mengerjakan atau
menyelesaikan masalah-masalah khusus (Kamus
Lengkap Dunia Komputer, 2006). Aplikasi adalah
masalah yang memakai teknik pemrosesan data
aplikasi biasanya mengacu pada komputer yang
diinginkan, pemrosesan data (Kamus Komputer
Eksekutif, 2005). Aplikasi adalah sebuah kegiatan
pengolahan data suatu urusan tertentu dari sebuah
perusahaan.
3.2. Data Mining
Gambar 2.1. Market Basket Analysis C2 dari kombinasi semua 1-itemset. Lalu untuk
untuk memahami item apa saja yang tiap kandidat 2-itemset ini dihitung support-nya
mungkin dibeli secara bersamaan dengan men-scandatabase. Support disini artinya
Pada Gambar 3.1 dijelaskan bahwa sebuah jumlah transaksi dalam database yang
keranjang diisi dengan berbagai produk yang mengandung kedua item dalam C2. Setelah
dibeli oleh seseorang di supermarket. Keranjang support dari semua C2 didapatkan, C2 yang
ini berisi berbagai macam produk yaitu jus jeruk, memenuhi syarat minimum support dapat
pisang, soda, pembersih jendela, dan deterjen ditetapkan sebagai 2-itemset yang juga
yang memberitahu kita apa yang pelanggan beli merupakan pola frekuensi tinggi dengan panjang
pada satu perjalanan. Satu keranjang 2 atau Large 2-itemset (L2).
menceritakan tentang salah satu pelanggan, tetapi Untuk selanjutnya pada iterasi ke-
semua pembelian yang dilakukan oleh semua k dapat dibagi lagi menjadi beberapa
pelanggan memiliki informasi lebih banyak. bagian :
Pelanggan tidak semua sama. Setiap pelanggan 1. Pembentukan kandidat itemset, Kandidat k-
membeli satu set produk yang berbeda, dalam itemset (Ck) dibentuk dari kombinasi (k-1)-
jumlah yang berbeda, pada waktu yang berbeda itemset yang didapat dari iterasi
selama seminggu. Analisa keranjang pasar sebelumnya. Hal ini disebut juga dengan
memberikan wawasan ke dalam produk dagangan proses join. Setelah proses join dilakukan,
dengan menceritakan produk yang cenderung selanjutnya proses prune yang bertujuan
sering dibeli secara bersama-sama. untuk menghasilkan Lk. Proses prune
Bentuk umum aturan (rule) : “A B” merupakan proses pemangkasan kandidat k-
dibaca “Jika A, maka B” [3]. itemset yang subset-nya yang berisi (k-1)-
Penjelasan : A = antecendent item yang tidak termasuk dalam pola
B = consequent frekuensi tinggi dengan panjang k-1.
Contoh aturan dalam penjualan : 2. Tetapkan pola frekuensi tinggi. Pola
Jika x membeli roti tawar, maka x akan frekuensi tinggi yang memuat k-item atau k-
membeli selai (roti tawar selai) itemset yang ditetapkan dari kandidat k-
Jika x membeli membeli deterjen, maka x itemset yang support-nya lebih besar dari
akan membeli pelembut pakaian minimum support. Bila tidak didapat pola
(deterjenpelembut pakaian) frekuensi tinggi baru maka seluruh proses
b. Algoritma Apriori dihentikan. Bila tidak, maka k ditambah satu
Menurut (Kusrini, & Emha Taufiq Luthfi. dan kembali ke bagian 1.
2009) Algoritma apriori adalah jenis aturan c. Analisis Asosiasi dengan Algoritma
asosiasi pada data mining. Algoritma ini Apriori
ditujukan untuk mencari kombinasi itemset yang Analisis asosiasi atau association rule
mempunyai suatu nilai keseringan tertentu sesuai mining adalah teknik data mining untuk
kriteria atau filter yang diinginkan. Algoritma ini menemukan aturan asosiatif antara suatu
diajukan oleh R. Agrawal dan R. Srikant tahun kombinasi item. Contoh dari aturan asosiatif dari
1994. analisis pembelian di suatu pasar swalayan adalah
Hasil dari algoritma ini dapat digunakan mengetahui besarnya kemungkinan seorang
untuk membantu dalam pengambilan keputusan pelanggan untuk membeli roti bersamaan dengan
pihak manajemen. Algoritma apriori melakukan keju. Dengan pengetahuan tersebut, pemilik pasar
pendekatan iteratif yang dikenal dengan swalayan bisa mengatur penempatan produknya
pencarian level-wise, dimana k-itemset digunakan atau merancang kampanye pemasaran
untuk mengeksplorasi atau menemukan (k+1)- menggunakan kupon diskon untuk kombinasi
itemset. Oleh karena itu, algoritma apriori dibagi produk tertentu.
menjadi beberapa tahap yang disebut iterasi. Tiap Analisis asosiasi menjadi terkenal karena
iterasi menghasilkan pola frekuensi tinggi dengan aplikasinya untuk menganalisis isi keranjang
panjang yang sama dimulai dari iterasi pertama belanjaan di pasar swalayan. Analisis asosiasi
yang menghasilkan pola frekuensi tinggi dengan juga sering disebut dengan istilah market
panjang satu. basketanalysis. Analisis asosiasi dikenal juga
Di iterasi pertama ini, support dari setiap sebagai salah satu teknik data mining yang
item dihitung dengan men-scandatabase. Setelah menjadi dasar dari berbagai teknik data mining
support dari setiap item didapat, item yang lainnya. Khususnya, salah satu tahap dari analisis
memiliki support diatas minimum support dipilih asosiasi yang disebut analisis pola frekuensi
sebagai pola frekuensi tinggi dengan panjang 1 tinggi (frequent pattern mining) yang menarik
atau sering disebut Large 1-itemset atau perhatian banyak peneliti untuk menghasilkan
disingkat L1. Iterasi kedua menghasilkan 2- algoritma yang efisien. Penting tidaknya suatu
itemset yang tiap set-nya memiliki dua item. aturan asosiatif bisa diketahui menggunakan dua
Pertama dibuat kandidat 2-itemset atau disingkat parameter, support (nilai penunjang) yaitu
presentase kombinasi item tersebut dalam aplikasi data mining. Perancangan perangkat
database dan confidence (nilai kepastian) yaitu lunak ini mengikuti konsep yang telah dilakukan
kuatnya hubungan antar item dalam aturan pada tahap analisis sistem. Perancangan arsitektur
asosiasi (Kusrini, & Emha Taufiq Luthfi. ini terdiri dari perancangan struktur menu,
2009). perancangan antar muka, dan jaringan semantik.
Berdasarkan dua parameter tersebut, a. Perancangan Sistem
minimum support (minsup) dan minimum Perancangan sistem adalah suatu kebutuhan
confidence (mincof) yang ditentukan oleh user, yang berfungsi untuk mempersiapkan rancangan
dimana hal tersebut ditempuh dengan cara implementasi yang bertujuan untuk mendesain
sebagai berikut (Han dan Kamber, 2006): sistem dalam memenuhi kebutuhan user sistem.
1. Mencari semua frequent itemset yaitu itemset Perancangan tersebut terdiri dari pembuatan
dengan nilai support ≥ minimum support flowchart, perancangan database.
yang merupakan ambang batas yang 1) Diagram Konteks
diberikan oleh user. Dimana itemset itu Adapun tahapan- tahapan proses yang
merupakan himpunan item yaitu kombinasi dilakukan adalah seperti terlihat pada Alur
produk yang dibeli. dibawah ini :
2. Mencari aturan asosiasi yang confidence dari Total
frequent itemset yang didapat. Penjualan
Operator
3. Sedangkan tahap selanjutnya adalah mencari
rule-rule yang sesuai dengan target user yang
didapat dari proses association rule mining
sebelumnya. Rule-rule yang didapat
mendeskripsikan kombinasi itemset yang
dijadikan pertimbangan di dalam membuat SISTEM
kesimpulan. Data Mining
Aturan asosiasi biasanya dinyatakan dalam
bentuk : Informasi Produk yang
beli (roti) beli (keju) (support = 40%, banyak Laku
confidence = 50%)
Artinya : “50% dari transaksi di database yang Gambar 3.1.DFD Level Konteks
memuat item roti juga memuat item keju. Keterangan :
Sementara 40% dari seluruh transaksi yang ada di 1. Operator memasukkan total setiap
database memuat kedua item tersebut.” produksi kedalam system
Dapat juga diartikan : “Seorang konsumen yang 2. Sistem memproses data tersebut dan
membeli roti memiliki kemungkinansebesar 50% memberikan informasi ke operator
untuk juga membeli keju. Aturan tersebut cukup 1. Data Flow Diagram (DFD-0)
signifikan, karena mewakili 40% dari catatan Adapun tahapan- tahapan proses DFD yang
transaksi selama ini.” dilakukan adalah seperti terlihat pada Alur
III ANALISA DAN PERANCANGAN dibawah ini :
3.1. Analisa Sistem
Analisa Sistem dapat didefinisikan sebagai
penguraian dari suatu Rak-1 yang utuh ke dalam
bagian-bagian komponennya dengan maksud
untuk mengidentifikasikan dan mengevaluasi
permasalahan-permasalahan, kesempatan-
kesempatan, hambatan-hambatan yang terjadi dan
kebutuhan- kebutuhan yang diharapkan sehingga
dapat diusulkan perbaikan-perbaikan. Tahap
analisis sistem teresbut merupakan tahap yang
sangat kritis dan sangat penting, karena kesalahan
di dalam tahap tersebut akan menyebabkan juga
kesalahan di tahap selanjutnya. Tugas utama
analisa sistem dalam tahap ini adalah menemukan
kelemahan-kelemahan dari sistem yang berjalan
sehingga dapat diusulkan perbaikannya.
3.2. Perancangan
Perancangan arsitektur merupakan
perancangan yang dibuat sebelum program Gambar 3.2. DFD Level – 0
aplikasi dibuat. Dengan perancangan arsitektur Keterangan :
akan mempermudah dalam proses pembangunan
10
IV Implementasi
Sistem pengolahan program merupakan
suatu kesatuan pengoalhan yang terdiri dari
prosedur dan pelaksanaan data. Komputer sebagai Gambar 4.3. Form Data Produk
sarana pengolahan program haruslah
menyediakan fasilitas-faisilitas pendukung dalam Keterangan :
pengolahan nantinya. Secara proporsional harus
memenuhi akses yaitu : - KODE : Nomor Urut dari Produk
- Grup : Group dari kategori
1. Perangkat keras (Hardware) - ID Kategori Produk
2. Perangkat Lunak (Software) - Keluar : Keluar dari Program
4.1 Form LogIn
Form ini digunakan untuk masuk ke dalam
sistem, terlebih dahulu memasukan user name 4.3 Form Data Penjualan Produk
dan password, jika keduanya sudah sesuai maka Form ini digunakan untuk memasukkan data-data
klik “OK”. Dan sudah dapat masuk ke sistem. produk terjual kedalam database, dan data ini
yang nantinya akan diproses pada data Apriori.
Keterangan :
11
12
REFERENSI:
Abdul Kadir. 2013, Pengenalan Algoritma.
Yogyakarta: ANDI.
Fajar Astuti Hermawati. 2015, Data Mining.
Surabaya: ANDI.
Kusrini. 2009, Algoritma Data Mining.
Yogyakarta:ANDI
13