Moh. Arief Wicaksono - Sinopsis
Moh. Arief Wicaksono - Sinopsis
SINOPSIS
Oleh:
MOH.ARIEF WICAKSONO
1710510148
3. Batasan Masalah
i. Tujuan
ii. Manfaat
5. Metodologi
Pada Penelitian ini objek yang akan di ambil adalah sebuah Apotek
Karunia Montong Gamang Lombok Tengah , dengan mengambil data
transaksi penjualan barang pada 01 Januari 2019 sampai 01 Januari
2021.
5.2.1Jenis Data
a.Data Primer
Data primer adalah data yang dikumpulkan sendiri oleh
perorangan atau suatu organisasi secara langsung dari objek
yang diteliti dan untuk kepentingan studi yang bersangkutan yang
dapat berupa wawancara langsung dengan pimpinan atau bagian
yang menangani langsung permasalahan di lapangan atau dapat
berupa observasi kegiatan sehari-hari suatu objek yang diteliti.
Hasilnya dapat berbentuk data yang dibutuhkan atau data yang
diharapkan sesuai dengan penelitian yang dilakukan, seperti
data transaksi penjualan yang ada di Apotek Karunia Montong
Gamang dalam periode tertentu yang nantinya akan digunakan
sebagai bahan untuk analisis data mining.
b.Data Sekunder
Data sekunder adalah data yang diperoleh atau dikumpulkan
dan disatukan oleh studi-studi sebelumnya atau yang diterbitkan
oleh berbagai instansi lain. Biasanya sumber tidak langsung
berupa data dokumentasi dan arsip-arsip resmi. Data sekunder
didapatkan dari pustaka-pustaka yang relevan dengan penelitian
yang dilakukan, yaitu seperti literature tentang data mining dari
buku “Algoritma Data Mining” oleh Kusrini, Lutfi, dan Emha
Taufiq atau literature lain seperti jurnal “Almon Junior
Simanjuntak "Aplikasi data mining untuk pemodelan pembelian
barang menggunakan algoritma apriori".
5.3.1 Wawancara
5.3.2 Pengamatan
Apotek Karunia
Montong Gamang
Dataset
Market Basket
analysis dengan
algoritma apriori
Coding
Keterangan :
Dataset
1. Penggabungan
2. Pemangkasan dengan minimum support
3. Minimum confidence
Coding
1. Implementasi dengan web php dan db mysql
Hasil
1. Pola yang didapat
Data Mining
Data mining adalah suatu proses penambangan informasi penting dari
suatu data. Informasi penting ini didapat dari suatu proses yang amat rumit
seperti menggunakan artificial intelligence, teknik statistik, ilmu matematika,
machine learning, dan lain sebagainya. Teknik-teknik rumit tersebut nantinya
akan mengidentifikasi dan mengekstraksi informasi yang bermanfaat dari
suatu database besar.Dapat disimpulkan bahwa data mining merupakan
suatu proses penambangan data dalam jumlah data yang sangat besar
dengan menggunakan metode statistika, matematika, hingga memanfaatkan
teknologi artificial intelligence.Berikut beberapa algoritma data mining
sebagai berikut:
Algoritma Data Mining
1. Estimation(Estimasi)
Linear Regression, Neural Network, Support Vector Machine
2. Prediction/Forecasting (Prediksi/Peramalan)
Linear Regression, Neural Network, Support Vector Machine
3. Classification (Klasifikasi)
Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Linear
Discriminant Analysis
4. Clustering (Klastering)
K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means
5. Association (Asosiasi)
FP-Growth, A Priori
Prediction
Prediction atau fungsi prediksi merupakan salah satu
fungsi data mining. Maksudnya yaitu dari proses nanti akan
menemukan pola tertentu dari suatu data. Pola tersebut dapat
diketahui dari variabel-variabel yang ada pada data. Pola yang
didapat bisa digunakan untuk memprediksi variabel lain yang
belum diketahui nilai ataupun jenisnya.
Description
Fungsi selanjutnya adalah description atau fungsi
deskripsi. Maksud dari fungsi deskripsi ini yaitu untuk
memahami lebih jauh tentang data yang diamati. Jadi dengan
melakukan proses, diharap mampu mengetahui perilaku dari
data
Klasifikasi
Fungsi lainnya adalah fungsi klasifikasi
atau classification. Maksud dari fungsi klasifikasi yaitu data
yang ada akan diproses sehingga akan ditemukan fungsi atau
model tertentu yang menggambar konsep dari suatu data.
Model atau fungsi tersebut nantinya akan memisahkan tiap
data menjadi kelompok-kelompok tertentu.Kelompok data
tersebut nantinya bisa digunakan untuk meramalkan
kecenderungan suatu data di masa depan. Pengelompokan
atau pengklasifikasian data juga dapat memudahkan pemilik
data saat mencari data yang dibutuhkan
Asosiasi
Fungsi selanjutnya ialah fungsi asosiasi. Maksud dari
fungsi asosiasi atau analisis asosiasi yaitu penggunaannya
untuk menemukan kombinasi atau aturan assosiatif dari suatu
data. Jadi data yang ada nantinya diproses sehingga akan
menemukan informasi tentang hubungan variabel satu
dengan lainnya.
Algoritma apriori
Algoritma apriori adalah langkah untuk proses menemukan frequent-
itemset dengan melakukan iterasi pada data. Dimana itemset adalah
himpunan item-item yang berada di dalam himpunan yang diolah oleh
sistem, sedangkan frequent-itemset menunjukan itemset yang memiliki
frekuensi kemunculan lebih dari nilai minimum yang telah ditentukan (ф).
Pada iterasi ke-k, semua itemset yang ditemukan yang memiliki k item
disebut k-itemset. Setiap iterasi terdiri dari dua tahap yaitu pembangkitan
kandidtat dan pembangkitan rule. Pada tahap pembangkitan kandidat
(candidat generation) dimana himpunan semua frequent(k – 1)-itemset
yang digunakan pada pass ke-(k-1) digunakan untuk membangkitkan
kandidat itemset . Prosedur pembangkitan kandidat menjamin bahwa
adalah superset dari himpunan. Kemudian di-scan dalam tahap
perhitungan support (support counting). Pada akhir pass diperiksa untuk
menentukan kandidat mana yang muncul, menghasilkan . Perhitungan
support berakhir ketika atau kosong.
Pada tahap membangkitkan rule, akan dibangkitkan lebih dahulu
candidate rule. Candidate rule berisi semua kemungkinan rule yang
memiliki support > minimum support karena inputan candidate rule
adalah frequent-itemset. Kemudian candidate rule akan di-join dengan
table F untuk menemukan support antecedent. Confidence rule dihitung
dengan cara membandingkan support rule dengan support antecendent
rule. Hanya rule yang mempunyai confidence > minimum confidence
yang disimpan dalam table.
Untuk melakukan proses pengolahan data transaksi obat maka
perlu digambarkan tahapan kerja yang dapat dilakukan pada
algoritma apriori seperti gambar 2 berikut.
Mulai
Pengolahan Data
Kombinasi yang T
terpilih
Selesai?
Y
Selesai
Lift Rasio
Lift ratio adalah suatu ukuran untuk mengetahui kekuatan
aturan asosisasi (association rule) yang telah terbentuk. Nilai lift
ratio biasanya digunakan sebagai penentu apakah aturan
asosiasi valid atau ISSN : 2355-9365 e-Proceeding of
Engineering : Vol.2, No.3 Desember 2015 3 tidak valid.
Keterangan:
- Nc = jumlah transaksi dengan item yang menjadi consequent
- N = jumlah transaksi basis data
2. Preprocessing/Cleaning Data
Selanjutnya adalah melakukan preprocessing data
pada data yang sudah terpilih sebelumnya, preprocessing
data/cleaning data meliputi pembuangan duplikasi data dan
penambahan field yang diperlukan.
3. Transformation
4. Data Mining
5. Implementasi System
Implementasi Pada tahap ini untuk memudahkan
dalam pembuktian hasil analisa yang dilakukan, dibutuhkan
sistem yang akan dibangun menggunakan bahasa
pemrograman PHP dan database mysql.Proses selanjutnya
yaitu Interpretation/Evaluation.
6. Interpretation/Evaluation
Waktu Kegiatan
No Kegiatan
Januari Februari Maret
Bab1
1.
Pendahuluan
Bab2
2.
Landasan Teori
Bab3
Metodologi
3.
Pembuatan
aplikasi
Sistemnya.
Bab4
4. Hasil dan
Pembahasan
Bab5
5.
Penutup
Uji Seminar &
6.
Revisi
Disetujui oleh
Ka Prodi S1 Ilmu computer
(Lilik widyawati M.Kom )
NIK. 19.6.356
HALAMAN TAMBAHAN :
IDENTITAS
NIM : 1710510148
NO. HP : 087846055891
EMAIL : ariefw162@gmail.com
DOSEN CALON
PEMBIMBING : MOCH.SYAHRIR S.ST,M.Kom