1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Hijab di Indonesia sudah menjadi lebih populer sejak dua dekade
belakangan ini. Sejarah mencatat bahwa budaya pemakaian hijab
sebenarnya ada sejak abad ke-17. Namun demikian perdebatan terkait
dengan hijab ini masih terjadi walaupun pemakai hijab di Indonesia
semakin banyak dari tahun ke tahun. Saat ini pun hijab masih menjadi tren
yang sangat dicari oleh hijabers Indonesia, semakin banyak model yang
ada semakin banyak juga peminat hijab tersebut. Hijab yang dimaksud
pada penelitian ini lebih kepada arah jilbab ataupun kerudung yang dipakai
sebagai penutup kepala oleh wanita Muslimah guna menutup aurat bagian
kepala mereka.
Di Kota Tasikmalaya juga, tren hijab saat ini banyak sekali
macamnya. Dengan banyaknya model hijab yang ada sekarang, penjual
hijab di Kota Tasikmalaya menghadapi beberapa masalah. Diantara
masalah yang ada yaitu menurunnya angka penjualan dikarenakan sulitnya
menentukan model hijab yang akan banyak diminati. Penjual hijab saat ini
harus pandai memilih model hijab yang akan banyak diminati oleh warga
Kota Tasikmalaya. Karena, jika penjual salah memilih model dan jenis
hijab dapat membuat stok membeludak sementara dari sisi penjualan
berkurang. Ini menimbulkan risiko kerugian.
Di bidang Informatika ada sebuah konsep yang dapat digunakan
sebagai solusi permasalahan tersebut yaitu Data Mining. Data Mining
adalah proses yang menggunakan statistik, matematika, kecerdasan
buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi
informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai
database besar (Turban, E., J.E. Aronson dan T.P. Liang. 2005. Dalam
jurnal Mujib Ridwan dkk). Di dalam Data Mining terdapat sebuah
kegiatan pengelompokan data. Ada beberapa teknik sesuai dengan tugas

1
 2

yang dilakukan yaitu deskripsi, estimasi, prediksi, klasifikasi, clustering,

dan asosiasi.
Untuk mengetahui kriteria model hijab yang banyak diminati oleh
warga Kota Tasikmalaya adalah dengan prediksi. Prediksi adalah suatu
proses memperkirakan secara sistematis tentang sesuatu yang paling
mungkin terjadi di masa depan berdasarkan informasi masa lalu dan
sekarang yang dimiliki, agar kesalahannya (selisih antara sesuatu yang
terjadi dengan hasil perkiraan) dapat diperkecil (Muhammad Kafil,
2019)
Dalam prediksi terdapat beberapa algoritma yang dapat digunakan
yaitu C4.5, Naïve bayes, Neural network, ID3, SVM, KNN, CART, C.5.0
dan Linear discriminant analysis.
Orange Data Mining adalah sebuah perangkat lunak gratis dan
open source yang berfungsi untuk data mining, machine learning, dan data
analysis yang dikembangkan oleh GitHub. Selain gratis dan open source,
kelebihan dari aplikasi ini  diantaranya adalah data bisa dipresentasikan
secara visual, tidak membutuhkan kemampuan programming dalam
menjalankannnya, dan support data dalam berbagai format misalnya
Excel, online data Google Spreadsheets, dan lain-lain.
Berdasarkan pemaparan tersebut peneliti berinisiatif dan merasa
tertarik untuk melakukan penelitian dengan judul SISTEM PREDIKSI
PENJUALAN HIJAB MENGGUNAKAN ALGORITMA PREDIKSI DI
APLIKASI ORANGE (Studi Kasus : Kota Tasikmalaya).

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah di atas, penulis merumuskan
beberapa rumusan masalah diantaranya:
1. Bagaimana membuat dataset untuk sistem prediksi penjualan hijab di
Kota Tasikmalaya?
2. Algoritma apa yang paling bagus untuk prediksi penjualan hijab?
3. Bagaimana memprediksi penjualan hijab di Kota Tasikmalaya dengan
aplikasi Orange?
 3

4. Berapa hasil akurasi prediksi dengan algoritma terpilih?

5. Model, jenis, bahan dan warna hijab apa yang banyak diminati di Kota
Tasikmalaya?

1.3 Tujuan Penelitian

Berdasarkan uraian rumusan masalah di atas, tujuan penelitian ini
adalah sebagai berikut :
1. Mengetahui dataset untuk sistem prediksi penjualan hijab di Kota
Tasikmalaya.
2. Untuk mengetahui algoritma mana yang paling bagus untuk prediksi
penjualan hijab.
3. Untuk mengetahui prediksi penjualan hijab di Kota Tasikmalaya
menggunakan aplikasi Orange.
4. Untuk mengetahui hasil akurasi prediksi dengan algoritma terpilih
5. Untuk mengetahui model, jenis, bahan dan warna hijab apa yang
diminati di Kota Tasikmalaya.

1.4 Manfaat Penelitian

Berdasarkan beberapa tujuan yang ada, manfaat dari penelitian ini
adalah sebagai berikut :
1. Bisa membantu meningkatkan efisiensi penjualan dan mengurangi
risiko kerugian bagi para penjual hjab.
2. Membantu mempermudah penjual hijab untuk menentukan model,
jenis, warna dan bahan hijab yang akan mereka produksi.

1.5 Batasan Masalah

Agar penelitian ini lebih terarah, terfokus dan tidak meluas, penulis
membatasi batasan masalah dalam penelitian sebagai berikut :
1. Data yang digunakan hanya data Kota Tasikmalaya dengan sample
dua objek penelitian yaitu Feystyle dan Alan Tasik Bordir.
2. Pembuatan Rule menggunakan Tools Aplikasi Orange dan Ms. Excel.
 4

3. Hijab yang dimaksud pada penelitian ini yaitu penutup kepala yang
dipakai oleh perempuan sebagai penutup aurat kepala mereka.
4. Pada penelitian ini hanya menggunakan 4 variabel masukan yaitu
model, jenis, bahan dan warna.
5. Algoritma prediksi yang akan digunakan yaitu Naive Bayes, Support
Vector Machine (SVM), Neural Network dan k-Nearest
Neighbor (kNN).
6. Model hijab yang akan digunakan pada penelitian ini yaitu hijab
instan, hijab segi empat dan hijab pashmina.
7. Hasil akhir dari penelitian ini berupa rekomendasi model, jenis, bahan
dan warna hijab yang paling diminati dan algoritma prediksi dengan
nilai presisi paling tinggi.

1.6 Metodologi Penelitian

1.6.1 Metode Pengumpulan Data
Beberapa cara yang dilakukan untuk mengumpulkan data
dalam penelitian ini adalah sebagai berikut :
a. Observasi
Observasi akan dilakukan melalui pengamatan di lapangan
dan beberapa e-commers yang digunakan. Data yang akan
diambil adalah data penjualan hijab dari Feystyle dan Alan
Tasik Bordir. Dengan cara mengamati model, jenis, bahan dan
warna hijab apa yang dijual.
b. Wawancara
Wawancara akan dilakukan langsung dengan owner atau
admin yang ada di Feystyle dan Alan Tasik Bordir. Wawancara
ini dilakukan untuk menggali lebih dalam lagi bagaimana
penjualan hijab yang ada di Kota Tasikmalaya.
c. Studi Pustaka
Untuk mengumpulkan data dan teori-teori yang
berhubungan dengan judul yang dibahas, penulis juga
melakukan kajian pustaka tentang konsep-konsep Data Mining
 5

dan Algoritma yang dapat digunakan pada penelitian dari buku-

buku, Skripsi, Jurnal Ilmiah, E-Jurnal dan situs – situs
terpercaya.

1.6.2 Metode Pengolahan Data

Pada data mining terdapat standar yang harus dilakukan ketika
mengolah data. Standar tersebut bernama Cross-Industry Standard
Process for Data Mining (CRISP-DM). Berikut gambar alurnya :

Gambar 1.1 Cross-Industry Standard Process for Data Mining

Sumber : https://commons.wikimedia.org/

Di dalam data mining terdapat beberapa metode berdasarkan tugas yang

dilakukan, yaitu:
a. Deskripsi
Teknik ini dapat digunakan untuk mendeskripsikan suatu pola tertentu
yang tersembunyi dalam database.
b. Estimasi
Estimasi mirip dengan klasifikasi, tetapi variabel tujuan lebih ke arah
numerik.
c. Prediksi
Proses menentukan sesuatu yang akan terjadi di masa yang akan datang
berdasarkan data yang dimiliki saat ini.
 6

d. Klasifikasi
Dalam klasifikasi variabel tujuan lebih ke kategorik.
e. Clustering
Clustering lebih ke arah pengelompokan record, pengamatan, atau
kasus dalam kelas yang memiliki kemiripan.
f. Asosiasi
Mengidentitikasi hubungan kejadian atau peristiwa yang terjadi pada
satu waktu.
Dalam proses Mining terdapat beberapa metoda Algoritma yang
dapat diterapkan, berikut dijelaskan pada gambar 1.2 :

Gambar 1.2 Data mining

Sumber : (Mustafa, Ramadhan and Thenata, 2018)
1.7 Sistematika Penulisan
 7

Sistematika Penulisan berisi deskripsi-deskripsi mengenai pokok-

pokok bahasan yang dimuat di setiap bab. Sistematika penulisan pada
laporan penelitian ini sebagai berikut :
BAB I : PENDAHULUAN
Pada bab ini berisi gambaran umum pemilihan judul atau
latar belakang permasalahan, rumusan masalah, tujuan dan
manfaat penelitian, batasan masalah, metodologi
penelitian dan sistematika penulisan.
BAB II : TEORI PENUNJANG
Bab ini berisi teori-teori yang mendukung pada proses
penelitian. Diantara teori-teori tersebut yaitu pengertian
hijab, data mining, sistem prediksi dan komponen-
komponen yang mendukung untuk penelitian ini.
BAB III : ANALISIS DAN METODE PENGUMPULAN DATA
Bab ini membahas mengenai analisis masalah, analisis
kebutuhan data dan metode pengumpulan data yaitu
observasi, wawancara dan studi pustaka.
BAB IV : IMPLEMENTASI DAN PENGUJIAN
Bab ini berisi tentang pengimplementasian dari hasil
analisis sebelumnya. Pengimplementasian penelitian ini
akan dilakukan menggunakan Aplikasi Orange Data
Mining yang akan menguji beberapa algoritma prediksi
seperti Naive Bayes, Support Vector Machine (SVM),
Neural Network dan k-Nearest Neighbor (k-NN).
BAB V : PENUTUP
Bab ini berisi simpulan hasil penelitian yang dilakukan
dan saran yang dapat dikembangkan oleh peneliti
selanjutnya.