SKRIPSI
OLEH:
SAHLAN GUNTARA
201810225090
2022
KATA PENGANTAR
Penulis
Sahlan Guntara
DAFTAR ISI
KATA PENGANTAR..................................................................................ii
DAFTAR TABEL........................................................................................vi
DAFTAR GAMBAR..................................................................................vii
BAB I PENDAHULUAN..........................................................................1
2.5.2 XAMPP......................................................................................17
BAB I
Gambar 2 1 CRISP-DM.............................................................................10
Gambar 3 1 Foto Bagian Depan Toko Sembako Erna................................1
Gambar 3 2 Foto Bagian Dalam Toko Sembako Erna................................2
Gambar 3 3 Model Prototype......................................................................4
BAB II
PENDAHULUAN
No Produk
1 Roti
3 Susu
4 Mie Instan
5 Rokok
6 Kopi
7 Sabun Mandi
8 Minyak Goreng
9 Kecap
10 Saos Tomat
12 Beras
13 Garam
14 Porstex
15 Deterjen Baju
BAB I PENDAHULUAN
Membuat penjelasan tentang latar belakang, identifikasi masalah, rumusan
masalah, batasan masalah, tujuan dan manfaat penelitian dan sistematika
penulisan.
BAB V PENUTUPAN
DAFTAR PUSTAKA
LAMPIRAN-LAMPIRAN
BAB III
LANDASAN TEORI
No Jurnal
Penulis Judul Penelitian Permasalahan Hasil Penelitian
. Penelitian
Transaksi Berdasarkan
Jurnal Sains Analisis Pola
- Setyawati pembelian penerapan minimal
Komputer & Transaksi
- Andi Nurkholis konsumen data confidence 30%
Informatika. Pelanggan
- Krisma Nur transaksi pada serta nilai minimum
Vol. 5. No. 2, Menggunakan
Anjumi toko Diengva support 2%,
September Algoritma
yang dibiarkan disimpulkan bahwa
2021. ISSN: Apriori
1.
begitu saja hanya semakin kecil nilai
2548-9771.
dapat menjadi minimum support
EISSN: 2549-
data arsip. maka semakin
7200
banyak aturan
hubungan yang
dihasilkan.
Algoritma Apriori merupakan salah satu jenis algoritma yang ada pada
data mining yang memakai aturan asosiasi. Kegunaan algoritma apriori itu
sendiri untuk mencari frekuensi dan keterkaitan itemset dengan itemset lainnya
dari kumpulan data yang diolah yang dimana telah ditentukan syarat minimum
support dan syarat minimum confidence terlebih dahulu. (Christyan Putra, A. A.,
Haryanto, H., & Dolphina, E. 2018:98).
Pendekatan dengan algoritma apriori berusaha untuk secara efisien
menemukan jumlah itemset frequent. Algoritma ini menjadi pelopor dalam
algoritma analisis asosiasi untuk menemukan kandidat itemset, frequent dan
pembangkitan aturan asosiasi yang dapat dibentuk. Hal utama dalam teorema
algoritma apriori menggunakan prinsip: “Jika sebuah itemset itu frequent, semua
subset (bagian) dari itemset tersebut pasti juga frequent”. (E. T. L. Kusrini, & E.
T. Luthfi, 2019).
III.3 Data Mining
Nama data mining sebenarnya mulai dikenal sejak tahun 1990, ketika
pekerjaan pemanfaatan data menjadi sesuatu yang penting dalam berbagai bidang,
mulai dari bidang akademik, bisnis, hingga medis. Munculnya data mining di
dasarkan pada jumlah data yang tersimpan dalam basis data semakin besar.
(Prasetyo, E. 2014).
Ada istilah lain yang mempunyai makna yang sama dengan data mining
yaitu knowledge discovery in database (KDD). Memang data mining atau KDD
bertujuan untuk memanfaatkan data dalam basis data dengan mengolahnya
sehingga menghasilkan informasi baru yang berguna. Istilah data mining dan
knowledge discovery in database (KDD) sering kali digunakan secara bergantian
untuk menjelaskan proses penggalian informasi tersembunyi dalam suatu basis
data yang besar. Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda,
tetapi berkaitan satu sama lain. Dan salah satu tahapan dalam keseluruhan proses
KDD adalah data mining. (R. Hermiati, A. Asnawati, and I. Kanedi, 2021). Data
mining dibagi menjadi beberapa kelompok berdasarkan yang dapat dilakukan,
yaitu (E. T. L. Kusrini, & E. T. Luthfi, 2019):
a. Klasifikasi
Classification adalah algoritma yang menggunakan data berupa nilai
(kategori). Misalnya, jika kelas adalah pendapatan, maka kelas menjadi
tiga kategori: produk sangat terbaik, produk terbaik dan produk kurang
terbaik (tidak laku). Algoritma yang umum digunakan untuk klasifikasi
termasuk algoritma K-Means, algoritma Naive Bayes, algoritma K-Nearest
Neighbor dan algoritma C4.5. Pengelompokan teknik data mining
association rule menggunakan algoritma apriori adalah kombinasi kasus
data antar produk barang dan observasi ke dalam data yang serupa.
Clustering adalah pengelompokan data yang mirip dan berbeda satu sama
lain dibandingkan dengan data transaksi penjualan. Teknik data mining
association rule menggunakan algoritma apriori ini tidak memiliki
target/label/kelas.
b. Clustering/Pengelompokan
Clustering melakukan pengelompokan data-data ke dalam sejumlah
kelompok (cluster) berdasarkan kesamaan karakteristik masing-masing data
pada kelompok-kelompok yang ada. Data-data yang masuk dalam batas
kesamaan dengan kelompoknya akan bergabung dalam kelompok tersebut,
dan akan terpisah dalam kelompok yang berbeda jika keluar dari batas
kesamaan dengan kelompok tersebut.
c. Prediksi
Prediksi berkaitan dengan pembuatan sebuah model yang dapat melakukan
pemetaan dari setiap himpunan variabel ke setiap targetnya, kemudian
menggunakan model tersebut untuk memberikan nilai target pada himpunan
baru yang di dapat. Ada dua jenis model prediksi, yaitu klasifikasi dan
regresi. Klasifikasi digunakan untuk variabel target disket, sedangkan regresi
untuk variabel target kontinu.
d. Asosiasi
4. Modeling Phase, adalah fase untuk memutuskan teknik data mining yang
akan digunakan, memilih alat data mining yang akan dipakai algoritma
data mining, memutuskan parameter dengan nilai yang optimal.
a. UseCase Diagram
Diagram yang Memberitahukan sistem UseCase serta aktor-aktor
(jenis spasifik menurut class/data). Sangat krusial buat memodalkan sistem
yang diharapkan pengguna. (Hendini, Ade. vol. 4, no. 2, Dec. 2016, pp.
107-116).
b. Sequence Diagram
Nama_objek
Nama_kelas
Object yang berinteraksi
Object
pesan.
d. Class Diagram
Dalam hal mendefinisikan data untuk membuat sistem agar
berjalan dengan baik. Kelas memiliki tiga area utama yaitu atribut,
nama belakang adalah (Hendini, Ade. vol. 4, no. 2, Dec. 2016, pp.
107-116):
Simbol
Keterangan
Nama_kelas
+atribut
+operasi()
Class pada system.
Interface
Agregation
Relasi antar class dengan makna
semua bagian.
b. MySQL
MySQL merupakan suatu jenis database server yang sangat
terkenal. MySQL termasuk jenis RDBMS (Relational
Database Management System). MySQL mendukung bahasa
pemrograman PHP, bahasa permintaan yang terstruktur,
MySQL merupakan RDBMS (Relational Database
Management System) server. RDBMS adalah program yang
memungkinkan pengguna database untuk membuat,
mengelola, dan menggunakan data pada suatu model
relational. (R. Hermiati, A. Asnawati, and I. Kanedi, 2021).
d. File Zillia
File Zillia merupakan FTP (File Transfer Protocol) server
yang bisa membuat kita memindahkan data atau file dari
komputer ke server atau tempat lainnya.
e. Mercury
Mercury merupakan mail server yang dapat mengirim dan
menerima email dari jaringan.
III.5.3 Sublime Text
Uji pada sistem adalah uji dengan tujuan utamanya untuk menjalankan
system akan di testing pada perusahaaan pengembang tersebut. Testing
melakukan, menemukan dan memperbaiki problem dalam aplikasi tersebut
sebelum diserahkan pada pengembangnya. Testing yang baik adalah testing
kualitas terlaris dengan bug pada system aplikasi yang sedang di testing.
BAB IV
METODOLOGI PENELITIAN
Toko Sembako Erna adalah Toko yang menjual dan membeli kebutuhan
pokok rumah tangga sehari-hari pelanggan. Berdiri sejak tahun 2016, usaha Toko
Sembako Erna yang berlokasi di Perumahan Pejuang Pratama Blok N.18, Harapan
Indah, Bekasi Utara, masih melayani pelanggan di lokasi yang sama dan memiliki
beberapa cabang untuk memenuhi kebutuhan produk pembeli. Gudang yang
menggunakan sebagian ruangan di rumahnya untuk menyimpan persediaan stok
barang-barang untuk beberapa bulan ke depannya. Seiring berjalannya waktu,
Toko Sembako Erna telah mengembangkan bisnisnya untuk produk kebutuhan
pokok rumah tangga pelanggan lainnya di Toko Sembako Erna. Tetapi karena
hanya ada satu toko, Toko Sembako Erna selalu memberikan layanan cepat yang
memenuhi kebutuhan semua pelanggan.
D. Nomer HP : 089633927655
a. Berikut Adalah Foto Pada Bagian Depan Toko Sembako Erna yang
berlokasi di Perumahan Pejuang Pratama 8 Blok N 18, Harapan Indah,
Bekasi Utara.
36
Gambar 3 2 Foto Bagian Dalam Toko Sembako Erna
Visi dan Misi yang akan digunakan pada Toko Sembako Erna adalah:
36
IV.2.1 Visi Toko Sembako Erna
a. Data Primer
b. Penulisan Melakukan wawancara pada owner (tangan pertama) di Toko
Sembako Erna.
36
c. Data Sekunder
Diperoleh penulis dari data yang sudah tersedia (studi pustaka) pada jurnal
ilmiah sebagai bahan-bahan referensi untuk penyusunan laporan skripsi:
a. Pengamatan (Observasi)
Penelitian ini lebih ke pelayanan produk yang dimiliki Toko Sembako
Erna kepada pelanggan serta system yang berguna buat pemilik Toko
Sembako Erna menggunakan algoritma Apriori.
b. Wawancara (Interview)
36
Gambar 3 3 Model Prototype
a. Komunikasi
36
36
DAFTAR PUSTAKA
[1] Hendini, Ade. "Pemodelan Uml Sistem Informasi Monitoring Penjualan dan
Stok Barang (Studi Kasus: Distro Zhezha Pontianak)." Jurnal Khatulistiwa
Informatika, vol. 4, no. 2, Dec. 2016, pp. 107-116.
[2] A.S Rosa dan Shalahuddin. Rekayasa Perangkat Lunak Terstruktur dan
Berorientasi Objek, Informatika Bandung. 2014.
[3] A. Utomo, Y. Sutanto, E. Tiningrum, and E. M. Susilowati, “Menggunakan
Black Box Testing Boundary,” J. Bisnis Terap., vol. 04, no. 2, pp. 133-140,
2020.
[4] R. Hermiati, A. Asnawati, and I. Kanedi, “PEMBUATAN E-COMMERCE
PADA RAJA KOMPUTER MENGGUNAKAN BAHASA
PEMROGRAMAN PHP DAN DATABASE MYSQL”, jmi, vol. 17, no. 1,
Feb. 2021.
[5] E. T. L. Kusrini, & E. T. Luthfi, 2019. Algoritma Data Mining. Universitas
Anikom, Yogyakarta: ANDI.
[6] Eko Prasetyo ; Aldo Sahala.Data Mining : Mengolah Data Menjadi
Informasi Menggunakan MATLAB / Eko Prasetyo; Penyunting, Aldo Sahala.
2014
[7] L. D. Novienty and A. Prapanca, “Sistem Informasi Manajemen Sekolah
Berbasis Web (Studi Kasus SMA Al Karimi Tebuwung).” Jurnal Manajemen
Informatika, vol. 5, no. 2, 2016, 83-92.
[8] H. Al Fatta, Analisa dan Perancangan Sistem Informasi untuk keunggulan
bersaing perusahaan dan organisasi modern, Jakarta: Andi, 2007.
[9] Christyan Putra, A. A., Haryanto, H., & Dolphina, E. (2018:98).
Implementasi Metode Association Rule Mining Dengan Algoritma Apriori
Untuk Rekomendasi Promo Barang.
[10] Supono & Putratama, V. "Pemrograman web dengan menggunakan
PHP dan framework Codeigniter." Yogyakarta: Deepublish (2018).
[11] Budiman, I., Saori, S., Anwar, R., Fitriani, F., & Pangestu, M. (2021).
ANALISIS PENGENDALIAN MUTU DI BIDANG INDUSTRI
MAKANAN (Studi Kasus: UMKM Mochi Kaswari Lampion Kota
Sukabumi). Jurnal Inovasi Penelitian, 1(10), 2185-2190.
36