MAKALAH DWBI - Jadi
MAKALAH DWBI - Jadi
Disusun Oleh:
Widiyawati (11220145)
Nadia (11220490)
Asep (11220455)
Handoko (11220335)
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas karunia,
rahmat, dan ridho-Nya sehingga penulis dapat menyelesaikan makalah ini. Dalam
disusun dengan tujuan untuk memenuhi salah satu syarat untuk dapat
sepenuhnya bahwa penulisan makalah ini masih jauh dari kesempurnaan, karena
makalah ini. Akhir kata penulis berharap semoga makalah ini dapat memberikan
manfaat.
Penyusun
ii
DAFTAR ISI
iii
BAB I
PENDAHULUAN
Pendapatan adalah tiap tiap tambahan aktiva atau pengurnagan kewajiban yang timbul
karena usaha perusahaan, baik merupakan penyerahan jasa – jasa maupun penjulan barang
(Sugiri, 1994) . pendapatan sering juga disebut dengan penghasilan atau sebaliknya,
Jasa fumigasi pada Gudang arsip, komiditi serta fumigasi pada sarana transportasi baik
darat maupun udara. Keunggulan fumigasi adalah dapat membunuh semua stadia larva, pupa
Teknik pengendalian hama dengan pelayanan standart pada umumnya perusahaan pest
1.3 Tujuan
dihasilkan kerugian mimimal misalnya berupa biaya dan waktu serta keuntungan maksimal
misalnya berupa pendapatan, laba, nilai kemenangan. Salah satu metode yang digunakan
4
BAB II
PEMBAHASAN
PT. GLOBAL EKOLOGI INDONESIA berdiri sejak tahun 2009 dengan badan usaha CV.
GLOBAL CHEMINDO UTAMA dengan brand GLOBAL, seiring perjalan waktu global
mentransformasi menjadi G-PEST dengan nama badan usaha PT. GLOBAL EKOLOGI
INDONESIA berdasarkan akte notaris NOVIANTI S.H., MM tanggal 14 Juni 2013 Nomor:
50.
PT. GLOBAL EKOLOGI INDONESIA untuk saat ini telah memiliki kantor cabang di
beberapa kota yaitu, Jakarta, Cikarang, Tangerang dan Cirebon. Selain itu GPEST telah
memiliki perijinan secara lengkap sehingga tidak lagi diragukan legalitasnya antara lain :
Sertifikat-sertifikat pendukung
5
PT. GLOBAL EKOLOGI INDONESIA untuk saat ini memiliki produk pelaanan jasa
diantaranya :
standart pada umumnya perusahaan pest control untuk sarana Comersian dan Residensial
3. FUM IGATION, Jasa fumigasi pada gudang arsip, komoditi serta fumigasi pada sarana
trasportasi baik darat, laut maupun udara. Keunggulan fumigasi adalah dapat membunuh
semua stadia larva, pupa dan dewasa secara cepat, tepat dan efektif.
Pengertian data mining ialah suatu proses pengumpulan informasi penting dari
suatu data besar, yang seringkali menggunakan metode statistika, matematika, serta
Sehingga cara kerja dari data mining sebenarnya ialah untuk memeriksa
database yang berukuran besar guna menemukan pola atau bentuk yang baru dan
berguna. Tetapi, tidak semua pekerjaan pencarian informasi dinyatakan sebagai data
mining.
Sedangkan fungsi dari data mining ialah sebagai fungsi prediksi (prediction),
(assosiation).
6
Dari penjelasan tersebut, adapula pengertian data mining menurut para ahli agar
1. Larose
2. Pramudiono
4. Berry
CRISP-DM (Cross Industry Standart Process for Data Mining) adalahstandarisasi data
mining yang disusun oleh tiga penggagas data mining market. Yaitu Daimler Chrysler
(antara 1997 – 1999). Lebih dari 300 organisasi yang berkontribusi dalam proses modeling ini
7
dan akhirnya CRISP-DM 1.0 dipublikasikan pada 1999. Proses data mining berdasarkan
a. Penentuan tujuan proyek dan kebutuhan secara detail dalam lingkup bisnis atau unit
penelitiansecara keseluruhan
b. Menerjemahkan tujuan dan batasan menjadi formula dari permasalahan data mining.
a. Mengumpulkan data
b. Menggunakan analisis penyelidikan data untuk mengenali lebih lanjut data dan
a. Siapkan dari data awal, kumpulandata yang akan digunakan untuk keseluruhan fase
berikutnya. Fase ini merupakan pekerjaan berat yang perlu dilaksanakan secara
intensif.
b. Pilih kasus dan variabel yang ingin di analisis dan yang sesuai analisa yang akan
dilakukan.
d. Jika diperlukan proses dapat kembali ke fase pengolahan data untuk menjadikan data
8
ke dalam bentuk yang sesuai dengan spesifikasi kebutuhan teknik data mining
tertentu.
a. Mengevaluasi satu atau lebih model yang digunakan dalam fasepemodelan untuk
b. Menetapkan apakah terdapat model yang memenuhi tujuan pada fase awal.
terselesaikannya proyek
2.4 Clustering
dan membentuk kelas objek-objek yang memiliki kemiripan. Kluster adalah kumpulan
record yang memiliki kemiripan suatu dengan yang lainnya dan memiliki ketidakmiripan
Pada algoritma ini, pusat cluster atau centroid dipilih pada tahap awal secara acak dari
didalam populasi data dan menandai komponen tersebut ke salah satu centroid yang telah
9
didefinisikan sebelumnya berdasarkan jarak minimum antarakomponen (data) dengan masing-
masing centroid. Posisi centroid akan dihitung kembali sampai semua komponen data
dikelompokkan kesetiap centroid dan terakhir akanterbentuk posisi centroid baru. Iterasi ini
akan terus dilakukan sampai tercipta kondisi konvergen. Secara lebih detail, algoritma K-
pendapatan dari PT. Global Ekologi Indonesia . Dalam fase ini dilakukan penentuan
tujuan bisnis yaitu untuk mengetahui pedapatan jasa PT. Global Ekologi Indonesia .
pedapatan tertinggi setiap bulannya selama 3 tahun, Setelah itu dilakukan penerapan
tujuan, penerapan tujuan sama dengan menentukan tujuan data mining yaitu dengan
menggali pengetahuan tentang jenis obat yang pemakaiannya cepat dan lama yang
10
2.6.2 Fase Pemahaman Bisnis
Data yang dikumpulkan merupakan data Laporan Laba/Rugi dari tahun 2019 -
2021 . Data Laporan Laba/Rugi didapatkan dari bagian yang mengurusi Laporan
Keuangan dan data Laporan Laba/Rugi disimpan dalam bentuk excel. Setelah data
pengevaluasian kualitas data dan kelengkapan data. Nilai-nilai yang hilang sering
terjadi, terutama jika data yang dikumpulkan di jangka waktu yang lama. Memeriksa
atribut yang hilang atau kosong, ejaan nilai-nilai, dan apakah atribut dengan nilai yang
digunakan untuk proses modeling yang diambil dari Laporan Laba/Rugi . Atribut
yang telah dipilih nantinya akan disimpan kembali kedalam dataset yang baru yang
siap untuk diproses kedalam proses modeling. Kemudian dilakukan transformasi data
dengan memindahkan atribut yang telah dipilih pada proses pemilihan data untuk
dipindahkan pada dataset yang baru yang nantinya siap diproses pada fase pemodelan.
k-means. Dalam penerapan metode clustering, akan dibagi menjadi 3 cluster yang
nantinya akan meng- cluster produk jasa. Alat pemodelan yang digunakan adalah
clustering bulan Januari 2019 telah membagi 3 cluster yaitu cluster 0 dan cluster1
dan Cluster 2 . Setelah didapatkan hasilnya, data dianalisa berdasarkan atribut yang
12
2.6.5 Fase Evaluasi
Pada tahap evaluasi model akan dinilai apakah hasil yang didapatkan dari
proses clustering telah memenuhi tujuanyang telah ditentukan dalam tahap business
understanding. Setelah hasil yang didapatkan sama dengan tujuan pada business
memastikan bahwa semua tahap telah dilakukan dalam prosespengolahan data atau
tidak ada factor penting yang terleweatkan. Kemudian dipastikan bahwa semua tahapan
/ faktor penting yang telah dilakukan dengan pengolahan data tidak ada yang
pengolahan data karena telah memenuhi tujuan dari data mining. Selanjutnya pada
tahap ini mempunyai 2 pilihan, yaitu kembali pada tahap awalatau melanjutkan ke
tahap akhir. Karenapada tahap sebelumnya telah memenuhitujuan dan tidak ada tahap
yang terlewatkan, maka tahap selanjutnya adalah menuju tahapan akhir dengan
menentukan persebaran dari hasil yang telah diperoleh dengan cara meakukan analisis.
2.6.7 Hasil
Diketahui angka pendapatn PT. Global Ekologi Indonesia dalam 3 tahun Dimana
proses pengelompokkan menggunakan metode K-Means.
1 590 110 90
2 629 145 105
3 670 170 150
4 703 196 166
13
5 738 223 203
6 776 629 240
7 817 145 198
8 597 105 266
9 927 347 327
10 978 398 348
11 1032 440 380
12 712 473 349
Termite
Cluster Bulan Pest Control Fumigation
Control
1 4 703 196 166
2 6 776 629 240
3 12 712 473 349
2. Hitung jarak setiap data terhadap setiap pusat cluster. Misalkan untuk
menghi-tung jarak data pertama (No.1) dengan pusat cluster pertama
Pest Termite
Cluster Bulan
Control Control
Fumigation Kesimpulan Iterasi 1: Cluster
Anggota
1 4 703 196 166 1 7
2 6 776 629 240 2 1
3 12 712 473 349 3 4
14
Contr diiku
ol ti
161.0620 571.3641 462.3137 161.0620
1 590 110 90 1
998 571 463 998
108.6185 523.5360 417.1438 108.6185
2 629 145 105 1
988 542 601 988
44.95553 479.6008 364.9301 44.95553
3 670 170 150 1
359 757 303 359
445.3021 332.1129
4 703 196 166 0 0 1
446 326
57.64546 409.4496 290.6750 57.64546
5 738 223 203 1
817 306 763 817
445.3021 200.7809
6 776 629 240 0 0 2
446 752
128.9224 487.5458 376.0452 128.9224
7 817 145 198 1
573 953 1 573
171.8051 554.3401 394.3830 171.8051
8 597 105 266 1
222 483 625 222
314.4805 331.5026 250.1699 250.1699
9 927 347 327 3
24 395 422 422
386.7208 325.3136 276.3729 276.3729
10 978 398 348 3
295 948 364 364
462.1395 347.6449 323.1872 323.1872
11 1032 440 380 3
893 338 522 522
332.1129 200.7809
12 712 473 349 0 0 3
326 752
Clust Bula Pest Termite Fumigati Kesimpulan Clust
er n Control Control on
Anggo
Iterasi 2: er
ta
677.7142 156.2857 168.2857
1 7
857 143 143
1 7
2 1 776 629 240 2 2
3 4 912.25 414.5 351 3 3
16
Berdasarkan hasil penggolongan tersebut, diperoleh anggota cluster
pertama ada 7, cluster kedua ada 2, dan cluster
Termi
Clust Bula Pest te Fumigatio Kesimpulan Clust
er n Control Contr n
Anggo
Iterasi 3: er
ol ta
466.6285 118.9428 Jumlah Kelompok
1 7
714
112.2
571
1 7
Data Iterasi 2
2 2 744 551 294.5 Sama Dengan 2 2
351.6666 Jumlah Kelompok
3 3 979 395
667
3 3
Data Iterasi 3
17
BAB III
PENUTUP
A. KESIMPULAN
Dari hasil penelitian dapat ditarik kesimpulan bahwa produk jasa yang terdapatan di
PT Global Ekologi Indonesia yanga terdiri dari Pest dan Rodents Control, Termite Control,
Fumigationdan Disinfektasn mengalami peningkatan pendapatan dari tahun 2019 yang hanya
2,890.000.000 juta untuk produk pest dan Rodent control, pendapatan 1,130.000.000 untuk
produk termite control dan pendapatan sebesar 870.000.000 untuk produk fumigation
18
DAFTAR PUSTAKA
Firdausi, N. (2008). Analisis Financial Distress Dengan Pendekatan Data Mining Pada Industri
Manufaktur Go-Public Di Indonesia, 1–12.
Mayang Sari, R. (2015). Prediksi Data Anggaran Pendapatan Belanja Daerah Menggunakan
Algoritma K-Means.
Prasetyo, F. I., & Sutopo, J. (2017). Penerapan Algoritma K-Means Untuk Cluster Data
Anggaran Pendapatan Dan Belanja Desa ( Apbdes ), 1–9.
Wahyuni, F. (2009). Penggunaan Cluster-Based Sampling Untuk. New York, 5(1), 59–
19
20