BAB 1-2 Pupuk

BAB I
PENDAHULUAN
1.1 Latar Belakang
Kemajuan teknologi informasi sudah semakin berkembang pesat disegala
bidang kehidupan. Banyak sekali data yang dapat dihasilkan teknologi informasi
yang sangat canggih. Begitu pula dalam bidang bisnis penjualan, proses penjualan
dituntut untuk meningkatkan kinerja dengan persaingan teknologi dengan bisnis
lain misalnya, meningkatkan manajemen produk, kualitas produk, penambahan
jenis produk dan pengurangan biaya operasional.
Penjualan merupakan salah satu kegiatan pemasaran yang cukup penting
dalam rangka pencapaian tujuan perusahaan. Penjualan adalah ilmu dan seni
mempengaruhi pribadi yang dilakukan oleh penjual untuk mengajak orang lain
agar bersedia membeli barang yang ditawarkan. Pencapaian tingkat penjualan
perusahaan adalah salah satu indikator dari tingkat kemajuan perusahaan, untuk
mampu mencapai tingkat penjualan yang telah ditargetkan perusahaan itu berarti
perusahaan harus mampu menciptakan produk dan jasa yang sesuai dengan
kebutuhan dan keinginan konsumen juga bagaimana produk ini menjadi sumber
profit bagi perusahaan sebagai fokus perusahaan dalam memasarkan produknya
[1].
Toko Subur Delitua adalah merupakan salah satu toko yang bergerak
menyediakan pupuk pertanian. Data-data penjualan, pembelian pupuk maupun
pengeluaran tidak terduga tidak tersusun dengan baik, sehingga data tersebut
1
2
hanya berfungsi sebagai arsip toko dan tidak dapat dimanfaatkan untuk
pengembangan strategi pemasaran, sehingga data-data yang tersedia dapat
disimpan sebagai pengambilan keputusan untuk solusi bisnis serta dukungan
infrastruktur teknologi. Maka pihak manajemen Toko Subur Delitua dituntut
untuk mencari solusi dalam pengelolaan barang fashion dan menemukan strategi
yang dapat meningkatkan usaha dibidang penjualan terutama harus meningkatkan
pelayanan terbaik. Salah satu strategi yang dapat dilakukan adalah mencari
asosiasi dari produk yang tersedia dengan cara mengikuti pola pembelian yang
sering dilakukan pelanggan tersebut guna untuk mempermudah pengambilan
keputusan persediaan stok produk yang ada di Toko Subur Delitua.
Dalam Ilmu Komputer atau Ilmu Statistika, terdapat cara untuk
mengetahui pola dari penambangan data transaksi yang menumpuk untuk menjadi
sebuah informasi yang bermanfaat. Ilmu tersebut adalah Data Mining, dimana
data mining merupakan bidang ilmu yang mengajarkan tentang pengolahan data-
data yang besar dengan tujuan untuk mencari informasi yang bermanfaat dari data
tersebut sehingga data yang menumpuk itu dapat bermanfaat. Menurut Yuli Mardi
“Data Mining adalah proses mencari pola atau informasi menarik dalam data
terpilih dengan menggunakan teknik atau metode tertentu. Teknik-teknik, metode-
metode, atau algoritma dalam data mining sangat bervariasi. Pemilihan metode
atau algoritma yang tepat sangat bergantung pada tujuan dan proses Knowledge
Discovery in Database (KDD) secara keseluruhan” [2].
Pengelompokan teknik Data Mining dibagi menjadi 6 bagian yaitu :
(1)Deskripsi, (2)Estimasi, (3)Prediksi, (4)Klasifikasi, (5)Pengklasteran,
(6)Asosiasi [3]. Teknik yang dapat digunakan untuk mengetahui pola penjualan
3
pupuk di Toko Subur Delitua adalah teknik asosiasi, dimana teknik ini dapat
mengolah data untuk mengetahui keterkaitan antar pupuk yang dipesan. Maka
dari itu teknik yang akan digunakan pada karya ilmiah ini adalah asosiasi dengan
menggunakan algoritma Apriori. Metode Apriori ini merupakan suatu cara
mengukur data kedekatan antar pupuk yang disediakan. Apriori adalah metode
yang sering memanfaatkan itemset dalam pertambangan data atau produk [4].
Dalam masalah yang dibahas dalam penelitian ini akan dirancang sebuah
perangkat lunak berbasis Dekstop Programming yang diharapkan dapat menjadi
solusi pemecahan.
Berdasarkan deskripsi masalah di atas maka diangkat judul
“PENERAPAN DATA MINING UNTUK MENGANALISIS DATA
PENJUALAN PADA TOKO SUBUR DELITUA DENGAN
MENGGUNAKAN METODE APRIORI”. Diharapkan dengan diangkatnya
judul tersebut, dapat membantu pihak Toko dalam mengelola persediaan pupuk
dari pola pembelian oleh konsumen.
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah diatas, maka dibuat perumusan
masalahnya yaitu :
1. Bagaimana menganalisis data penjualan oleh konsumen di Toko Subur
Delitua?
2. Bagaimana merancang aplikasi sistem yang mengadopsi algoritma Apriori
untuk menganalisis data penjualan pupuk di Toko Subur Delitua ?
3. Bagaimana menguji dan mengimplementasikan sistem yang dirancang
sehingga membantu pihak Toko Subur Delitua ?

4
1.3 Batasan Masalah
Batasan masalah dalam skripsi ini dibuat agar penulisan skripsi yang
dilakukan lebih terarah, sehingga pembahasannya tidak menyimpang dari tujuan
yang ingin dicapai, maka diberi batasan sebagai berikut.
1. Permasalahan yang dibahas pada penelitian ini adalah pembelian oleh
konsumen pada bulan Februari – Maret 2022.
2. Metode yang digunakan sebagai solusi pemecahan masalah adalah Apriori .
3. Data transaksi yang dipilih adalah data transaksi dengan minimal 3 item per 1
transaksi.
4. Sistem yang dibangun adalah aplikasi Visual berbasis Desktop
1.4 Tujuan Penelitian
Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian ini
adalah sebagai berikut :
1. Untuk menganalisis data penjualan oleh konsumen di Toko Subur Delitua.
2. Untuk merancang aplikasi sistem yang mengadopsi algoritma Apriori untuk
pola menganalisis data penjualan pupuk di Toko Subur Delitua.
3. Untuk menguji dan mengimplementasikan sistem yang dirancang sehingga
membantu pihak Toko Subur Delitua
1.5 Manfaat penelitian
Penelitian ini dilaksanakan dengan harapan agar dapat memberikan
manfaat untuk semua pihak yang membutuhkannya, diantaranya

5
1. Dapat membantu Toko Subur Delitua dalam membangun strategi penjualan
pupuk dan mengetahui keterdekatan tiap produknya sehingga dapat membantu
dalam mengatur stok pupuk nantinya.
2. Dapat membantu dalam mengetahui hal yang mempengaruhi pembelian oleh
konsumen di Toko Subur Delitua.
3. Dapat membantu mahasiswa dalam memahami metode Apriori serta
penerapannya di dalam kasus penjualan.

BAB II
TINJAUAN PUSTAKA
2.1 Penjualan Toko UD. Subur Delitua
Penjualan adalah suatu bentuk kegiatan dengan cara mempengaruhi
pribadi yang dilakukan oleh penjual / pemilik barang dan jasa untuk mengajak
orang lain agar mau dan bersedia membeli barang atau jasa yang ditawarkan guna
untuk mencari keuntungan untuk si penjual dengan harga yang telah disepakati.
Pada umumnya transaksi jual beli akan melibatkan dua pihak, yaitu pihak
penjual dan pihak pembeli. Tujuan utama dari kegiatan penjualan adalah dapat
meyakinkan pembelinya untuk melakukan kegiatan transaksi pembelian akan
barang yang ditawarkan, dengan demikian penjual dapat berhasil mencapai
sasaran penjualan [1].
Strategi penjualan merupakan sebuah rencana yang dirancang dan
dipertimbangkan oleh perusahaan untuk menentukan bagaimana perusahaan
tersebut dapat meningkatkan jumlah penjualan produknya selain itu juga untuk
dapat memenuhi dan memberikan kepuasan dari permintaan konsumen
perusahaan tersebut. Berikut adalah pertimbangan-pertimbangan yang harus
dilakukan sebuah perusahaan dalam menentukan atau memperbaharui strategi
penjualan yang tepat [5]:
1. Keputusan tersebut akan ditentukan oleh lamanya wiraniaga berurusan dengan
pelanggan.
6
7
2. Apakah penekanan yang diutamakan dalam mempertahankan pelanggan-
pelanggan yang saat ini atau ingin menambah pelanggan yang ada.
3. Menaikkan dan meningkatkan produktivitas wiraniaga dengan cara
meningkatkan motivasi, kemajuan teknologi seperti cybermarketing, dan
teknik penjualan inovatif seperti prensentasi dengan video banyak
menguntungkan pemasar dalam hal memproduktifkan sumber-sumber armada
penjualnya. Siapa yang harus dihubungi bila berurusan dengan pelanggan
organisasi.
Toko UD. Subur Delitua merupakan salah satu agen pupuk yang
diperlukan oleh petani. Pupuk pada dasarnya selalu diperlukan dan menjadi salah
satu kebutuhan dasar oleh setiap petani. Sebagai salah satu contoh penting bahwa
pupuk merupakan kebutuhan dasar yaitu seperti pupuk urea yang sangat berperan
penting bagi tumbuhan.
Setiap hari data transaksi penjualan di Toko UD. Subur Delitua semakin
bertambah banyak. Dalam satu hari data transaksi yang tercatat sebanyak puluhan
transaksi dan data tersebut hanya dijadikan sebatas laporan saja dan tidak
dimanfaatkan untuk mengatur strategi penjualan. Banyaknya data tersebut
dipengaruhi oleh banyaknya barang yang dibeli konsumen dan untuk
meminimalisir banyaknya data yang tersimpan dalam jumlah yang sangat besar,
maka harus dimanfaatkan untuk melihat keterkaitan setiap jenis barang yang
dibeli konsumen secara bersamaan, salah satunya adalah transaksi penjualan toko
UD. Subur Delitua. Dari data transaksi penjualan tersebut akan dilihat dan dicari
keterkaitan antar item produk satu dengan produk yang lainnya yang akhirnya
dapat diketahui jenis produk atau barang yang sering dibeli oleh konsumen.
8
Dalam penelitian ini penulis akan mencoba menerapkan data mining
terhadap data transaksi penjualan pupul pada Toko UD. Subur Delitua dengan
menggunakan metode apriori untuk melihat hubungan asosiasi antara sejumlah
atribut penjualan. Diharapkan dengan diterapkannya data penjualan produk pupuk
ini dapat mengetahui jenis produk pupuk sebagai informasi ini dapat digunakan
oleh pihak toko dalam memanajemen produk yang dijual.
Tabel 2.1 Produk Pupuk
No Tanggal Nama Barang

Dolomite (Kapur Karbonat)
1 01-Feb-22 EXCOW (pupuk organik)
nitrea( pupuk Urea)
KCL KUJANG
02-Feb-22 Dolomite (Kapur Karbonat)
2 SP36 (Super Phospate)
KURIZA
04-Feb-22 KCL KUJANG
3 Dolomite (Kapur Karbonat)
NPK PHONSKA (Nitrogen
05-Feb-22 Phospate Kalium)
SP36 (Super Phospate)
06-Feb-22
5 KCL KUJANG
BION-UP (pupuk Hayati)
KURIZA
07-Feb-22
6 Phospate Kalium)
KCL KUJANG
09-Feb-22 SP36 (Super Phospate)
7 KCL KUJANG
10-Feb-22
8 KCL KUJANG
11-Feb-22
9 KCL KUJANG
KURIZA
12-Feb-22
10 NPK PHONSKA (Nitrogen
Phospate Kalium)
9
Tabel 2.1 Produk Pupuk (Lanjutan)

KCL KUJANG
13-Feb-22
11 BION-UP (pupuk Hayati)
Phospate Kalium)
14-Feb-22
12 EXCOW (pupuk organik)
KCL KUJANG
13
JERANTI(pupuk NPK
tablet)
14
Phospate Kalium)
15
18-Feb-22
16 Phospate Kalium)

JERANTI(pupuk NPK
tablet)
19-Feb-22 NPK PHONSKA (Nitrogen
17 Phospate Kalium)
ZA (Zwavelzure
Amonium)
20-Feb-22 JERANTI(pupuk NPK
18 tablet)
KCL KUJANG
Phospate Kalium)
KCL KUJANG
ZA (Zwavelzure
21-Feb-22 Amonium)
19
EXCOW (pupuk organik)
JERANTI(pupuk NPK
tablet)
Phospate Kalium)
22-Feb-22
20 ZA (Zwavelzure
Amonium)
10
Tabel 2.1 Produk Pupuk

KCL KUJANG
23-Feb-22
21 Phospate Kalium)
ZA (Zwavelzure
Amonium)
24-Feb-22
KCL KUJANG
25-Feb-22
23 nitrea( pupuk Urea)
26-Feb-22 Dolomite (Kapur Karbonat)
24
KURIZA
KCL KUJANG
27-Feb-22 NPK PHONSKA (Nitrogen
25 Phospate Kalium)
28-Feb-22
Phospate Kalium)
1- Mar -22 nitrea( pupuk Urea)
27 KCL KUJANG
ZA (Zwavelzure
Amonium)
KURIZA
2- Mar -22
28 ZA (Zwavelzure
Amonium)
3-Mar-22
Phospate Kalium)
11
2.2 Data Mining
Data mining adalah suatu proses penambangan atau penemuan informasi
baru yang dilakukan dengan cara mencari sebuah pola atau aturan tertentu dari
sejumlah data yang menumpuk dan dikatakan data besar. Data mining juga dapat
diartukan sebagai serangkaian suatu proses dalam mencari atau menggali nilai
tambah suatu data yang berupa pengetahuan yang selama ini tidak diketahui
secara manual yang pengetahuannya dapat bermanfaat [3].
Data mining bukan merupakan suatu bidang yang dapat dikatakan baru.
Data mining adalah sebuah pengembagan dan pencabangan dari ilmu Statistik.
Oleh sebab itu data mining dan ilmu statistik sangat memiliki keterkaitan satu
sama lain Salah satu hal yang menjadi kesulitan dalam mengartikan data mining
adalah kenyataan bahwa data mining mewarisi sangat banyak bidang, aspek dan
teknik dari bidang-bidang ilmu lainnya yang sudah mapan terlebih dahulu [6].
Dimulai dengan beberapa disiplin ilmu terdahulu, data mining bertujuan
dalam memperbaiki sebuah teknik manual sehingga bisa menangani [3]:
1. Data yang menumpuk.
2. Ukuran dan dimensi data yang tinggi.
3. Data yang tidak memiliki kecenderungan atau kesamaan dan berbeda sifat.
Pengelompokan data mining dapat dibagi menjadi beberapa kelompok
yaitu :
1. Deskripsi
Deskripsi merupakan cara untuk menggambarkan pola dan kecenderungan
yang terdapat dalam data yang dimiliki.

12
2. Estimasi
Estimasi hampir sama dengan klasifikasi, hanya saja nilai peubah atau
variable target estimasi lebih ke arah data angka atau numerik daripada ke
arah kategori.
3. Prediksi
Prediksi adalah suatu cara dalam menerka/menebak sebuah nilai yang belum
diketahui sebelumnya dan juga memperkirakan nilai untuk masa depan.
4. Klasifikasi
Dalam klasifikasi terdapat target variable bertipe kategori, contohnya adalah
penggolongan pendapatan yang dapat dipisahkan kedalam tiga kategori, yaitu
tinggi, sedang, dan rendah.
5. Pengklasteran
Pengklasteran adalah pengelompokan data record, pengamatan, atau
memperhatikan dan membentuk kelas objek-objek atau titik-titik yang
memiliki kemiripan satu dengan yang lainnya.
6. Asosiasi
Asosiasi bertugas menemukan atribut yang muncul dalam satu waktu. Dalam
dunia bisnis lebih umum disebut analisis keranjang belanja.
Suatu sifat yang menjadi sebuah ciri- ciri dari suatu objek disebut dengan
karakteristik. Ada beberapa karakteristik yang dimiliki Data mining yaitu sebagai
berikut :
1. Proses dalam menemukan sesuatu objek, informasi atau hal yang belum
terlihat dan pola suatu data tertentu yang belum diketahui sebelumnya tanpa
menjalankan proses penambangan oleh sipengguna.

13
2. Data yang menumpuk atau data yang besar sering dipergunakan untuk
memperoleh hasil penambangan yang lebih akurat dan bermanfaat karena
menggunakan data yang tergolong menumpuk dan sangat besar.
Dapat berguna dalam membuat, merancang ataupun menganalisis sebuah
keputusan yang kritis terutama dalam strategi. Dari beberapa penjelasan tersebut
dapat ditarik sebuah pernyataan bahwa Data mining bisa dikatakan suatu cara atau
teknik dalam menggali sebuah informasi berharga yang diperoleh melalui data
yang banyak dan tersembunyi pada suatu koleksi data (database) yang sangat
besar atau menumpuk sehingga ditemukan suatu pola yang menarik dan
bermanfaat yang sebelumnya tidak diketahui pemilik data.
2.2.1 Knowledge Discovery in Databases (KDD)
Pada proses data mining yang biasanya disebut Knowledge Discovery
Database (KDD). Knowledge Discovery Databases (KDD) adalah penerapan
metode saintifik pada data mining. Knowledge Management (KM) merupakan
suatu tindakan untuk menciptakan nilai bisnis dan menghasilkan keunggulan daya
saing pada sebuah perusahaan. Tujuan perusahaan menerapkan KM adalah untuk
menjaga agar pengetahuan tersebut tidak hilang begitu saja dan bisa di sharing
dengan pegawai lain di perusahaan. KM dibagi menjadi tiga tingkatan, yaitu
Document Management (level 1), Information creation, sharing andmanagement
(level 2), dan Enterprise intelligence (level 3). Dalam penjelasan ini data mining
merupakan satu langkah dari proses KDD, terdapat beberapa proses seperti
terlihat pada gambar dibawah ini [7].

14
Gambar 2.1 Proses Knowleadge Discovery Database
Penjelasan pada gambar proses Knowledge Discovery Database (KDD)
terdapat beberapa proses dari tahap menjalankan KDD yaitu sebagai berikut:
1. Seleksi Data (Selection)
Selection berarti proses seleksi/pemilihan dari data yang dilakukan sebelum
menuju pada tahap penelusuran dalam Knowledge Discovery Database (KDD)
dimulai dengan ketentuan data dipilih berdasarkan tujuan. Data yang di
kumpulkan akan digunakan dalam menjalankan proses yang dilakukan oleh
data mining.
2. Pemilihan Data (Preprocessing/Cleaning)
Proses preprocessing adalah suatu proses yang meliputi antara lain menghapus
atau membuang data ganda yang tidak digunakan, memeriksa data yang
dianggap tidak konsisten, dan memperbaiki kesalahan pada data, seperti
kesalahan penulisan (tipografi).

15
3. Transformasi (Transformation)
Pada fase ini yang dilakukan adalah mengubah suatu bentuk data yang belum
mempunyai beberapa entitas yang jelas ke dalam data yang siap untuk
dilakukan proses data mining.
4. Data mining
Pada proses ini, yang dilakukan adalah melakukan penerapan algoritma atau
metode pencarian pengetahuan dari data yang dihasilkan pada proses
transformasi.
5. Interpretasi/Evaluasi (Interpretation/Evaluation)
Pada fase ini yang paling terakhir ini, proses yang dilakukan adalah proses
membentuk sebuah output atau hasil yang mudah dimengerti dan berbentuk
sebuah informasi yang bermanfaat.
Tahapan proses dalam cara kerja data mining yang merupakan suatu
pengolahan dalam tahapan yang ada pada tahap Knowledge Discovery in
Databases (KDD) [8] seperti yang terlihat pada gambar dapat diuraikan sebagai
berikut :
1. Paham terhadap sumber aplikasi dalam mengetahui, mencari dan menggali
pengetahuan awal sesuai dengan yang diharapkan dan menjadi sasaran
pengguna.
2. Merancang target data-set yang dibutuhkan dalam proses data mining yang
meliputi pemilihan sebuah data yang diperlukan
3. Pembersihan dan transformasi data meliputi penghapusan bagian - bagian yang
dianggap tidak perlu.

16
4. Penggunaan algoritma data mining yang bertujuan mendapatkan hasil berupa
evaluasi dan informasi
5. Interpretasi, evaluasi dan visualisasi pola untuk melihat apakah ada sesuatu
yang baru dan menarik.
Himpunan data (data-set) adalah sebuah kompilasi dari objek dan
atributnya. Atribut dapat dibedakan kedalam jenis-jenis yang sangat berbeda.
Categorical Attribute atau bisa disebut juga dengan atribut kategorikal merupakan
salah satu jenis atribut yang sumber asanya merupakan suatu himpunan simbol
yang memiliki batas atau simbol berhingga. Atribut kategorikal dapat digolongkan
kedalam dua tipe [9], yaitu :
1. Nominal, atribut yang memilikin nilai tidak dapat diurutkan dan bersifat verbal.
Contoh : Jenis kelamin.
2. Ordinal, atribut yang dapat diurutkan dan memiliki sifat angka.
Contoh : Ranking (misal, rasa dari keripik kentang pada skala 1-10).
Tipe atribut kedua adalah atribut numerik (numeric attribute)yang domainnya
berupa bilangan nyata atau integer.
Contoh : Umur dan gaji. Atribut numerik juga dibedakan menjadi dua, yaitu :
a. Interval
b. Rasio
Jenis-jenis metode atau teknik data mining adalah sebagai berikut :
1. Klasifikasi
Klasifikasi adalah proses dalam melakukan penentuan sebuah data record baru
menjadi salah satu dari beberapa katagori (kelas) yang telah digunakan untuk
mendefinisikan data sebelumnya.

17
2. Regresi atau prediksi
Mencari nilai dari suatu variabel yang memiliki sifat berkelanjutan atau biasa
disebut kontinyu dan yang dapat diberikan berdasarkan nilai yang berasal dari
variabel yang lain, dengan syarat sebuah variabel model memiliki
ketergantungan nonlinier atau linier.
3. Klasterisasi (clustering)
Membagi atau memilah-milah data-set menjadi beberapa sub-data atau
kelompok dengan sedemikian rupa sehingga terbentuklah elemen-elemen
dalam suatu kelompok tertentu mempunyai nilai atau set properti yang
mempunyai kedekatan.
4. Asosiasi (associationrules)
Menganalisis suatu atribut-atribut pada sebuah data yang muncul bersamaan
(co-occur)dalam frekuensi yang tinggi dan membentuk beberapa aturan dari
data tersebut.
5. Pencarian pola sekuensial (sequence mining)
Menganalisis sejumlah event atau kejadian dalam sebuah dataset yang secara
umum dapat terjadi secara bersama-sama. Skuensial ini juga dilakukan untuk
mencari pola yang memprediksi ketergantungan objek atribut yang kuat
diantara kejadian-kejadian yang berbeda.
2.3 Algoritma Apriori (Assosiation Rule)
Analisis Asosiasi dikenal juga sebagai salah satu teknik data mining yang
menjadi dasar dari berbagai teknik data mining lainnya”. Secara khusus, salah
satu tahap dari analisis asosiasi yang menarik perhatian banyak peneliti untuk
18
menghasilkan algoritma yang efisien adalah analisi pola frekuensi tinggi (frequent
pattern mining [10]. Metodologi dasar analisis asosiasi terbagi menjadi dua yaitu :
2.3.1 Analisis Pola Frekuensi Tinggi
Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai
support dalam database. Nilai support sebuah item diperoleh dengan rumus
berikut [11]:
𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 (𝐴)

𝑆𝑢𝑝𝑝𝑜𝑟𝑡 𝐴 = 𝑥 100%
𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖
Sedangkan nilai support dari dua item diperoleh dari rumus berikut:
𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 (𝐴 → 𝐵)
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴, 𝐵) = 𝑃(𝐴 → 𝐵) = 𝑥 100%
𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖
2.3.2 Pembentukan Aturan Asosiatif
Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan asosiatif
yang memenuhi syarat minimum untuk confidence dengan menghitung confidence
aturan asosiatif A → B.
Nilai confidence dari aturan A→B diperoleh dari rumus berikut :
confidence aturan asosiatif A →B. Nilai aturan A →B diperoleh rumus [12]:
𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 (𝐴 → 𝐵)
𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 (𝐴, 𝐵) = 𝑃(𝐴 → 𝐵) = 𝑥 100%
𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝐴
Analisis Asosiasi dikenal juga sebagai salah satu teknik data mining yang
menjadi dasar dari berbagai teknik data mining lainnya. Secara khusus, salah satu
tahap dari analisis asosiasi yang menarik perhatian banyak peneliti untuk
menghasilkan algoritma yang efisien adalah analisi pola frekuensi tinggi.
Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Selain
apriori, yang termasuk pada golongan ini adalah metode Geralized Rule Induction
19
dan Algoritma Hash Based. Yang menyatakan asosiasi antara beberapa atribut
sering disebut affinity analysis atau market basket analysis [13].
Aturan asosiasi biasanya dinyatakan dalam bentuk:
{roti, mentega} -> {susu} (support = 40%, confidence = 50%)
Aturan tersebut berarti : “50% dari transaksi di database yang memuat item
roti dan mentega juga memuat item susu. Sedangkan 40% dari seluruh transaksi
yang ada di database memuat ketiga item itu.
Dapat juga diartikan: “Seorang konsumen yang membeli roti dan mentega
punya kemungkinan 50% untuk juga membeli susu. Aturan ini cukup signifikan
karena mewakili 40% dari catatan transaksi selama ini.”
Analisis asosiasi didefinisikan suatu proses untuk menemukan semua aturan
assosiatif yang memenuhi syarat minimum untuk support (minimum support) dan
syarat minimum untuk confidence (minimum confidence).
Penting tidaknya suatu aturan asosiatif dapat diketahui dengan dua parameter,
yaitu support dan confidence. Support (nilai penunjang) adalah presentase
kombinasi item tersebut dalam database, sedangkan confidence nilai kepastian)
adalah kuatnya hubungan anta item dalam aturan asosiasi.
2.4 UML (Unified Modeling Language)
Pada perkembangan teknologi peranti lunak, memerlukan adanya bahasa
yang digunakan untuk memodelkan peranti lunak yang akan dibuat dan perlu
adanya standarisasi agar orang di berbagai negara dapat mengerti pemodelan
perangkat lunak [14]. Seperti yang diketahui bahwa menyatukan banyak kepala
untuk menceritakan sebuah ide dengan tujuan untuk memahami hal yang sama
tidaklah mudah.
20
Unified Modelling Language (UML) adalah bahasa pemodelan yang
digunakan untuk sistem atau perangkat lunak yang berparadigma berorientasi
objek. Abstraksi konsep dasar UML terdiri dari structural classification, dynamic
behavior, dan model management dapat dipahami main concepts sebagai term
yang akan muncul pada saat membuat diagram dan view adalah kategori dari
diagram tersebut [15].
2.4.1 Use Case Diagram
Use Case atau diagram use case merupakan pemodelan yang digunakan
untuk menggambarkan sebuah kasus interaksi antara aktor dan sistem meliputi
apa yang dapat dilakukan seorang pengguna terhadap sistem yang dijalankan.
Suatu use case diagram akan ditujukan untuk menyatakan visualisasi
interaksi yang terjadi diantara pengguna (aktor) dengan sistem. Diagram ini bisa
menjadi gambaran yang sangat bagus dalam menjelaskan konteks dari sebuah
sistem yang ingin dibangun sehingga terlihat jelas batasan dari sistem. Ada 2
elemen penting yang harus digambarkan, yaitu aktor dan use case. Berikut ini
adalah simbol simbol use case diagram [16]:
Tabel 2.1 Simbol Use Case Diagram
No Nama Simbol Dekripsi

Fungsionalitas yang disediakan sistem
sebagai unit-unit yang saling bertukar
Use Nama use pesan antar unit atau aktor; biasanya
1 case
case dinyatakan dengan menggunakan kata
kerja di awal di awal frase nama use case
21
Tabel 2.1 Simbol Use Case Diagram (Lanjutan)
Orang, proses, atau sistem lain yang

berinteraksi dengan sistem informasi
yang akan dibuat di luar sistem
informasi yang akan dibuat itu sendiri,
Aktor /
2 actor jadi walaupun simbol dari aktor adalah
gambar orang, tapi aktor belum tentu
Nama aktor merupakan orang; biasanya dinyatakan

menggunakan kata benda di awal frase
nama aktor.
Komunikasi antara aktor dan use case
yang berpartisipasi pada use case atau
Asosiasi /
3
association use case memilki interaksi dengan
aktor.
Relasi use case tambahan ke sebuah
use case dimana use case yang
ditambahkan dapat berdiri sendiri
walau tanpa use case tambahan itu;
mirip dengan prinsip inheritance pada
pemograman berorientasi objek;
Ekstensi / biasanya use case tambahan memilki

4
extend <<extend>> nama depan yang sama dengan use
case yang ditambahkan; misal
22
Tabel 2.1 Simbol Use Case Diagram (Lanjutan)

Relasi use case tambahan ke sebuah use
case yang ditambahkan memerlukan
use case ini untuk menjalankan
<<include>> fungsinya atau sebagai syarat dijalankan
include / use case ini. Ada dua sudut pandang
5 uses
((uses)) yang cukup besar mengenai include di
use case : Kedua interpretasi di atas
dapat dianut salah satu atau keduanya
tergantung pada pertimbangan dan
interpretasi yang dibutuhkan.
Hubungan generalisasi dan spesialisasi
(umum-khusus) antara dua buah use
case dimana fungsi yang satu adalah
fungsi yang lebih umum dari lainnya,
misalnya :
generalizati
6
on
Arah panah mengarah pada use case

yang menjadi generalisasinya (umum)
23
2.4.2 Activity Diagram
Diagram ini menggambarkan berbagai aktifitas dalam sistem yang
sedang dirancang, mulai dari titik awal, melalui kondisi (decision) yang mungkin
terjadi, kemudian sampai pada titik akhir. Diagram ini tidak menggambarkan
perilaku/proses internal sebuah sistem maupun interaksi antar subsistem, tetapi
lebih menggambarkan proses-proses dan jalur-jalur aktivitas secara umum atau
global [17].
Tabel 2.2 Simbol Activity Diagram

status awal aktivitas sistem, sebuah
1. Status awal Diagram aktivitas memiliki sebuah
status awal
aktivitas yang dilakukan sistem,
2. Aktivitas aktivitas baisanya diawali dengan
kata kerja
asosiasi percabangan pemisahan
Percabangan / jalan dari aktifitas sistem jika ada
3.
decision
keputusan
asosiasi penggabungan dimana
Penggabungan lebih dari satu aktivitas
4.
/ join
digabungkan menjadi satu
status akhir yang dilakukan sistem,
5. Status akhir sebuah Diagram aktivitas memiliki
sebuah status akhir
24
Tabel 2.2 Simbol Activity Diagram

memisahkan aktivitas yang
bertanggung jawab terhadap
6. Swimlane
aktivitas yang terjadi.
Atau
Pemisahan / asosiasi pemisahan dimana ada satu

7. aktivitas dipisah menjadi beberapa
Fork
aktivitas.
2.4.3 Class Diagram
Diagram kelas atau class diagram adalah diagram yang menggambarkan
struktur yang berjalan pada sistem dari segi pendefinisisan kelas-kelas yang akan
dibuat untuk membangun sistem. Kelas memiliki apa yang disebut atribut dan
metode atau operasi [18].
Tabel 2.3 Simbol Class Diagram
kelas pada struktur system
1 Kelas
Sama dengan konsep interface

Antarmuka /
2 dalam pemrograman
interface
nama_Interface berorientasi objek
relasi antarkelas meliputi
Asosiasi / makna umum, asosiasi
3
association biasanya juga disertai dengan
multiplicity
25
Tabel 2.3 Simbol Class Diagram (Lanjutan)
Asosiasi berarah relasi antarkelas yang satu

/ directed digunakan oleh kelas yang
4
association lain, asosiasi biasanya juga
disertai dengan multiplicity
makna generalisasi-spesialisasi
5 generalisasi (umum-khusus)

kebergantungan. makna kebergantungan
6 antarkelas
/. dependency

Agregasi /
7 makna semua-bagian (whole-
aggregation
part)
2.5 Aplikasi Pendukung
Pemrograman Visual Berbasis Desktop adalah suatu pemrograman yang
dilakukan dengan menggunakan manipulasi dari elemen-elemen visual yang di
lakukan pada sebuah perangkat komputer tunggal secara offline yang
pengoperasiannya tidak bergantung pada komputer lain dalam jaringan maupun
web.
2.5.1 Microsoft Visual Basic 2008
Visual basic adalah sebuah bahasa pemrograman yang sering dikatakan
bahasa pemprograman tingkat tinggi yang sudah banyak dikenal dikalangan
pemrograman, dimulai dengan BASIC yang terdapat pada komputer “angkatan
tua”, seperti AT286. Bahasa Basic merupakan sebuah bahasa pemrograman yang
sangat diandalkan dalam membangun beberapa aplikasi penting. Alasan bahasa

26
Basic digemari adalah karena susunan dalam proses penulisan programnya yang
membebaskan kita untuk melompat dari satu baris program ke baris
lainnya.bahasa Basic banyak terdapat di masa penggunaan sistem operasi DOS.
Sejalan dengan berkembangnya teknologi dalam sistem operasi biasa ke sistem
operasi berbasis grafik, para pengguna DOS beralih ke WINDOWS [19].
Visual basic 2008 sering disebut juga Visual basic 9. Visual basic ini
terdapat dalam produk Microsoft, yaitu Visual Studio 2008. Visual studio 2008
dan semua anggotanya, yang terdiri dari : Visual basic, Visual C++, Visual C#,
Visual Web Developer, memerlukan platform pemrograman yang tepat, yaitu :
Net 3 atau yang terbaru. Visual Studio 2008 memiliki beberapa versi, yaitu :
Professional, Visual Studio Tools Team Edition, dan Express. Berikut ini adalah
sebuah lembar kerja Microsoft Visual basic 2008 [20].
Gambar 2.2 Lembar kerja Microsoft Visual basic 2008
Berikut ini adalah keterangan dari gambar 2.2:
1. ToolBox :adalah tempat menyimpan control yang akan kita gunakan pada
program yang dipasang pada form.

27
2. Form :adalah jendela untuk mendesain suatu form yang terpilih.
3. Solution Explorer :adalah sekumpulan komponen yang terkait pada suatu
projek (solution) yang sedang kita buat. Kita dapat bernavigasi komponen dari
projek kita buat atau tambahan (form, module, reference) melalui jendela
Solution Explorer ini.
4. Properties Windows :adalah jendela yang menunjukkan sekumpulan property
dari suatu komponen yang sedang kita pilih. Di sini kita dapat mengubah nilai
properti suatu komponen sesuai yang kita inginkan saat proses desain aplikasi.
Untuk menggunakan properti yaitu klik terlebih dahulu control yang ingin kita
setting.
5. Errorlist : Daftar error, peringatan dan pesan dari Visual basic untuk pengguna
sehingga kita dapat mengantisipasi kesalahan dalam berbagai penulisan kode
serta pengoptimalan penulisan kode karena Visual basic 2010 dilengkapi
dengan kecerdasan dalam memberikan pesan peringatan atau kesalahan dalam
penulisan kode oleh penggunanya.
6. ToolBar :adalah peralatan yang berfungsi mewakili suatu perintah yang ada
pada Menu bar.
2.5.2 Microsoft Access 2010
Microsoft Access adalah sebuah program yang digunakan untuk mengolah
database dengan model relasional karena pada aplikasi ini terdapat lajur kolom
dan lajur baris. Selain itu Microsoft access merupakan sebuah program aplikasi
yang tergolong sangat mudah dalam pengaplikasiannya dan sangat familiar untuk
digunakan dalam pembuatan dan perancangan sistem manajemen database [17].
Melalui Microsoft access user dapat menggunakannya untuk merancang dan

28
mengolah database yang saling terkait antara pembuatan Table, Form, Query,
Report, Macro, Modul sehingga dapat dikoordinasikan dalam pembuatan :
Tombol Macro, Menu Drop Down, dan Menu Switchboard. Untuk menjalankan
Microsoft access 2010 dapat dilakukan dengan memilih tombol Start pada
taskbar, pilih All Program, kemudian pilih Microsoft office access 2010 [21].
2.5.3 Crystal report
Crystal report adalah program yang dapat digunakan untuk membuat
laporan yang terpisah dengan program Microsoft Visual basic. Kelebihan dari
Crystal report ini adalah hasil cetaknya lebih baik dan pembuatan laporannya pun
lebih mudah disusun, hal ini dikarenakan pada Crystal report banyak tersedia
objek dan komponen yang mudah digunakan [22].
Gambar 2.2Crystal report
Gambar 2.3 Crystal report

DAFTAR PUSTAKA
[1] R. Gusrizaldi, E. Komalasari, M. Dan, D. Program and S. Administrasi,

"ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT
PENJUALAN DI INDRAKO SWALAYAN TELUK KUANTAN," vol. 2,
no. 2, pp. 286-303, 2016.
[2] Yuli Mardi, "Data Mining : Klasifikasi Menggunakan Algoritma C4.5 Yuli
Mardi," Jurnal Edik Informatika, no. ISSN : 2407-0491.
[3] A. M. Alfannisa Annurullah Fajrin1, "PENERAPAN DATA MINING
UNTUK ANALISIS POLA PEMBELIAN KONSUMEN DENGAN
ALGORITMA FPGROWTH PADA DATA TRANSAKSI PENJUALAN
SPARE PART MOTOR," Kumpulan jurnaL Ilmu Komputer (KLIK), vol. 5,
no. ISSN: 2406-7857, 2018.
[4] D. Listriani, A. H. Setyaningrum and F. Eka, "PENERAPAN METODE
ASOSIASI MENGGUNAKAN ALGORITMA APRIORI PADA APLIKASI
ANALISA POLA BELANJA KONSUMEN (Studi Kasus Toko Buku
Gramedia Bintaro)," vol. 9, no. 2.
[5] M. Willy Pratama Widharta dan Sugiono Sugiharto, S.E., "PENYUSUNAN
STRATEGI DAN SISTEM PENJUALAN DALAM RANGKA
MENINGKATKAN PENJUALAN TOKO DAMAI," JURNAL
MANAJEMEN PEMASARAN PETRA, vol. 2, 2015.
[6] D. Firdaus, "Penggunaan Data Mining dalam Kegiatan Sistem Pembelajaran
Berbantuan Komputer," 2017.
[7] A. Asroni, H. Fitri and E. Prasetyo, "Penerapan Metode Clustering dengan
Algoritma K-Means pada Pengelompokkan Data Calon Mahasiswa Baru di
Universitas Muhammadiyah Yogyakarta (Studi Kasus: Fakultas Kedokteran
dan Ilmu Kesehatan, dan Fakultas Ilmu Sosial dan Ilmu Politik)," Semesta
Teknika, vol. 21, no. 1, 2018.
[8] H. Sulastri and A. I. Gufroni, "PENERAPAN DATA MINING DALAM
PENGELOMPOKAN PENDERITA THALASSAEMIA," Jurnal Nasional
Teknologi dan Sistem Informasi, vol. 3, no. 2, pp. 299-305, 26 9 2017.
[9] F. A. Hermawati, "Data Mining," in Data Mining , Surabaya, Penerbit Andi,
2013, p. 1.
[10] Nurbayti, "Tren Pengguna Aplikasi Go-Food di Era Digital," K O M A S K A
M, vol. 1, no. 1, 2019.
[11] H. Kusumo, "Analisis Algoritma Apriori Untuk Mendukung Strategi Promosi
Perguruan Tinggi," Walisongo Journal of Information Technology, vol. 1, no.
1, 2019.
[12] I. P. Astuti, "ALGORITMA APRIORI UNTUK MENEMUKAN
HUBUNGAN ANTARA JURUSAN SEKOLAH DENGAN TINGKAT
KELULUSAN MAHASISWA," JURNAL TEKNIK INFORMATIKA, vol. 12,
no. 1, 2019.
[13] F. A. Sianturi, "PENERAPAN ALGORITMA APRIORI UNTUK
PENENTUAN TINGKAT PESANAN," Jurnal Mantik Penusa, vol. 2, no. 1,
2
2018.
[14] Suendri, "Implementasi Diagram UML (Unified Modelling Language) Pada
Perancangan Sistem Informasi Remunerasi Dosen Dengan Database Oracle
(Studi Kasus: UIN Sumatera Utara Medan)," ALGORITMA: Jurnal Ilmu
Komputer dan Informatika, p. 1, 2018.
[15] Sutejo, "Pemodelan UML Sistem Informasi Geografis Pasar Tradisional Kota
Pekanbaru," Jurnal Teknologi Informasi & Komunikasi Digital Zone,
`Universitas Lancang Kuning , vol. 7, 2016.
[16] A. Hendini, "PEMODELAN UML SISTEM INFORMASI MONITORING
PENJUALAN DAN STOK BARANG (STUDI KASUS: DISTRO ZHEZHA
PONTIANAK)," JURNAL KHATULISTIWA INFORMATIKA, vol. 4, no. 1,
2016.
[17] R. Nurmalina, J. A. Yani Km, T. Laut and K. Selatan, "Perencanaan dan
Pengembangan Aplikasi Absensi Mahasiswa Menggunakan Smart Card
Guna Pengembangan Kampus Cerdas (Studi Kasus Politeknik Negeri Tanah
Laut)," Jurnal Integrasi, vol. 9, no. 1, pp. 84-91, 2017.
[18] T. B. Kurniawan, "PERANCANGAN SISTEM APLIKASI PEMESANAN
MAKANAN DAN MINUMAN PADA CAFETARIA NO CAFFE DI
TANJUNG BALAI KARIMUN MENGGUNAKAN BAHASA
PEMOGRAMAN PHP DAN MYSQL," Jurnal TIKAR, vol. 1, no. 2, pp. 192-
206, 2020.
[19] N. E. Putri and S. Azpar, "Sistem Informasi Pengolahan Data Pendidikan
Anak Usia Dini (PAUD ) Terpadu Amalia Syukra Padang,"
JurnalEdikInformatika, vol. 2, 2016.
[20] S. Sulastri, "ANALISA DAN PERANCANGAN SISTEM INFORMASI
PEMESANAN KAMAR PADA HOTEL JATI WISATA
PANGKALPINANG DENGAN METODOLOGI BERORIENTASI
OBJEK," Jurnal Teknologi Komunikasi , no. ISSN. 2302-2795, 2014.
[21] A. Nahlah*, "Sistem Informasi Perpustakaan Berbasis Ms Access pada
Jurusan Administrasi Niaga Politeknik Negeri Ujung Pandang," Jurnal
Sainsmat, vol. IV, no. 2, pp. 175-195, 2015.
[22] M. Deval Gusrion, S.Kom, "MEMBUAT APLIKASI PENYIMPANAN
DAN PENGOLAHAN DATA DENGAN VB.NET," UPI YPTK Jurnal
KomTekInfo , vol. 5, no. ISSN :2356-0010 | eISSN :2502-8758, 2018.

BAB 1-2 Pupuk

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

BAB 1-2 Pupuk

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB I

1.1 Latar Belakang

Kemajuan teknologi informasi sudah semakin berkembang pesat disegala

dituntut untuk meningkatkan kinerja dengan persaingan teknologi dengan bisnis

lain misalnya, meningkatkan manajemen produk, kualitas produk, penambahan

jenis produk dan pengurangan biaya operasional.

Penjualan merupakan salah satu kegiatan pemasaran yang cukup penting

agar bersedia membeli barang yang ditawarkan. Pencapaian tingkat penjualan

profit bagi perusahaan sebagai fokus perusahaan dalam memasarkan produknya

menyediakan pupuk pertanian. Data-data penjualan, pembelian pupuk maupun

pengembangan strategi pemasaran, sehingga data-data yang tersedia dapat

disimpan sebagai pengambilan keputusan untuk solusi bisnis serta dukungan

infrastruktur teknologi. Maka pihak manajemen Toko Subur Delitua dituntut

yang dapat meningkatkan usaha dibidang penjualan terutama harus meningkatkan

sering dilakukan pelanggan tersebut guna untuk mempermudah pengambilan

keputusan persediaan stok produk yang ada di Toko Subur Delitua.

Dalam Ilmu Komputer atau Ilmu Statistika, terdapat cara untuk

terpilih dengan menggunakan teknik atau metode tertentu. Teknik-teknik, metode-

Discovery in Database (KDD) secara keseluruhan” [2].

Pengelompokan teknik Data Mining dibagi menjadi 6 bagian yaitu :

(1)Deskripsi, (2)Estimasi, (3)Prediksi, (4)Klasifikasi, (5)Pengklasteran,

menggunakan algoritma Apriori. Metode Apriori ini merupakan suatu cara

perangkat lunak berbasis Dekstop Programming yang diharapkan dapat menjadi

Berdasarkan deskripsi masalah di atas maka diangkat judul

“PENERAPAN DATA MINING UNTUK MENGANALISIS DATA

PENJUALAN PADA TOKO SUBUR DELITUA DENGAN

MENGGUNAKAN METODE APRIORI”. Diharapkan dengan diangkatnya

dari pola pembelian oleh konsumen.

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah diatas, maka dibuat perumusan

1. Bagaimana menganalisis data penjualan oleh konsumen di Toko Subur

2. Bagaimana merancang aplikasi sistem yang mengadopsi algoritma Apriori

untuk menganalisis data penjualan pupuk di Toko Subur Delitua ?

3. Bagaimana menguji dan mengimplementasikan sistem yang dirancang

sehingga membantu pihak Toko Subur Delitua ?

1.3 Batasan Masalah

dilakukan lebih terarah, sehingga pembahasannya tidak menyimpang dari tujuan

yang ingin dicapai, maka diberi batasan sebagai berikut.

1. Permasalahan yang dibahas pada penelitian ini adalah pembelian oleh

konsumen pada bulan Februari – Maret 2022.

2. Metode yang digunakan sebagai solusi pemecahan masalah adalah Apriori .

4. Sistem yang dibangun adalah aplikasi Visual berbasis Desktop

1.4 Tujuan Penelitian

Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian ini

adalah sebagai berikut :

1. Untuk menganalisis data penjualan oleh konsumen di Toko Subur Delitua.

2. Untuk merancang aplikasi sistem yang mengadopsi algoritma Apriori untuk

pola menganalisis data penjualan pupuk di Toko Subur Delitua.

3. Untuk menguji dan mengimplementasikan sistem yang dirancang sehingga

membantu pihak Toko Subur Delitua

1.5 Manfaat penelitian

Penelitian ini dilaksanakan dengan harapan agar dapat memberikan

manfaat untuk semua pihak yang membutuhkannya, diantaranya

1. Dapat membantu Toko Subur Delitua dalam membangun strategi penjualan

pupuk dan mengetahui keterdekatan tiap produknya sehingga dapat membantu

dalam mengatur stok pupuk nantinya.

2. Dapat membantu dalam mengetahui hal yang mempengaruhi pembelian oleh

konsumen di Toko Subur Delitua.

3. Dapat membantu mahasiswa dalam memahami metode Apriori serta

penerapannya di dalam kasus penjualan.

2.1 Penjualan Toko UD. Subur Delitua

Penjualan adalah suatu bentuk kegiatan dengan cara mempengaruhi

meyakinkan pembelinya untuk melakukan kegiatan transaksi pembelian akan

barang yang ditawarkan, dengan demikian penjual dapat berhasil mencapai