BAB III

METODOLOGI PENELITIAN

3.1 Metodologi Penelitian

Metode Penelitian merupakan sebuah proses atau cara ilmiah dalam

mendapatkan data yang akan digunakan untuk menyelesaikan masalah dengan

dengan mengadakan studi langsung kelapangan untuk mengumpulkan data.

Adapun tahapan yang dilakukan dalam penelitian guna untuk menyelesaikan

permasalahan yang telah dijelaskan pada tahapan sebelumnya termasuk pada

bagian latar belakang permasalahan, mencakup pada:

1. Teknik Pengumpulan Data

Teknik pengumpulan data berupa suatu pernyataan tentang sifat, keadaan,

kegiatan tertentu dan sejenisnya. Pengumpulan data dalam penelitian ini

dilakukan di UD.Subur Delitua yang berkaitan dengan penjualan pupuk

menggunakan 2 cara berikut merupakan uraian yang digunakan :

a. Wawancara

Pengumpulan data dengan melakukan tanya jawab langsung dengan

narasumber dari objek yang diteliti untuk memperoleh yang diinginkan.

Wawancara dilakukan guna mendapatkan alur kerja pada objek yang diteliti

yang akan digunakan dalam menentukan fitur-fitur yang akan dibangun.

Pada tahapan wawancara dilakukan dengan cara mewawancarai Admin

maupun Manager di UD.Subur Delitua tentang penjualan pupuk.

29
 30

b. Observasi

Metode pengumpulan data ini digunakan untuk mendapatkan data yang

berkaitan dengan peninjauan langsung ke UD.Subur Delitua maupun

terhadap pelanggan dan melakukan survey mengenai produk yang sering

dibeli oleh konsumen. Berikut ini adalah data penjualan yang diperoleh dari

UD.Subur Delitua.

Tabel 3.1. Data Penjualan

No Tanggal Penjualan Barang

Dolomite (Kapur Karbonat)
1 01-Jan Excow
nitrea( pupuk Urea)
KCL KUJANG
02-Jan Dolomite (Kapur Karbonat)
2
SP36 (Super Phospate)
KURIZA
04-Jan KCL KUJANG
3 Dolomite (Kapur Karbonat)
NPK PHONSKA (Nitrogen Phospate Kalium)
05-Jan
4 Dolomite (Kapur Karbonat)
SP36 (Super Phospate)
SP36 (Super Phospate)
06-Jan
5 KCL KUJANG
BION-UP (pupuk Hayati)
Dolomite (Kapur Karbonat)
KURIZA
NPK PHONSKA (Nitrogen Phospate Kalium)
6 07-Jan
SP36 (Super Phospate)
KCL KUJANG
BION-UP (pupuk Hayati)
SP36 (Super Phospate)
7 09-Jan
KCL KUJANG
8 10-Jan KCL KUJANG
Dolomite (Kapur Karbonat)
9 11-Jan KCL KUJANG
KURIZA
Dolomite (Kapur Karbonat)
10 12-Jan
NPK PHONSKA (Nitrogen Phospate Kalium)
 31

Tabel 3.1 Data Penjualan (Lanjutan)

No Tanggal Penjualan Barang

KCL KUJANG
13-Jan SP36 (Super Phospate)
11
BION-UP (pupuk Hayati)
NPK PHONSKA (Nitrogen Phospate Kalium)
Dolomite (Kapur Karbonat)
12 14-Jan Excow
KCL KUJANG
KCL KUJANG
13 15-Jan
JERANTI(pupuk NPK tablet)
16-Jan KCL KUJANG
14
Dolomite (Kapur Karbonat)
NPK PHONSKA (Nitrogen Phospate Kalium)
KCL KUJANG
15 17-Jan
NPK PHONSKA (Nitrogen Phospate Kalium)
16 18-Jan
Dolomite (Kapur Karbonat)
JERANTI(pupuk NPK tablet)
17 19-Jan NPK PHONSKA (Nitrogen Phospate Kalium)
ZA (Zwavelzure Amonium)
SP36 (Super Phospate)
Dolomite (Kapur Karbonat)
18 20-Jan JERANTI(pupuk NPK tablet)
KCL KUJANG
NPK PHONSKA (Nitrogen Phospate Kalium)
KCL KUJANG
ZA (Zwavelzure Amonium)
19 21-Jan Dolomite (Kapur Karbonat)
Excow
SP36 (Super Phospate)
JERANTI(pupuk NPK tablet)
NPK PHONSKA (Nitrogen Phospate Kalium)
20 22-Jan ZA (Zwavelzure Amonium)
Dolomite (Kapur Karbonat)
KCL KUJANG
Dolomite (Kapur Karbonat)
21 23-Jan NPK PHONSKA (Nitrogen Phospate Kalium)
SP36 (Super Phospate)
ZA (Zwavelzure Amonium)
Excow
22 24-Jan Dolomite (Kapur Karbonat)
KCL KUJANG
SP36 (Super Phospate)
Excow
23 25-Jan nitrea( pupuk Urea)
BION-UP (pupuk Hayati)
Dolomite (Kapur Karbonat)
 32

Tabel 3.1 Data Penjualan (Lanjutan)

No Tanggal Penjualan Barang

24 26-Jan Dolomite (Kapur Karbonat)
KURIZA
KCL KUJANG
25 27-Jan NPK PHONSKA (Nitrogen Phospate Kalium)
Excow
Dolomite (Kapur Karbonat)
Dolomite (Kapur Karbonat)
Excow
26 28-Jan
NPK PHONSKA (Nitrogen Phospate Kalium)
SP36 (Super Phospate)
Dolomite (Kapur Karbonat)
Excow
27 29-Jan nitrea( pupuk Urea)
KCL KUJANG
ZA (Zwavelzure Amonium)
KURIZA
Dolomite (Kapur Karbonat)
28 30-Jan
ZA (Zwavelzure Amonium)
SP36 (Super Phospate)
Dolomite (Kapur Karbonat)
29 31-Jan
NPK PHONSKA (Nitrogen Phospate Kalium)

2. Studi Kepustakaan

Studi Kepustakaan merupakan salah satu elemen yang mendukung sebagai

landasan teoritis peneliti untuk mengkaji masalah yang dibahas. Dalam hal

ini, peneliti menggunakan beberapa sumber kepustakaan diantaranya: Buku,

Jurnal Nasional, Jurnal Internasional dan Sumber-sumber lainnya yang

berkaitan dengan Bidang ilmu Data Mining.

3.2 Penerapan Algoritma Apriori

Dalam menerapkan algoritma Apriori dibutuhkan data transaksi dan data

tersebut kemudian diolah sesuai dengan tahapan pada algoritma Apriori.

Algoritma sistem merupakan langkah-langkah yang dilakukan sebuah sistem

dalam memproses dan menyelesaikan suatu permasalahan.

 33

Identifikasi data dilakukan setelah data terkumpul dan sesuai dengan

kebutuhan system, oleh sebab itu, untuk menghasilkan kesimpulan berdasarkan

aturan (rule) pada analisis data diperlukan data transaksi yang telah dilakukan.

Analisis data tersebut dilakukan berdasarkan teknik aturan asosiasi menggunakan

algoritma apriori dengan beberapa iterasi atau langkah-langkah

3.2.1 Kerangka Kerja Algoritma Apriori

Algoritma Sistem merupakan langkah-langkah yang dilakukan sebuah

sistem dalam memproses dan menyelesaikan suatu permasalahan. Berikut ini

adalah alur metode dari pemecahan permasalahan dengan menggunakan metode

Apriori Berikut ini adalah tahapan dari penerapan algoritma Apriori yaitu sebagai

berikut :

Gambar 3.2 Kerangka Kerja Algoritma Apriori

 34

3.3.2 Penerapan Metode Apriori

Identifikasi data dilakukan setelah data terkumpul dan sesuai dengan

kebutuhan sistem. Oleh sebab itu, untuk menghasilkan kesimpulan berdasarkan

aturan (rule) pada analisis data diperlukan data transaksi yang telah dilakukan.

Analisis data tersebut dilakukan berdasarkan teknik aturan asosiasi menggunakan

algoritma apriori dengan beberapa iterasi atau langkah-langkah.

3.3.3 Analisis Pencarian Pola Frekuensi Tinggi

Dari tabel 3.1 dihitung nilai frekuensi berdasarkan 29 data transaksi

penjualan dan kemudian dilakukan pencarian nilai support dengan rumus :

𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑀𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴

𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴) = 𝑥 100%
𝑇𝑜𝑡𝑎𝑙 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖

Mencari calon 1 itemset dengan nilai support sebagai berikut :

Tabel 3.2 Data 1 Itemset

No Nama item ( Barang ) Quantity Support

1 NPK PHONSKA (Nitrogen Phospate Kalium) 13 45%
2 Excow 8 28%
3 BION-UP (pupuk Hayati) 4 14%
4 KURIZA 5 17%
5 KCL KUJANG 18 62%
6 Nitrea( pupuk Urea) 3 10%
7 JERANTI(pupuk NPK tablet) 4 14%
8 ZA (Zwavelzure Amonium) 6 21%
9 SP36 (Super Phospate) 12 41%
10 Dolomite (Kapur Karbonat) 22 76%

Hasil perhitungan pada tabel 3.2 nilai Support diperoleh dengan sample

perhitungan sebagai berikut :

𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (NPK PHONSKA (Nitrogen Phospate Kalium))

𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑖𝑡𝑒𝑚 NPK PHONSKA (Nitrogen Phospate Kalium)

= 𝑥 100%
𝑇𝑜𝑡𝑎𝑙 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖

Sehingga,
 35

13
𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (NPK PHONSKA (Nitrogen Phospate Kalium)) = 𝑥 100% = 44,8276 %
29

= 45 %

Berdasarkan tabel 3.2 yang berisi item-item dengan nilai support yang

dimilikinya, dengan menetapkan minimum support ≥ 20% maka item yang

memenuhi nilai minimum support ≥ 20% terlihat pada tabel 3.3

Tabel 3.3 Itemset dengan minimum Support

No Nama item ( Barang ) Quantity Support

1 NPK PHONSKA (Nitrogen Phospate Kalium) 13 45%
2 Excow 8 28%
3 KCL KUJANG 18 62%
4 ZA (Zwavelzure Amonium) 6 21%
5 SP36 (Super Phospate) 12 41%
6 Dolomite (Kapur Karbonat) 22 76%

3.3.4 Pembentukan Pola Kombinasi Dua Itemset

Pembentukan pola frekuensi 2-itemset dibentuk dari item-item produk

yang memenuhi Minimum Support yaitu dengan cara mengkombinasikan semua

item kedalam semua pola kombinasi 2-itemset kemudian hitung nilai support-nya

dengan rumus:

𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑀𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑑𝑎𝑛 𝐵

𝑆𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴 ∩ 𝐵) = 𝑥 100%
𝑇𝑜𝑡𝑎𝑙 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖

Tabel 3.4 Data dengan Dua Itemset

No Nama Barang Quantity Support

1 NPK PHONSKA - Excow 3 10%
2 NPK PHONSKA - KCL KUJANG 6 21%
3 NPK PHONSKA - ZA 4 14%
4 NPK PHONSKA - SP36 7 24%
5 NPK PHONSKA - Dolomite 10 34%
6 Excow-KCL KUJANG 5 17%
7 Excow-ZA 2 7%
8 Excow-SP36 3 10%
 36

Tabel 3.4 Data dengan Dua Itemset (Lanjutan)

No Nama Barang Quantity Support

9 Excow-Dolomite 8 28%
10 KCL KUJANG-ZA 3 10%
11 KCL KUJANG-SP36 7 24%
12 KCL KUJANG-Dolomite 10 34%
13 ZA -SP36 4 14%
14 ZA -Dolomite 6 21%
15 SP36 -Dolomite 9 31%

3.3.5 Pembentukan Aturan Asosiasi (Association Rule)

Untuk mencari aturan asosiasi terhadap langkah-langkah yang dilakukan

sebelumnya, kemudian akan dihitung nilai confidence dari setiap item berdasarkan

rumus.

𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑀𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑑𝑎𝑛 𝐵

𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 = 𝑃(𝐴|𝐵) = 𝑥 100
𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑀𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴

Tabel 3.5 Pola kombinasi Dua Itemset dengan Nilai Confidence

Transaksi Transaksi
No Antecedent (A) Consequent (B) Confidence
A dan B A
1 NPK PHONSKA Excow 3 13 23%
2 NPK PHONSKA KCL KUJANG 6 13 46%
3 NPK PHONSKA ZA 4 13 31%
4 NPK PHONSKA SP36 7 13 54%
5 NPK PHONSKA Dolomite 10 13 77%
6 Excow NPK PHONSKA 3 8 38%
7 Excow KCL KUJANG 5 8 63%
8 Excow ZA 2 8 25%
9 Excow SP36 3 8 38%
10 Excow Dolomite 8 8 100%
11 KCL KUJANG NPK PHONSKA 6 18 33%
12 KCL KUJANG Excow 5 18 28%
13 KCL KUJANG ZA 3 18 17%
14 KCL KUJANG SP36 7 18 39%
15 KCL KUJANG Dolomite 10 18 56%
16 ZA NPK PHONSKA 4 6 67%
 37

Tabel 3.5 Pola kombinasi Dua Itemset dengan Nilai Confidence

Transaksi Transaksi
No Antecedent (A) Consequent (B) Confidence
A dan B A
17 ZA Excow 2 6 33%
18 ZA KCL KUJANG 3 6 50%
19 ZA SP36 4 6 67%
20 ZA Dolomite 6 6 100%
21 SP36 NPK PHONSKA 7 12 58%
22 SP36 Excow 3 12 25%
23 SP36 KCL KUJANG 7 12 58%
24 SP36 ZA 4 12 33%
25 SP36 Dolomite 9 12 75%
26 Dolomite NPK PHONSKA 10 22 45%
27 Dolomite Excow 8 22 36%
28 Dolomite KCL KUJANG 10 22 45%
29 Dolomite ZA 6 22 27%
30 Dolomite SP36 9 22 41%

Hasil perhitungan pada tabel 3.5 dengan nilai confidence diperoleh dengan

sample perhitungan sebagai berikut :

𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑀𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑑𝑎𝑛 𝐵

𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 = 𝑃(𝐴|𝐵) = 𝑥 100
𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑀𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴

𝐶𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒

3
= 𝑃(NPK PHONSKA |Excow) = 𝑥 100
13

= 23%

Setelah diperoleh nilai Confidence, maka diambil data itemset yang

memenuhi minimum Confidence = 50% sebagai berikut.

Tabel 3.5 Pola kombinasi Dua Itemset yang memenuhi MinConfidence

Transaksi Transaksi
No Antecedent (A) Consequent (B) Confidence
A dan B A
1 Excow Dolomite 8 8 100%
2 ZA Dolomite 6 6 100%
 38

Tabel 3.5 Pola kombinasi Dua Itemset yang memenuhi MinConfidence

(Lanjutan)

Transaksi Transaksi
No Antecedent (A) Consequent (B) Confidence
A dan B A
NPK 10 13 77%
3 Dolomite
PHONSKA
4 SP36 Dolomite 9 12 75%
NPK 4 6 67%
5 ZA
PHONSKA
6 ZA SP36 4 6 67%
7 Excow KCL KUJANG 5 8 63%
NPK 7 12 58%
8 SP36
PHONSKA
9 SP36 KCL KUJANG 7 12 58%
10 KCL KUJANG Dolomite 10 18 56%
NPK 7 13 54%
11 SP36
PHONSKA
12 ZA KCL KUJANG 3 6 50%

Dari tahap-tahap yang telah dilakukan di atas, maka item yang memenuhi

minimum confidence =50% pada tabel 3.6 dan dapat diambil kesimpulan sebagai

berikut :

1. Jika pelanggan membeli Excow maka pelanggan pasti membeli Dolomite

dengan confidence = 100 %.

2. Jika pelanggan membeli ZA maka pelanggan pasti membeli Dolomite

dengan confidence = 100 %

3. Jika pelanggan membeli NPK PHONSKA maka pelanggan membeli

Dolomite dengan confidence = 77 %

4. Jika pelanggan membeli SP36 maka pelanggan membeli Dolomite dengan

confidence = 75 %

5. Jika pelanggan membeli ZA maka pelanggan membeli NPK PHONSKA

dengan confidence = 67 %
 39

6. Jika pelanggan membeli ZA maka pelanggan membeli SP36 dengan

confidence = 67 %

7. Jika pelanggan membeli Excow maka pelanggan membeli KCL KUJANG

dengan confidence = 63 %

8. Jika pelanggan membeli SP36 maka pelanggan membeli NPK PHONSKA

dengan confidence = 58 %

9. Jika pelanggan membeli SP36 maka pelanggan membeli KCL KUJANG

dengan confidence = 58 %

10. Jika pelanggan membeli KCL KUJANG maka pelanggan membeli Dolomite

dengan confidence = 56 %

11. Jika pelanggan membeli NPK PHONSKA maka pelanggan membeli SP36

dengan confidence = 54 %

12. Jika pelanggan membeli ZA maka pelanggan membeli KCL KUJANG

dengan confidence = 50 %