PENDAHULUAN
dalam rangka pencapaian tujuan perusahaan. Penjualan adalah ilmu dan seni
mempengaruhi pribadi yang dilakukan oleh penjual untuk mengajak orang lain
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 pelanggan juga bagaimana produk ini menjadi sumber
[1].
Konvensional dan Online Shop yang berdomisili di Medan. Barang yang dijual
antara lain adalah kalung, anting, gelang dan cincin. Distribusi Rinsil Jewelery
1
2
pelanggan agar pelanggan mengenal dan membelinya. Oleh sebab itu pihak Rinsil
yang dapat dilakukan adalah harus meningkatkan pelayanan terbaik yaitu dengan
cara mengikuti pola pembelian yang sering dilakukan pelanggan tersebut guna
Dalam Ilmu Komputer atau Ilmu Statistika, dikenal sebuah cara untuk
mengetahui pola penjualan secara online di Rinsil Jewelery. 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
bervariasi. Pemilihan metode atau algoritma yang tepat sangat bergantung pada
[2].
3
(6)Asosiasi [3]. Teknik yang dapat digunakan untuk mengetahui pola penjualan
secara online di Rinsil Jewelery adalah teknik asosiasi, dimana teknik ini dapat
mengolah data untuk mengetahui keterkaitan antar produk yang dibeli. Maka dari
itu teknik yang akan digunakan pada karya ilmiah ini adalah asosiasi dengan
mengukur data kedekatan antar produk 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
solusi pemecahan.
pelanggan.
masalahnya yaitu :
Batasan masalah dalam skripsi ini dibuat agar penulisan skripsi yang
3. Data transaksi yang dipilih adalah data transaksi dengan minimal 3 item per 1
transaksi.
TINJAUAN PUSTAKA
Pola adalah bentuk atau model (abstrak, suatu set peraturan) yang bisa
dipakai untuk membuat dan menghasilkan suatu, khususnya jika sesuatu yang
ditimbulkan cukup mempunyai suatu yang sejenis untuk pola dasar yang dapat
ditunjukkan atau terlihat, yang mana sesuatu itu dikatakan memamerkan pola [5].
Pola jual terdiri dari tiga kata yaitu pola dan jual. Pola memiliki arti yaitu
bentuk, beli dari kata dasar penjualan yaitu memperoleh sesuatu melalui
penukaran barang dengan uang oleh seseorang yang memiliki barang produktif,
maka pola penjualan adalah bentuk penjualan yang dilakukan pihak penjual untuk
mengubah barang menjadi yang, secara lengkap dapat diartikan sebagai suatu
bentuk penjualan yang dilihat beberapa abstraksi dari barang yang terjual.
Pola penjualan atau biasa disebut market basket analysis adalah pola
transaksi yang tidak disengaja yang mana penjualan suatu item akan
Market basket analysis ini boleh dipakai untuk memprediksi produk apa
yang tertarik dimata pelanggan. Market basket analysis dapat digunakan untuk
menganalisa data dan mengekstrak kategori produk yang kerap dibeli dengan
bersamaan. Market basket analysis ini juga dapat membantu para manajer untuk
basket analysis merupakan salah satu dari berbagai cara yang dipakai untuk
6
7
market basket analysis ini yaitu untuk menentukan macam- macam produk yang
akan dibeli secara bersamaan. Sehingga nantinya boleh dipakai sebagai saran
yang dibeli konsumen dalam setiap pembelian yang dilakukan. Data mentah untuk
market basket analysis biasanya berupa struk pembelian. Market basket analysis
bersamaan. Misalnya, seseorang yang membeli susu biasanya juga akan membeli
roti. Aturan (rules) keterkaitan antar produk biasanya dinyatakan dalam format
berdekatan sehingga lebih mudah terlihat dan terjangkau oleh konsumen saat
berbelanja. Cara penempatan ini dapat mempengaruhi perilaku beli konsumen dan
baru yang dilakukan dengan cara mencari sebuah pola atau aturan tertentu dari
sejumlah data yang menumpuk dan dikatakan data besar. Data mining juga dapat
diartikan sebagai serangkaian suatu proses dalam mencari atau menggali nilai
tambah suatu data yang berupa pengetahuan yang selama ini tidak diketahui
Data mining bukan merupakan suatu bidang yang dapat dikatakan baru.
Data mining adalah sebuah pengembagan dan pencabangan dari ilmu Statistik.
8
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 [7].
Data yang tidak memiliki kecenderungan atau kesamaan dan berbeda sifat.
a. Deskripsi
b. Estimasi
Estimasi hampir sama dengan klasifikasi, hanya saja nilai peubah atau
c. Prediksi
Prediksi adalah suatu cara dalam menerka/menebak sebuah nilai yang belum
d. Klasifikasi
dalam klasifikasi ada dua jenis variabel yaitu Target variable dan Feature
9
e. Pengklasteran
f. Asosiasi
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
2. Data yang menumpuk atau data yang besar sering dipergunakan untuk
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
10
besar atau menumpuk sehingga ditemukan suatu pola yang menarik dan
metode saintifik pada data mining. Dalam penjelasan ini data mining merupakan
satu langkah dari proses KDD [8], terdapat beberapa proses seperti terlihat pada
Proses preprocessing adalah suatu proses yang meliputi antara lain menghapus
atau membuang data ganda yang tidak digunakan, memeriksa data yang
3. Transformasi (Transfirmation)
Pada fase ini yang dilakukan adalah mengubah suatu bentuk data yang belum
mempunyai beberapa entitas yang jelas ke dalam data yang siap untuk
4. Data mining
Pada proses ini, yang dilakukan adalah melakukan penerapan algoritma atau
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
Tahapan proses dalam cara kerja data mining yang merupakan suatu
Databases (KDD) [10], seperti yang terlihat pada gambar dapat diuraikan.
pengguna.
12
2. Merancang target data-set yang di butuhkan dalam proses data mining yang
meliputi pemilihan sebuah data yang diperlukan dan tetap fokus pada isi –isi
sebuah data.
5. Interpretasi, evaluasi dan visualisasi pola untuk melihat apakah ada sesuatu
yang baru dan menarik, serta apa yang menjadi hasil dari peneralan sebuah
algiritma.
atributnya. Atribut merupakan sifat atau ciri khas dari suatu record data. Atribut
dapat dibedakan kedalam jenis-jenis yang sangat berbeda bergantung kepada tipe
asal sumbernya, yaitu bergantung pada tipe data nilai yang diterima. Categorical
Attribute atau bisa disebut juga dengan Atribut katagorikal merupakan salah satu
jenis atribut yang sumber dayanya merupakan suatu himpunan simbol yang
memiliki batas atau simbol berhingga [8]. Contoh : Jenis kelamin, dimana domain
(jenis kelamin) = {L,P}. Atribut katagorikal dapat digolongkan kedalam dua tipe,
yaitu :
1. Nominal, atribut yang memilikin nilai tidak dapat diurutkan dan bersifat verbal.
2. Ordinal, atribut yang dapat diurutkan dan memiliki sifat angka. Data ordinal
merupakan salah satu jenis data yang menunjukkan skala di dalam data
penelitian. Data ordinal ini juga bisa disebut sebagai skala ordinal yang
13
3. Contoh : Ranking (misal, rasa dari keripik kentang pada skala 1-10).
berupa bilangan nyata atau integer. Contoh : Umur dan gaji. Atribut numerik
a. Interval
b. Rasio
Dalam data mining terdapat beberapa teknik yang umum digunakan dalam
1. Klasifikasi
Klasifikasi adalah proses dalam melakukan penentuan sebuah data record baru
menjadi salah satu dari beberapa katagori (kelas) yang telah digunakan untuk
Mencari nilai dari suatu variabel yang memiliki sifat berkelanjutan atau biasa
disebut kontinyu dan yang dapat diberikan berdasarkan nilai yang berasal dari
3. Klasterisasi (clustering)
data tersebut.
Menganalisa sejumlah event atau kejadian dalam sebuah dataset yang secara
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 (frequent
pattern mining [11]. Metodologi dasar analisis asosiasi terbagi menjadi dua yaitu :
Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai
support dalam database. Nilai support sebuah item diperoleh dengan rumus
berikut [12]:
JumlahTransaksi ( 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
15
Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan asosiatif
aturan asosiatif A → B.
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
Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Selain
apriori, yang termasuk pada golongan ini adalah metode Geralized Rule Induction
dan Algoritma Hash Based. Yang menyatakan asosiasi antara beberapa atribut
sering disebut affinity analysis atau market basket analysis [14]. Aturan asosiasi
Aturan tersebut berarti : “50% dari transaksi di database yang memuat item
roti dan mentega juga memuat item susu. Sedangkan 40% dari seluruh transaksi
Dapat juga diartikan: Seorang konsumen yang membeli roti dan mentega
punya kemungkinan 50% untuk juga membeli susu. Aturan ini cukup signifikan
assosiatif yang memenuhi syarat minimum untuk support (minimum support) dan
aturan asosiatif dapat diketahui dengan dua parameter, yaitu support dan
bahasa yang digunakan untuk memodelkan perangkat lunak yang akan dibuat dan
perlu adanya standarisasi agar orang di berbagai negara dapat mengerti pemodelan
perangkat lunak [15]. Seperti yang kita ketahui bahwa menyatukan banyak kepala
untuk menceritakan sebuah ide dengan tujuan untuk memahami hal yang sama
tidaklah mudah. Oleh karena itu, diperlukan sebuah bahasa pemodelan perangkat
lunak yang dapat dimengerti oleh banyak orang [16]. Unified Modelling
Language (UML) adalah bahasa pemodelan untuk sistem atau perangkat lunak
yang berparadigma berorientasi objek. Abstraksi konsep dasar UML terdiri dari
pahami main concepts sebagai term yang akan muncul pada saat membuat
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.
17
interaksi yang terjadi diantara pengguna (aktor) dengan sistem. Ada 2 elemen
penting yang harus digambarkan, yaitu aktor dan use case. Berikut ini adalah
Gambar Keterangan
Use Case menggambarkan fungsionalitas yang disediakan
sistem sebagai unit-unit yang bertukar pesan antar unit
dengan aktif, yang dinyatakan dengan menggunakan kata
kerja
Aktor atau Aktor adalah Abstraction dari orang atau sistem
yang lain yang mengaktifkan fungsi dari target
sistem. Untuk mengidentifika sikan aktif, harus
ditentukan pembagian tenaga kerja dan tugas-tugas yang
berkaitan dengan peran pada konteks target sistem. Orang
atau sistem bisa muncul dalam beberapa peran.
Perlu dicatat bahwa aktor berinteraksi dengan Use
Case, tetapi tidak memiliki kontrol terhadap use case
Asosiasi antara aktor dan use case, digambarkan dengan garis
Tanpa panah yang mengindikasikan siapa atau apa yang
meminta interaksi secara langsung dan bukannya
mengindikasikan data.
Asosiasi antara aktor dan use case yang menggunakan panah
terbuka untuk mengindikasikan bila aktor berinteraksi secara
pasif dengan sistem
Include, merupakan di dalam use case lain (required) atau
pemanggilan use case oleh use case lain, contohnya adalah
pemanggilan sebuah fungsi program
sedang dirancang, mulai dari titik awal, melalui kondisi (decision) yang mungkin
terjadi, kemudian sampai pada titik akhir. Diagram ini tidak menggambarkan
global [18].
Simbol Deskripsi
Status awal Start Point, diletakkan padapojok kiri atas
dan merupakan awal aktivitas
struktur yang berjalan pada sistem dari segi pendefinisisan kelas-kelas yang akan
dibuat untuk membangun sistem. Kelas memiliki apa yang disebut atribut dan
Simbol Deskripsi
Kelas kelas pada struktur sistem
nama_Interface
Asosiasi berarah / relasi antarkelas yang satu digunakan oleh kelas yang
directed lain, asosiasi biasanya juga disertai dengan multiplicity
association
dan visibility, tingkat akses objek eksternal kepada suatu operasi atau attribut.
Multiplicity Penjelasan
minimal 2 maksimal 4
web.
Visual Basic 2010, Microsoft C# 2010, Micsoroft Visual C++ 2010, Micsoroft
dengan database dan fitur lain, seperti WPF (Windows Presentation Foundation)
dan WCF (Windows Communication Foundation). Semua hal yang baru tersebut
atas menambah kelengkapan aplikasi Microsoft Visual Basic 2010 dalam media
Visual basic 2010 sering disebut juga Visual Basic 9. Visual Basic ini
terdapat dalam produk Microsoft, yaitu Visual Studio 2010. Visual studio 2010
Berikut ini adalah keterangan dari gambar 2.2 yang menjelaskan tentang
1. ToolBox :adalah tempat menyimpan control yang akan kita gunakan pada
projek (solution) yang sedang kita buat. Kita dapat bernavigasi komponen dari
projek kita buat atau tambahan (form, module, reference) melalui jendela
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
penulisan kode serta pengoptimalan penulisan kode karena Visual Basic 2010
6. ToolBar :adalah peralatan yang berfungsi mewakili suatu perintah yang ada
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
mengolah database yang saling terkait antara pembuatan Table, Form, Query,
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 [23].
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
2.4
2.5
2.6
1 Report Header, yaitu area yang digunakan untuk informasi yang akan
dimunculkan pada halaman pertama saja. Misalnya kop surat dengan logonya
2 Page Header, yaitu area ini digunakan jika akan memunculkan informasi
yang akan muncul pada setiap halaman posisi diatas. Misalnya nama kolom
4 Report Footer, yaitu area yang digunakan untuk menampilkan informasi yang
akan muncul pada halaman akhir posisi dibawah, misalnya tanda tangan,total
atau petugas
5 Page Footer, yaitu area untuk memunculkan data setiap halaman dan posisi