SKRIPSI

PENERAPAN DATA MINING UNTUK ESTIMASI PENJUALAN ALAT

KESEHATAN
(Studi Kasus : Toko Aesculapius)
Diajukan Untuk Memenuhi Satu Syarat Memproleh Gelar Sarjana Teknik

ANDI NURHALISA
E1E1 19 047

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS HALU OLEO
KENDARI
2023

1
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Data mining sering juga disebut knowledge discovery in database (KDD)
adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk
menemukan keteraturan, pola atau hubungan dalam set data berukuran besar.
Keluaran data mining jika dipakai dalam pengambilan keputusan di masa depan
dan dapat diimplementasikan di berbagai bidang diantaranya bidang bisnis,
kesehatan, telekomunikasi dan bidang pendidikan.(Ginting & Fahmi, 2022)
Expectation-Maximization adalah salah satu algoritma partitional yang
dapat mengelompokkan dokumen yang belum berlabel atau juga algoritma yang
berfungsi untuk menemukan nilai estimasi Maximum Likelihood dari parameter
dalam sebuah model probabilistik. Cici-ciri dari algoritma ini adalah dapat
mengelompokkan dokumen yang belum berlabel atau unlabeled data danjuga
hasil pengelompokkannya akan selalu convergence. Algoritma ini memiliki dua
tahap, yaitu pada tahap Expectation dan tahap Maximization. Pada taham
Expectation (E-step) digunakan algoritma Naïve Bayes untuk mengelompokkan
data berdasarkan model parameter. Sedangkan pada tahap Maximization (M-step)
akan dilakukan peng-update-an model parameter. Taham E-step dan M-step terus
dilakukan sampai probabilitas setiap Cluster mencapai convergence.(Ridoy dkk.,
2015)
Estimasi adalah keseluruhan proses yang memerlukan serta menggunakan
estimator untuk menghasilkan sebuah estimate dari suatu parameter. Sedangkan
menurut Kamus Besar Bahasa Indonesia (KBBI) Estimasi adalah perkiraan,
penilaian atau pendapat.(Nainel dkk., 2020) estimasi biasanya dilakukan dengan
menggunakan data yang tersedia untuk membuat prediksi tentang nilai yang tidak
diketahui atau untuk mengukur tingkat ketidakpastian yang terkait dengan
pengukuran atau prediksi tersebut. Untuk permasalahan yang kerap terjadi pada
suatu instansi yaitu masalah estimasi untuk stok barang, tenaga kerja dan bahan
baku. Selain itu, masalah yang terdapah pada instansi yaitu belum adanya system
yang dapat memprediksi estimasi penjualan alat kesehatan di setiap tahunnya.

1
 Alat kesehatan merupakan barang, instrumen aparat atau indera
termasuk tiap komponen, bagian atau perlengkapan yang diproduksi, dijual
atau dimaksud untuk dipergunakan pada penelitian serta perawatan kesehatan,
diagnosis penyembuhan, peringanan atau pencegahan penyakit, kelainan
keadaan badan atau gejalanya pada manusia. (…)

1.1 Rumusan Masalah

Berdasarkan latar belakang, rumusan masalah dari penelitian ini adalah
sebagai berikut :
1. Bagaimana merancang dan membangun sistem untuk estemasi penjualan
alat-alat kesehatan?
2. Bagaimana mengimplementasikan metode Expectation Maximization
dalam menghitung estimasi penjualan alat-alat kesehatan?
1.2 Batasan Masalah
Hal-hal yang menjadi batasan masalah dalam penelitian ini adalah sebagai
berikut.
1. Data yang diolah dalam proses prediksi merupakan data penjualan alat
kesehatan di took Aesculapius.
2. Data yang digunakan pada proses prediksi adalah data kuantitatif.
3. Data yang diprediksi adalah data jumlah penjualan dalam waktu satu
tahun.
1.4 Tujuan Penelitian
Tujuan penelitian yang diharapkan pada pembuatan sistem untuk estimasi
penjualan alat kesehatan dengan menggunakan metode expectation maximization
yaitu :
1. Merancang sistem pengestimasian penjualan alat kesehatan dengan
metode expectation maximization
2. Memprediksi penjualan alat kesehatan menggunakan metode expectation
maximization
1.5 Manfaat Penelitian

2
 Manfaat dari penelitian ini adalah sebagai berikut.
1. Dapat menghasilkan sebuah sistem yang mampu memprediksi penjualan
alat kesehatan dalam kurun waktu 1 tahun.
2. Dalam penerapan metode Expectation Maximization, diharapkan sistem
ini dapat mempermudah proses perhitungan penjualan alat kesehatan.
1.6 Sistematika Penulisan
Sistematika penulisan tugas akhir ini digunakan untuk menjelaskan
penulisan perbab sebagai berikut.
BAB I PENDAHULUAN
Pada bab ini berisi pendahuluan yang terdiri dari latar belakang, rumusan
masalah, tujuan penelitian, manfaat penelitian, sistematika penulisan dan tinjauan
pustaka.
BAB II LANDASAN TEORI
Bab ini membahas teori-teori penunjang yang berhubungan dengan
penelitian berupa teori dari metode yang digunakan .
BAB III METODE PENELITIAN
Bagian ini menyediakan langkah-langkah pengumpulan data, prosedur
pengembangan perangkat lunak yang dilakukan dalam penelitian mengunakan
bentuk kalimat pasif yang meliputi prosedur dan pengumpulan data, prosedur
pengembangan perangkat lunak dan waktu serta tempat penelitian.
BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM
Bagian ini menyajikan secara lengkap setiap sistem yang dilakukan dalam
implementasi sistem, dilakukan pembahsan sistem dan pengujian pada sistem.
BAB VI PENUTUP
Bab ini menguraikan tentang kesimpulan dari keseluruhan bab serta
memberikan saran-saran yang mungkin berguna untk mengatasi masalah yang
dihadapi.
1.7 Tinjauan Pustaka
(Waspah et al., 2022) dalam penelitiannya terkait “Expectation
Maximization Algorithm Memprediksi Penjualan Susu Murni Pada PT. Sewu
Primatama Indonesia Lampung Tengah”. Dari hasil penelitian yang dilakukan

3
bahwa perhitungan penjualan menggunakan metode expectation maximization
belum dapat secara mutlak menjadi acuan karena pada penelitian ini hanya
menggunakan program promosi cut price tetapi hasil perhitungan ini dapat
dijadikan unutk penentuan target penjualan agar target penjualan selalu
meningkat.
(Idayani, 2017) dalam penelitiannya terkait “Perancangan Aplikasi Data
Warehouse Menggunakan Metode FP-Growth Untuk Memprediksi Penjualan
Alat-alat Kesehatan (Studi Kasus : Apotek Kimia Farma Korem)”. Peneliti ini
bertujuan
(Yane Laheroi Nainel dkk., 2020) dalam penelitiannya terkait “Penerapan
Data Mining Untuk Estimasi Penjualan Obat Berdasarkan Pengaruh Brand Image
Dengan Algoritma Expectation Maximization (Studi Kasus : PT. Pyridam Farma
Tbk)”. Berdasarkan penelitian yang dilakukan penulis membuat kesimpulan
bahwa

4
 BAB II
LANDASAN TEORI
2.1 Data Mining
Data mining adalah sebuah proses pencarian secara otomatis informasi
yang berguna dalam tempat penyimpanan data berukuran besar. Istilah lain yang
sering digunakan diantaranya knowledge discovery (MINING) in database
(KDD), knowledge extraction, data/pattern analysis, data archeology, data
dregging, information harvesting, dan business intelligence. Teknik data mining
digunakan untuk memeriksa basis data berukuran besar sebagai cara untuk
menemukan pola yang baru dan berguna.
Pada data mining terdapat data preprocessing dimana terjadi perubahan
data mentah kedalam format yang dapat dimengerti. Data mentah biasanya tidak
lengkap, tidak konsisten, banyak berisi eror/kesalahan, dan terdapat nilai yang
sangat ekstrim. Sehingga sebelum dilakukan data mining, kondisi tersebut harus
dapat diselesaikan terlebih dahulu. Secara garis besar proses data preprocessing
terdiri dari empat langkah.
1. Data cleaning, yaitu proses pembersihan dari data yang tidak lengkap,
error, outlier dan tidak konsisten.
2. Data integration, yaitu penggabubgan data dari berbagai sumber
data(database,file, dan lain-lain) menjadi satu data warehouse (lumbung data).
3. Data transformation, yaitu perubahan data menjadi bentuk yang sesuai
untuk proses data mining selanjutnya. Proses ini mencakup normalisasi, agregasi
dan smoothing (penghalusan).
4. Data reduction, yaitu proses data mining dengan data yang besar akan
memakan waktu lama sehingga data harus di kurangi baik dari sisi dimensi
(jumlah variabel) maupun volume (jumlah kasus/objek). Pada proses ini dapat
dilakukan seleksi fitur (feature selection) atau pengopresan data menjadi dimensi
yang lebih sedikit dengan teknik Principal Component Analysis.
2.2 Expectation Maximization