JURNAL

IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA

SISTEM PENJUALAN ROTI DI DIFA RIEN’S BAKERY

Oleh:
SITI TRI WAHYUNI
12.1.03.03.0033

Dibimbing oleh :
1. HERMIN ISTIASIH, ST.,MM.,MT
2. ARIE NUGROHO, S.Kom., MM.

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
TAHUN 2017
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id

Fakultas Teknik – Prodi Sistem Informasi || 1||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA

SISTEM PENJUALAN ROTI DI DIFA RIEN’S BAKERY

Siti Tri Wahyuni

12.1.03.03.0033
Fakultas Teknik – Prodi Sistem Informasi
Sitinurwahyuni08@gmail.com
HERMIN ISTIASIH, ST.,MM.,MT dan ARIE NUGROHO, S.Kom., MM.
UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK
Penelitian ini dilatarbelakangi hasil pengamatan dan pengalaman peneliti, Persaingan di
dunia bisnis yang semakin ketat membuat para pelaku bisnis harus berfikir lebih keras dalam
menyusun strategi untuk menghadapi persaingan tersebut. Salah satu strategi yang dapat
digunakan adalah dengan memanfaatkan teknologi informasi.
Permasalahan pada penelitian ini adalah pemilik usaha dagang sering mengalami
kesulitan untuk mengecek transaksi penjualan roti dan jumlah roti yang banyak terjual, karena
data penjualan masih dicatat secara manual.
Masalah di atas dapat diselesaikan dengan menerapkan Association rule dengan
algoritma apriori, algoritma ini bisa digunakan untuk menentukan pilihan yang terbaik dari
beberapa macam alternatif yang tersedia, metode ini dianggap paling sesuai untuk
menyeleseikan permasalahan ini karena perhitungannya cukup mudah dan cukup ringkas
selain itu metode ini sesuai dengan perancangan sistem yang akan dibuat. Untuk penerapan
metode ini akan dibuat suatu sistem/aplikasi berbasis desktop yang menggunakan bahasa
pemrograman JAVA dan MySQL sebagai database.
Kesimpulan hasil penelitian ini adalah suatu Aplikasi Penjualan yang menggunakan
Association Rule dengan menggunakan algoritma apriori dapat digunakan untuk mengolah
data penjualan yang begitu banyak menjadi suatu alternatif dimana dapat membantu pemilik
usaha dagang melihat produk mana yang sering dibeli, serta dapat digunakan untuk
melakukan promosi pembelian produk untuk meningkatkan penjualan.
Penerapan algoritma Apriori sangat praktis namun perlu dilakukan perbandingan
dengan algoritma lain, untuk menguji sejauh mana Algoritma Apriori masih dapat diandalkan
untuk memproses dan menemukan pola hubungan (asosiasi) antar item pada database berskala
besar.

Kata Kunci: Data mining, Algoritma Apriori, Penjualan.

Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id

Fakultas Teknik – Prodi Sistem Informasi || 2||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

A. Latar Belakang Masalah keterkaitan pembelian produk yang

Persaingan di dunia bisnis yang dilakukan oleh pembeli. perusahan dapat

semakin ketat membuat para pelaku bisnis memanfaatkan informasi ini untuk

harus berfikir lebih keras dalam menyusun melakukan strategi pemasaran.

strategi untuk menghadapi persaingan Pencarian informasi ini hampir sama

tersebut. Salah satu strategi yang dapat dengan mencari peluang kemunculan

digunakan adalah dengan memanfaatkan barang yang dibeli sesuai dengan

teknologi informasi. Teknologi informasi kebiasaan berbelanja masyarakat dan

diyakini dapat membatu perusahaan dalam jumlah transaksi yang ada. Proses

menjalankan bisnisnya. pencarian asosiasi ini menggunakan

Perusahaan dapat memanfaatkan data Algoritma Apriori, yang berfungsi untuk

yang dihasilkan oleh sistem informasi yang membentuk kandidat kombinasi item yang

digunakan untuk membantu dalam mungkin, lalu diuji apakah kombinasi

pengambilan keputusan jika diolah dengan tersebut memenuhi parameter support dan

benar, data-data tersebut dapat confidence minimum yang merupakan nilai

menghasilkan informasi berharga. ambang yang diberikan oleh user.

Data mining merupakan salah satu Pada penelitian sebelumnya

cara yang dapat digunakan untuk mengolah Muhammad Afif Syaifullah ditahun 2010,

data menjadi informasi penting dari pada sistem penjualan dengan algoritma

tumpukan data. Data-data yang dihasilkan apriori menyimpulkan teknik data mining

dari proses penjualan yaitu data transakasi dengan algoritma apriori dapat

dapat di olah menggunakan algoritma diimplementasikan pada sistem penjualan,

apriori untuk mengetahui informasi dengan aplikasi yang berbasis teknologi

Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id
Fakultas Teknik – Prodi Sistem Informasi || 3||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

informasi dihasilkan sebuah metode yang PADA SISTEM PENJUALAN ROTI DI

bisa meningkatkan penjualan dengan cara DIFA RIEN’S BAKERY”.

memberikan saran kepada konsumen, dan

keterkaitan suatu barang yang dibeli oleh B. Identifikasi Masalah

konsumen bisa dihitung dengan teknik 1. Penerapkan algoritma apriori pada

algoritma apriori. penjualan roti di Difa Rien’s, Bakery.

Pada penelitian ini akan dibuat

aplikasi untuk melakukan market basket C. Rumusan Masalah

analssis,yaitu mencari ketertarikan 1. Bagaimana mengetahui prosentase

pembelian antar produk diToko Roti Difa penjualan produk yang paling

Rien’s Bakery menggunakan Apriori banyak terjual ?

Algoritma. Toko Roti Difa Rien’s Bakery 2. Bagaimana mengetahui hubungan

adalah toko yang menjual macam-macam atau kedekatan setiap barang ?

olahan roti, maka dari itu dibuat sistem

D. Batasan Masalah
baru yang dapat digunakan untuk
Berdasarkan Latar belakang tersebut,
melakukan market basket analysis,
maka batasan masalah ini sebagai berikut:
sehingga dapat mengetahui keterkaitan
1. Data yang diteliti tercatat pada
pembelian produk oleh pembeli, dapat
Januari sampai Maret 2016 di Toko
menyusun strategi pemasaran melalui
Roti Difa Rien’s Bakery.
penempatan produk tersebut, menyediakan
2. Data yang diolah hanya sebagai
stok banyak untuk produk yang saling
sampel dengan software data
berkaitan. Oleh karena itu, penelitian ini
mining yaitu data penjualan
diberi judul “IMPLEMENTASI DATA
dengan atribut yang ditentukan.
MINING ALGORITMA APRIORI
3. Cara menerapkan data mining untuk

transaksi penjualan pada toko roti

Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id
Fakultas Teknik – Prodi Sistem Informasi || 1||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Difa Rien’s Bakery menggunakan G. Sistematika Penulisan

algoritma apriori.
BAB I : PENDAHULUAN
E. Tujuan Penelitian
Bab ini membahas latar
Adapun tujuan penelitian ini sebagai
belakang masalah,identifikasi
berikut:
masalah,rumusan masalah,
1. Mengetahui prosentase penjualan
batasan masalah, manfaat
produk yang paling banyak terjual
penelitian dan sistematika
di Difa Riens Bakery.
penulisan
2. Mengetahui hubungan atau
BAB II : LANDASAN TEORI
kedekatan setiap barang dengan
Pada bab ini berisi teori
menggunakan algoritma apriori.
penunjang yang diharapkan

F. Manfaat Penelitian dapat menjelaskan secara

Berdasarkan tujuan tersebut, maka singkat mengenai landasan teori
manfaat penelitian sebagai berikut: yang berkaitan dengan sistem
1. Sebagai bahan pertimbangan dalam yang dibuat
perbaikan sistem yang sekarang BAB III : TINJAUAN UMUM LOKASI
diterapkan. PENELITIAN
2. Sebagai alat bantu yang dapat Berisi tentang tinjauan umum
meminimalisasi lokasi penelitian, tempat dan
kesalahan.Memungkinkan waktu penelitian, visi misi,
perusahaan mempunyai sistem tujuan, struktur organisasi, tugas
pendukung keputusan, karena dan wewenang yang ada dilokasi
diharapkan sistem ini akan penelitian
diimplementasikan secara BAB IV : ANALISIS DAN
langsung. PERANCANGAN
Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id
Fakultas Teknik – Prodi Sistem Informasi || 2||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Bab ini menjelaskan tentang untukmengembangkan

analisis sistem yang lama, penelitian selanjutnya

analisis metode yang digunakan

LANDASAN TEORI
dan logika metode yang
A. Data Mining
digunakan
Data mining adalah suatu istilah yang

digunakan untuk menguraikan penemuan

BAB V : IMPLEMENTASI DAN
pengetahuan di dalam database. Data
EVALUASI
mining adalah proses yang menggukan
Bab ini menjelaskan tentang
teknik statistic,matematika, kecerdasan
implementasi dan evaluasi dari
buatan, dan machin learning untuk
sistem yang telah dibuat,
mengektrasi dan mengidentifikasi
meliputi desain sistem dan
informasi yang bermanfaat dan
evaluasi sistem tersebut
pengetahuan yang terkait dari berbagai
BAB VI : SIMPULAN DAN SARAN
database besar (Turban,dkk.2005).
A. Simpulan
Menurut garnet Group Data mining
Simpulan dikemukakan
adalah suatu proses menemukan hubungan
pokok-pokok hasil penelitian
yang berarti, pola, dan kecenderungan
sesuai rumusan masalah dan
dengan memeriksa dengan sekumpulan
tujuan penelitian. Dapat
besar data yang tersimpan dalam
berupa temuan pengetahuan
penyimpanan dengan menggunakan teknik
baru dan penegasan atau
pengenalan pola seperti teknik statistik dan
pembuktian teori
matematika (larose, 2005).
B. Saran
B. Association Rule
Dikemukakan saran apa saja
Analisis asosiasi dikenal juga sebagai
yang dapat digunakan
salah satu teknik data mining yang menjadi
Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id
Fakultas Teknik – Prodi Sistem Informasi || 3||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

dasar dari berbagai teknik data yang terstruktur dan mudah dipahami oleh orang

lainnya. Khususnya salah satu tahap dari lain (khususnya programmer yang bertugas

analisis asosiasi yang disebut analisis pola mengimplementasikan program), maka

frekuensi tinggi (frequent pattern mining) dibutuhkan alat bantu yang berbentuk

menarik perhatian banyak peneliti untuk diagram alir (flowchart).

menghasilkan algoritma yang efisien (R F. Data Flow Diagram

Agrawal, 1993). DFD adalah representasi grafik dari

C. Algoritma Apriori sebuah sistem. DFD menggambarkan

Algoritma Apriori adalah salah satu komponen-komponen sebuah sistem,

algoritma yang melakukan pencarian aliran-aliran data dimana komponen-

frequent itemset dengan menggunakan komponen tersebut asal, tujuan dan

teknik association rule (Erwin, 2009). penyimpanan dari data tersebut.

Algoritma Apriori menggunakan G. Entity Relationship Diagram ( ERD).

pengetahuan frekuensi atribut yang telah ERD adalah model konseptual yang

diketahui sebelumnya untuk memproses mendeskripsikan hubungan antara

informasi selanjutnya. penyimpanan (dalam DFD). ERD

D. Workflow digunakan untuk memodelkan struktur data

WorkFlow adalah sejenis piranti lunak dan hubungan antar data. Dengan ERD,

yang bertujuan mengotomasikan proses model dapat diuji dengan mengabaikan

usaha dengan menyediakan kerangka kerja proses yang dilakukan (Hartati, 2008).

terstruktur untuk mendukung suatu proses F. DesainSistem

(Chaffey 1998). 1. Login

E. Flowchart Pada tampilan login berfungsi untuk

Flowchart adalah untuk melindungi program yang kita

menggambarkan sebuah algoritma yang gunakan atau

Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id

Fakultas Teknik – Prodi Sistem Informasi || 4||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Sebagai keamanan program, sehingga 3. Form DataBarang

tidak semua orang bisa menggunakan Pada tampilan dibawah ini sistem

program ini. Hak akses diberikan memberikan layanan kepada pengguna

kepada level administrasi untuk masuk dalam hal ini pemilik untuk mengolah

ke program ini kita harus memasukkan data barang.

username, password dengan benar.

Apabila username password diisi

dengan benar, maka dilanjutkan

dengan menekan tombol login.

4. Form Data Pelanggan

Pada tampilan dibawah ini sistem

memberikan layanan kepada

pengguna, dalam hal ini pemilik untuk

2. Menu Utama mengolah data pelanggan.

Menu utama system penjualan terdiri

dari empat menu yaitu menu home,

menu (data barang dan data

pelanggan), transaksi (penjualan)

danlogout.

5. Form data penjualan

Pada tampilan dibawah ini sistem

memberikan layanan kepada

Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id

Fakultas Teknik – Prodi Sistem Informasi || 5||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

pengguna, dalam hal ini pemilik untuk

mengolah data penjualan.

7. Form Hasil Analisis

Pada tampilan dibawah ini sistem

memberikan layanan kepada

pengguna, dalam hal ini pemilik untuk

6. Form Input Data Transaksi
melakukan proses.analisis apriori.
Pada tampilan dibawah ini sistem

memberikan layanan kepada pengguna

dalam hal ini pemilik untuk mengolah

data transaksi. Pada input data ini

menampilkan input data transaksi

yang akan dijual dan dari data ini akan

didapat sebuah data untuk melakukan

proses algoritma apriori untuk

PENUTUP
menentukan pola pembelian
A. Simpulan
konsumen.
1. Algoritma Apriori membutuhkan

waktu komputansi yang lama

untuk mendapatkan frequent

itemsets. Karena berulang kali

melakukan pemindaian data.

Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id

Fakultas Teknik – Prodi Sistem Informasi || 6||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Selain itu algoritma ini 2. Bagi peneliti selanjutnya diharapkan

membutuhkan alokasi memori untuk dapat menghasilkan output yang

yang besar untuk melakukan lebih interaktif pada sistem ini misalkan

pencarian itemsets. dibuat tata letak produk.

2. Penjualan roti di Difa Rien’s

Bakery yang paling banyak DAFTAR PUSTAKA

terjual dapat diketahui dengan
menggunakan algoritma apriori,
dengan melihat produk
memenuhi minimal support dan
minimal confidence,
dalam penghitungan support dan
confidencenya sulit jika data yang
diolah dalam jumlah yang besar.
B. Saran
1. Penerapan algoritma Apriori sangat
praktis namun perlu dilakukan
perbandingan dengan algoritma
lain, untuk menguji sejauh mana
Algoritma Apriori masih dapat
diandalkan untuk memproses dan
menemukan pola hubungan
(asosiasi) antar item pada database
berskala besar.
Agrawal, R., Imielinski, T., dan Swami, A.
1993. Mining Association rule
Between Sets of Items in Large
Databases. Pada: Proceedings of ACM
yang SIGMOD Conference on Management
of Data on VLDB, hal. 207–216.
Al Fatta, Hanif. 2007. Analisis dan
namun Perancangan Sistem Informasi untuk
Keunggulan Bersaing Perusahaan
dan Organisasi Modern. Yogyakarta:
Andi.
Chaffey, D. 1998. Groupware, Workflow
and Intranets : Reengineering the
Enterprise with Collaborative
Software. Amerika Serikat: Digital
Press.
Christianto, V, I Made Wiryana. 2002.
Pengantar Manajemen Proyek
Berbasis Internet. Jakarta: Elex
Media Komputindo.
Dicky Nofriansyah, s.kom.,m.kom. konsep
data mining vs sistem pendukung
pendukung
keputusan.Deepublish(grup
penerbitan cv budi utama) Anggota
IKAPI (076/DIY/2012).
Dinda, Devi Setaiawati. ”Penggunaan
Metode Apriori Untuk Analisa
Keranjang Belanja Pada Data
Transaksi Penjualan Mini Market
Menggunakan Java Dan MySQL”.
Journal Teknik Informatika.
Erwin. 2009. Analysis Market Basket
dengan Algoritma Apriori dan FP-
Growth. Jurnal Generik Vol.4 No2,
Juli 2009.

Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id

Fakultas Teknik – Prodi Sistem Informasi || 7||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Hartati, Sri dan Sari Iswanti. 2008. Sistem

Pakar dan
Pengembangannya.Yogyakarta: Graha
Ilmu.
James A.Hall. Sistem Informasi Akuntansi,
Edisi 4 Buku 1 Accounting
Information system,4 th ed.
Jiawei, Han, Micheline Kamber and Jian
Pei. Data Mining. USA: Elsevier
Inc., 2011.
Kennedi Tampubolon, Hoga Saragih,
Bobby Reza. “Impementasi data
mining algoritma apriori pada
sistem persediaan alat-alat
kesehatan”. Dosen Tetap Prodi D3-
Manajemen Informatika STMIK
Budi Darma Medan.
Kusrini, Luthfi, Emha Taufiq. 2009.
Algoritma Data Mining. Yogyakarta:
Andi.
Larose, Daniel T. 2005. Discovering
Knowledge in Data: An Introduction
to Data Mining. John Willey &Sons,
Inc.
Siswoutomo,Wiwit. 2006. Kiat Jitu Kerja
Praktek Membangun Software dan
Web. Jakarta: Elex Media
Komputindo.
S, Sudarma. 2010. Panduan Belajar
MySQL Database Server. Jakarta:
MediaKita
Wahana komputer, Shortcourse SQL
Server 2008 express.
Turban, E., dkk. 2005. Decision Support
Systems and Intelligent Systems.
Yogyakarta: Andi Offset.
Tyas, Eko Wahyu “Penerapan Metode
Association Rule Menggunakan
Algoritma Apriori Untuk Analisa Pola
Data Hasil Tangkapan Ikan”, Jurnal
eIndonesia Initiative, 2008.

Siti Tri Wahyuni | 12.1.03.03.0033 simki.unpkediri.ac.id

Fakultas Teknik – Prodi Sistem Informasi || 8||