IMPLEMENTASI METODE MARKET BASKET ANALISYS

IMPLEMENTASI METODE MARKET BASKET ANALISYS

UNTUK MECARI POLA PENJUALAN MAKANAN

LAPORAN SKRIPSI

Dibuat untuk Melengkapi Syarat-Syarat yang Diperlukan untuk Memperoleh

Gelar Sarjana Terapan

Andi Makkasau

4616010003

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA DAN KOMPUTER

POLITEKNIK NEGERI JAKARTA

2020

i

HALAMAN PERNYATAAN ORISINALITAS

Skripsi ini adalah hasil karya saya sendiri, dan semua sumber baik yang

dikutip maupun dirujuk telah saya nyatakan dengan benar.

Nama : Andi Makkasau

NPM : 4616010003

Tanggal : 13 Juli 2019

Tanda Tangan :

ii

LEMBAR PENGESAHAN

Skripsi diajukan oleh


NIM : 4616010003

Program Studi : Teknik Informatika

Judul Skripsi : Implementasi Metode Market Basket Analisis

Untuk Mencari Pola Penjualan Makanan

Telah diuji oleh tim penguji dalam Sidang Skripsi pada hari Senin, Tanggal 13,

Bulan Juli, Tahun 2020 dan dinyatakan LULUS.

Disahkan oleh:

Pembimbing : Asep Taufik Muharram, S.Kom.,

M.Kom.

( )

Pembimbing : Dewi Kurniawati, S.S., M.Pd ( )

Penguji I : Risna Sari, S.Kom., M.Ti. ( )

Penguji II : Fachroni Arbi Murad, S.Kom., M.kom ( )

Penguji III : Ade Rahma Yuly, S.Kom., M.Ds ( )

iii

KATA PENGANTAR

Puji Syukur saya panjatkan kepada Allah SWT, karena atas berkat dan rahmat-Nya,

penulis dapat menyelesaikan laporan Skripsi ini. Penulisan Skripsi ini dilakukan

dalam rangka memenuhi salah satu syarat untuk mencapai gelar Diploma Empat

Politeknik di Politeknik Negeri Jakarta. Penulis memahami akan sangat sulit dalam

menyelesaikan laporan ini tanpa bantuan dari pihak-pihak yang terkait, oleh sebab

itu Penulis ingin menyampaikan banyak terimakasih terhadap pihak-pihak tersebut,

diantarannnya:

a. Pak Asep Taufik Muharram, S.Kom., M.Kom., dan Ibu Dewi Kurniawati,

S.S., M.Pd. selaku dosen pembimbing yang telah meluangkan waktunya

untuk mengarahkan dan membimbing penulis dalam menyelesaikan

Laporan Skripsi ini

b. Restoran Cafelo yang telah memberikan kesempatan untuk menganalisis

data traksaksi penjualan

c. Orang tua dan keluarga penulis yang telah memberikan bantuan dukungan

secara moral maupun material.

d. Kawan-kawan penulis yang telah membatu dan memberikan support

kepada penulis sehingga dapat menyelesaikan laporan ini.

Ucapan terima kasih dan maaf yang hanya bisa penulis haturkan kepada semua

pihak yang telah membatu penulis dalam menyelesaikan laporan ini.

Wassalamualaikum Wr. Wb.

Sinjai, 5 juli 2020

Andi Makkasau

iv

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI

SKRIPSI UNTUK KEPENTINGAN AKADEMIS

Sebagai sivitas akademik Politeknik Negeri Jakarta, saya yang bertanda tangan di

bawah ini:


NIM : 4616010003

Program Studi : Teknik Informatika

Jurusan : Teknik Informatika dan Komputer

Jenis karya : Skripsi

demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan

kepadaPoliteknik Negeri Jakarta Hak Bebas Royalti Noneksklusif (Non-exclusive

RoyaltyFree Right) atas karya ilmiah saya yang berjudul : Implementasi Metode

Market Basket Analisis Untuk Mencari Pola Penjualan Makanan

beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti

Noneksklusifini Politeknik Negeri Jakarta berhak menyimpan,

mengalihmedia/format-kan,mengelola dalam bentuk pangkalan data (database),

merawat, dan memublikasikanskripsi saya selama tetap mencantumkan nama saya

sebagai penulis/pencipta dansebagai pemilik Hak Cipta.

Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di : Depok Pada tanggal : 8 agustus 2020

Yang menyatakan

Andi Makkasau

*Karya Ilmiah: karya akhir, makalah non seminar, laporan kerja praktek,

laporan magang, karya profesi dan karya spesialis

v

Abstrak

Ketatnya persaingan pada penjualan, membuat pemilik Restoran Cafelo harus pintar dalam

menganalisis pasar. Selain itu, ketersediaan barang yang dijualpun menjadi salah satu

faktor yang harus dianalisis supaya kebutuhan pelanggan dapat terpenuhi. Untuk

mendukung hal itu, data penjualan sebelumnya dapat dimanfaatkan untuk menganalisis

pasar dan kebutuhan pelanggan. Penambahan algoritma Algoritma apriori termasuk jenis

aturan asosiasi pada data mining, algoritma apriori yang bertujuan untuk menemukan item

sets dijalankan pada sekumpulan data. Berdasarkan hubungan tersebut, dimungkinkan

melakukan promosi barang dengan pola keterikatan barang tersebut. Konsumen yang

melakukan pembelian produk akan tertarik untuk melakukan pembelian produk yang

berbeda, dari yang biasa dibelinya. Bila konsumen tidak melakukan pembelian produk

yang terdapat dalam pola penjualan produk, barista dapat menawarkan produk yang

terdapat dalam pola penjualan produk. Salah satu algoritma penemuan kombinasi pola

barang ialah algoritma apriori. Penggunaan cara asosiasi dalam penelusuran pola

keterikatan guna promosi produk, diharapkan dapat meminimalkan promosi produk yang

memiliki tingkat penjualan rendah. Dengan meminimalkan promosi barang yang tidak

terbeli, konsumen tidak akan terganggu dengan promosi produk yang tidak memiliki pola

keterikatan, sehingga promosi akan lebih efektif.

Kata Kunci : Data Mining, Market Basket Analysis, Apriori, Laravel, PHP

vi

Daftar Isi

Halaman Judul…………………………………………………………………..1

HALAMAN PERNYATAAN ORISINALITAS ................................................. i

LEMBAR PENGESAHAN .................................................................................. ii

KATA PENGANTAR .......................................................................................... iii

Abstrak ................................................................................................................... v

Daftar Gambar ................................................................................................... viii

Daftar Tabel .......................................................................................................... ix

BAB I PENDAHULUAN ...................................................................................... 1

1.1. Latar Belakang ......................................................................................... 1

1.2. Perumusan Masalah .................................................................................. 3

1.3. Batasan Masalah ....................................................................................... 3

1.4. Tujuan dan Manfaat .................................................................................. 4

1.4.1 Tujuan ............................................................................................... 4

1.4.2 Manfaat ............................................................................................. 4

1.5. Metode pelaksanaan Skripsi ..................................................................... 4

BAB II TINJAUAN PUSTAKA ........................................................................... 7

2.1. Penelitian Terdahulu ................................................................................. 7

2.2. Landasan Teori ......................................................................................... 9

2.2.1. Café ................................................................................................... 9

2.2.2. Promosi ............................................................................................. 9

2.2.3. Data Mining .................................................................................... 11

2.2.4. Tahapan Data Mining ...................................................................... 12

2.2.5. Apriori ............................................................................................. 13

2.2.6. Market Basket Analysis .................................................................. 14

BAB III RANCANGAN DAN REALISASI ..................................................... 16

3.1. Deskripsi Prgoram aplikasi .................................................................... 16

1.3.1 Analisan kebutuhan sistem .............................................................. 16

3.2. Flowchart ................................................................................................ 17

3.3. Rancangan UML .................................................................................... 17

1.5.1 Use Case Diagram ........................................................................... 17

1.5.2 Activity Diagram ............................................................................. 18

1.5.3 Sequence Diagram .......................................................................... 22

vii

1.5.4 Class Diagram ................................................................................. 23

3.4. Jadwal Pelaksanan .................................................................................. 24

3.5. Realisasi Program..................................................................................... 25

3.5.1 Halaman Login ................................................................................ 25

3.5.2 Halaman Dashboard ........................................................................ 25

3.5.3 Halaman User .................................................................................. 26

3.5.4 Halaman Produk .............................................................................. 26

3.5.5 Halaman Stok .................................................................................. 27

3.5.6 Halaman Transaksi .......................................................................... 28

3.5.7 Halaman POS .................................................................................. 28

BAB IV PENGUJIAN DAN ANALISIS ........................................................... 29

4.1 Pengujian .................................................................................................... 29

4.2 Deskripsi Pengujian ................................................................................... 31

4.3 Prosedur Pengujian .................................................................................... 31

4.4 Data Hasil Pengujian .................................................................................. 32

BAB V PENUTUP ............................................................................................... 34

5.1 Kesimpulan ................................................................................................ 34

5.2 Saran ........................................................................................................... 34

DAFTAR PUSTAKA ............................................................................................ ix

viii

Daftar Gambar

Gambar 3.1 Flowchat Algoritma Apriori .............................................................. 17

Gambar 3.2 usecase Diagram ................................................................................ 18

Gambar 3.3 activity diagram login........................................................................ 19

Gambar 3.4 activity diagram mengelola data pengguna ....................................... 19

Gambar 3.5 activity diagram mengelola data makanan ........................................ 20

Gambar 3.6 activity diagram mengelola data stock makanan............................... 21

Gambar 3.7 activity diagram POS ........................................................................ 21

Gambar 3.8 Sequence Diagram Kelola Data Makanan ........................................ 22

Gambar 3.9 Sequence Diagram Kelola Data Stok Makanan ................................ 23

Gambar 3.10 Class Diagram ................................................................................. 24

Gambar 3.11 Halaman login ................................................................................. 25

Gambar 3.12 Halaman Dashboard ........................................................................ 26

Gambar 3.13 Halaman User .................................................................................. 26

Gambar 3.14 Halaman produk .............................................................................. 27

Gambar 3.15 Halaman Stok .................................................................................. 27

Gambar 3.16 Halaman Transaksi .......................................................................... 28

Gambar 3.17 Halaman POS .................................................................................. 28

ix

Daftar Tabel

Tabel 3.1 Jadwal Pelaksanaan ............................................................................... 24

Tabel 4.2 Tabel Pengujian Black Box................................................................... 29

Tabel 4.3 Hasil Pengujian ..................................................................................... 32

Tabel 4. 4 Pola Transaksi Penjualan Produk ......................................................... 32

Tabel 4. 5 Tabel Format Tabular Data Transaksi ................................................. 32

Tabel 4. 6 Support dari tiap item ........................................................................... 32

Tabel 4. 7 Calon 2-Itemset .................................................................................... 32

Tabel 4. 8 Minimal Support 2 Itemset 50% .......................................................... 32

Tabel 4. 9 Aturan Asosiasi .................................................................................... 32

Tabel 4. 10 Aturan Asosiasi Final………………………………………………..40

1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Perkembangan usaha kuliner saat ini begitu semakin meningkat, baik berupa café,

restoran, warung cepat saji maupun food court. Dengan berkembangnya usaha

kuliner, diikuti dengan meningkatnya kebutuhan teknologi sebagai media

periklanan, sumber informasi dan pengelolaan untuk meningkatkan penjualan. Pada

saat ini persaingan terhadap restoran sangat meningkat di karenakan banyak macam

jenis restoran yang ada dimana mana. Dengan adanya persaingan yang begitu

tinggi, maka dibutuhkan sebuah sistem yang dapat membantu penjual dalam

melakukan proses jual-beli.

Restoran Cafelo adalah sebuah restoran yang menjual berbagai macam makanan.

Restoran Cafelo ini masih melakukan penjualan dan pendataan secara manual. Hal

tersebut jelas tidak efektif dan efisien. Berbagai jenis makanan yang tersedia pada

restoran tersebut membuat pemilik restoran kebingungan dalam melakukan

penyetokan makanan. Mengingat ketatnya persaingan di dunia bisnis, khususnya

pada makanan menuntut Restoran Cafelo untuk menemukan suatu strategi jitu yang

dapat meningkatkan penjualannya. Pemanfaatan kembali data transaksi untuk

mencari informasi merupakan langkah yang tepat dalam menentukan strategi

penjualan. Untuk menetapkan strategi yang bagus dalam menghadapi permasalahan

tersebut penulis mengusulkan suatu sistem penjualan dengan “Implementasi

Metode Data Mining Market Basket Analysis Dan Apriori Untuk Mecari Pola

Penjualan Makanan”.

2

Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta

Pada zaman saat ini masyarakat banyak mencari restoran dan café untuk tempat

makan ataupun hanya membeli makan. Makan bersama keluarga dan teman-teman

menjadi salah satu pemasukan untuk restoran. Dengan pelayanan dan cara

bertransaksi menarik dan gampang yang diterapkan pada restoran membuat

kenyamanan dan kemudahan bagi pelanggan yang datang pada restoran. Maka

pemilik restoran harus bisa mengaplikasikan teknologi untuk meningkatkan

penjualannua.

Data Mining yang diaplikasikan untuk bidang usaha retail adalah analisa keranjang

belanja (market basket analysis). Market basket analysis adalah suatu analisa atas

perilaku konsumen secara spesifik dari suatu golongan / kelompok tertentu. Market

basket analysis umumnya dimanfaatkan sebagai titik awal pencarian pengetahuan

dari suatu transaksi data ketika kita tidak mengetahui pola spesifik apa yang kita

cari. Kebutuhan market basket analysis berawal dari keakuratan dan manfaat yang

dihasilkannya dalam wujud aturan assosiasi (association rules). Yang dimaksud

dengan association rules adalah pola-pola keterkaitan data dalam basis data, untuk

dapat lebih memahami tentang market basket analysis kita perlu membayangkan isi

sebuah keranjang belanja seorang pengunjung/pelanggan pada saat berbelanja di

supermarket (Budi, 2010). Olehkarena itu, untuk mengimplementasikan market

basket analysis kita membutuhkan data transaksi yang ada agar dapat menentukan

pola penjualan.

Algoritma yang akan digunakan adalah algoritma Apriori. Algoritma ini digunakan

untuk membentuk frequent itemsets yang nantinya akan dijadikan sebagai acuan

untuk merumuskan aturan-aturan asosiasi yang dihasilkan oleh model market

basket analysis dengan menggunakan alat bantu perangkat lunak Aplikasi

3


Peningkat Penjualan. Sumber data dari market basket analysis antara lain dapat

bersumber dari data transaksi kartu kredit, kartu lotere, kupon diskon, panggilan

keluhan pelanggan.

Dengan adanya sistem ini nantinya akan membantu penjual dalam mengelola stock

makanan yang dapat mengurangi penumpukan makanan, meningkatkan penjual

dengan mengetahui menu apa saja yang sering dibeli oleh pelanggan secara

bersamaan sehingga kita dapat merekomendasikan produk tersebut ke pelanggan

lainnya dan memudahkan pemilik restoran dalam mengelola data transaksi.

Keunggulan dari sistem yang dibuat adalah fitur POS yang dapat mengelola data

transaksi dan saat pelanggan ingin memesan suata menu pada halaman POS akan

langsung menampilkan menu rekomendasi yang dapat ditawarkan kepada

pelanggan.

1.2. Perumusan Masalah

Berdasarkan permasahalan yang berhasil diidentifikasi, maka perumusan masalah

pada penelitian ini adalah Bagaimana Implementasi Metode Market Basket

Analysis Dan Apriori untuk mencari pola Penjualan makanan?

1.3. Batasan Masalah

Berdasarkan latar belakang permasalahan dan rumusan masalah diatas maka

penulis membuat suatu batasan masalah yaitu:

1. Aplikasi ini hanya memproses data bahan, data stock, transaksi penjualan,

rekomendasi bahan dan laporan hasil perhitungan.

2. Implementasi ini dilakukan berdasarkan data transaksi selama tiga bulan

terakhir pada Restoran Cafelo

4


1.4. Tujuan dan Manfaat

1.4.1 Tujuan

Penelitian ini dilakukan dengan tujuan sebagai berikut:

1. Menghasilkan perangkat lunak berbasis web sebagai pencatatan transaksi

penjualan.

2. Mempermudahkan pemilik usaha untuk mengetahui laporan penjualan

secara langsung dan bisa diakses dari mana saja

1.4.2 Manfaat

Manfaat yang diharapkan dari penelitian ini adalah:

1. Bagi pemilik dapat dijadikan sebagai sarana yang dapat meningkatkan

transaksi penjualan.

2. Pemilik dapat mengelola data penjualan dengan mudah.

3. Membantu pemilik untuk menentukan strategi pemasaran kedepannya.

4. Diharapkan dapat menambah referensi pemilik bahwa informasi teknologi

dapat digunakan untuk menganalisa dan membantu suatu bisnis.

5. Membatu mahasiswa untuk mengetahui implementasi metode market

basket pada studi kasus restoran cafelo

1.5. Metode pelaksanaan Skripsi

Metode yang dilakukan dalam penelitian ini yaitu:

1. Tahap Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah

sebagai berikut:

a. Studi Literatur

5


Pengumpulan data yang berhubungan degan aplikasi yang akan dibuat,

dengan cara mengumpulkan literature, jurnal, paper, dan bacaan-bacaan

ilmiah yang ada kaitannya dengan judul penelitian.

b. Observasi lapangan

Penulis melakukan pengamatan langsung terhadap proses yang

berhubungan baik langsung maupun tidak langsung dengan masalah

yang diambil. Hasil dari pengamatan tersebut lansung dicatat oleh

penulis dan di dokumentasikan sehingga dari proses kegiatan observasi

dapat diketahui masalah yang dihadapi dalam kegiatan pengambilan

data.

c. Wawancara

Kegiatan wawancara dilakukan untuk mendapatkan informasi yang

mendalam tentang persepsi, pandangan, wawasan, atau aspek

kepribadian para peserta didik yang diberikan secara lesan dan spontan.

Kegiatan wawancara agar lebih terarah, biasanya dilengkapi dengan

pembuatan pedoman wawancara. Wawancara yang baik adalah yang

bersifat mendalam. Artinya dengan menginterpretasi jawaban siswa akan

diperoleh banyak informasi, yang mungkin tidak bisa ditemukan pada

penggunaan metode lainnya.

2. Analisis Data Penelitian

Analisis data penelitian adalah suatu kegiatan untuk meneliti, memeriksa,

mempelajari, membandingkan data yang ada dan membuat interprestasi

yang diperlukan. Dalam hal ini melakukan identifikasi kebutuhan sistem

berdasarkan data yang ada.

6


a. Menganalisa sistem yang sedang berjalan

b. Analisis kebutuhan sistem

3. Perancangan Sistem

Hasil analisis kemudian dilanjutkan pada tahap perancangan, sistem dengan

membuat relasi tabel, rancangan antar pengguna, desain input dan desain

output.

4. Pembuatan Aplikasi

Pembuatan aplikasi sistem informasi gudang consumable berbasis web

menggunakan beberapa software yaitu Visual Studio untuk merancang

script Bahasa HTML dan PHP serta database MySQL dengan menggunakan

Xampp.

5. Test dan Uji Coba

Pada tahap ini dilakukan uji coba menggunakan black box testing dengan

tujuan untuk menemukan kesalahan dalam beberapa kategori.

7

BAB II

TINJAUAN PUSTAKA

2.1. Penelitian Terdahulu

Berdasarkan penetian yang dilakukan Goldie Gunadi dan Dana Indra Sensuse

(2012) yang berjudul “Penerapan Metode Data Mining Market Basket Analysis

Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori

dan Frequent Pattern Growth : Studi Kasus Percetakan PT. Gramedia” membahas

tentang Data mining merupakan proses analisa data untuk menemukan suatu pola

dari kumpulan data tersebut. Data mining mampu menganalisa data yang besar

menjadi informasi berupa pola yang mempunyai arti bagi pendukung keputusan.

Salah satu teknik data mining yang dapat digunakan adalah association data mining

atau yang biasa disebut dengan istilah market basket analysis. Market basket

didefinisikan sebagai suatu itemset yang dibeli secara bersamaan oleh pelanggan

dalam suatu transaksi. Market basket analysis adalah suatu alat yang ampuh untuk

pelaksanaan strategi cross-selling. Metode ini dimulai dengan mencari sejumlah

frequent itemset dan dilanjutkan dengan pembentukan aturan-aturan asosiasi

(association rules). Algoritma Apriori dan frequent pattern growth (FP-growth)

adalah dua algoritma yang sangat populer untuk menemukan sejumlah frequent

itemset dari data-data transaksi yang tersimpan dalam basis data. Dalam penelitian

ini algoritma Apriori dan frequent pattern growth (FP-growth) digunakan untuk

membantu menemukan sejumlah aturan asosiasi dari basis data transaksi penjualan

produk buku di Percetakan PT. Gramedia, sehingga untuk selanjutnya dapat

digunakan sebagai pertimbangan dalam membuat strategi pemasaran dan penjualan

yang efektif.

8


Sedangkan penelitian yang dilakukan Dewi Kartika Pane (2013) yang berjudul

“Implementasi Data Mining Pada Penjualan Produk Elektronik Dengan Algoritma

Aprodi (Studi kasus : Kreditplus)” membahas mengenai Penjualan produk

elektronik, khususnya laptop mengalami peningkatan setiap bulannya, produk yang

ditawarkan bermacam merek, merek mempengaruhi masyarakat untuk membeli

produk tersebut, untuk mengetahui merek dengan penjualan terbanyak diperlukan

algoritma apriori untuk dapat mengetahuinya, dan dengan bantuan tools tanagra,

produk dengan penjualan terbanyak dapat diketahui. Algoritma apriori termasuk

jenis aturan asosiasi pada data mining. Salah satu tahap analisis asosiasi yang

menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien

adalah analisis pola frequensi tinggi(frequent pattern mining). Penting tidaknya

suatu asosiasi dapat diketahui dengan dua tolak ukur , yaitu : support dan

confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut

dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan

antar-item dalam aturan asosiasi. Algoritma apriori dapat membantu untuk

pengembangan strategi pemasaran.

Dan untuk penelitian yang dilakukan Robi Yanto dan Riri Khoiriah (2010)

membahas “Implementasi Data Mining dengan Metode Algoritma Apriori dalam

Menentukan Pola Pembelian Obat”. Data mining merupakan proses untuk

mendapatkan informasi yang berguna dari gudang basis data yang berupa ilmu

pengetahuan. penelitian ini melakukan analisa data dengan menggunakan data

mining dan metode algoritma appriori. Sistem yang dibangun ditujukan untuk

pemenuhan dalam penentuan pola pembelian obat dengan menggunakan bahasa

pemrograman Visual Basic 6.0 dan database Mysql pada studi kasus di sektor

9


kesehatan. Sistem ini dibangun berdasarkan kebutuhan pengguna yang diperoleh

melalui metode wawancara dan studi lapangan. Metodelogi pengembangan sistem

yang digunakan yaitu metode waterfall yang terdiri Analisis, Desain, Pengkodean

dan Pengujian. Hasil pengujian dengan algoritma apriori dan sistem yang dibangun

menunjukan hasil yang telah memenuhi kebutuhan dalam penentuan pola

pembelian obat berdasarkan kecenderungan pembelian obat oleh pelanggan.

Dibandingkan dengan sistem yang sedang berjalan kinerja tersebut ditunjukan pada

efektifitas informasi dari sistem tentang penentuan pola pembelian obat untuk

ketersediaan obat dan tata letak obat untuk memudahkan dalam mengetahui

keberadaan obat yang dilihat dari 2 itemset obat.

2.2. Landasan Teori

2.2.1. Café

Kafe merupakan suatu tipe restoran yang biasanya menyediakan tempat

duduk didalam dan diluar ruangan. Kafe tidak menyajikan makanan berat namun

lebih berfokus pada menu makanan ringan seperti kue, roti dan soup. Istilah kafe

paling umum dijumpai di Negara Prancis yang kemudian diadopsi oleh kota- kota

di Inggris. Istilah kafe berasal dari kata coffe yang berarti kopi.

2.2.2. Promosi

Promosi adalah kegiatan yang dilakukan untuk menyampaikan suatu pesan

tertentu tentang produk baik barang atau jasa, merek dagang atau perusahaan dan

lain sebagainya kepada konsumen sehingga dapat membantu pemasaran

meningkatkan penjualan.

10


Philip Kotler (1997, 142) mendefinisikan promosi sebagai suatu kegiatan

yang dilakukan oleh perusahaan untuk mengkomunikasikan manfaat dari

produknya dan untuk meyakinkan konsumen agar membeli. Julian Cummins

(1991, 11) mendefinisikan promosi sebagai serangkaian teknik yang digunakan

untuk mencapai sasaran penjualan atau pemasaran dengan menggunakan biaya

yang efektif, dengan memberikan nilai tambah pada produk atau jasa baik kepada

perantara atau pemakai langsung.

Menurut Terence A. Shimp (2002: 7) promosi memiliki fungsi – fungsi seperti:

1. Informing (memberikan informasi), promosi membuat konsumen sadar

akan produk- produk baru, mendidik mereka tentang berbagai fitur dan

manfaat merek, serta memfasilitasi penciptaan citra sebuah perusahaan yang

menghasilkan produk atau jasa. Promosi menampilkan pesan informasi

bernilai lainnya, baik untuk merek yang diiklankan maupun konsumennya,

dengan dengan mengajarkan manfaat- manfaat baru dari merek yang telah

ada.

2. Persuading (Membujuk), media promosi atau iklan yang baik akan mampu

mempersuasi pelanggan untuk mencoba produk dan jasa yang ditawarkan.

Terkadang persuasi berbentuk mempengaruhi permintaan primer, yakni

menciptakan permintaan bagi keseluruhan kategori produk. Lebih sering,

promosi berupaya untuk membangun permintaan sekunder, permintaan bagi

merek perusahaan yang spresifik.

3. Reminding (mengingatkan), iklan menjaga agar merek perusahaan tetap

segar dalam ingatan para konsumen. Saat kebutuhan muncul, yang

berhubungan dengan produk dan jasa yang di iklankan, dampak promosi di

11


masa lalu memungkinkan merek pengiklan hadir di benak konsumen.

Periklanan lebih jauh di demonstrasikan untuk mempengaruhi pengalihan

merek dengan mengingatkan para konsumen yang di akhir- akhir ini belum

membeli merek yang tersedia dan mengandung atribut- atribut yang

menguntungkan.

4. Adding Value (Menambah nilai), terdapat tiga cara mendasar dimana

perusahaan bisa membeli nilai tambah bagi penawaran mereka, inovasi,

penyempurnaan, kualitas, atau mengubah persepsi konsumen. Ketiga

komponen nilai tambah tersebut benar-benar independen. Promosi yang

efektif menyebabkan merek dipandang lebih elegan, lebih bergaya, lebih

bergengsi dan bisa lebih unggul.

2.2.3. Data Mining

Data mining merupakan proses mengolah data yang terbatas dengan

kemungkinan model yang tidak terbatas dan bertujuan untuk menghasilkan

modelyang paling baik menjelaskan data yang ada, dengan cara mengaplikasikan

Algoritma data analisis dan data discovery. Data mining juga dapat dikatakan

sebagai proses mengekstrak pengetahuan dari data yang banyak. Pengetahuan ini

berupa keteraturan, pola, dan hubungan dalam set data yang berukuran besar dan

tidak diketahui sebelumnya. Terdapat beberapa metode untuk pengolahan dalam

data mining dan dapat dibagi menjadi 2 jenis secara umum yaitu predictive

method dan descriptive method (Pradnya, 2015). Predictive method mengambil

kesimpulan dari data yang ada untuk membuat prediksi pada data selanjutnya,

klasifikasi, regresi dan deviasi merupakan beberapa contoh teknik pada predictive

method. Descriptive method mengeneralisasikan karakterisitik data yang terdapat

12


dalam database, clustering, association, dan sequential mining merupakan

beberapa contoh teknik pada descriptive method.

2.2.4. Tahapan Data Mining

Ada empat tahap yang dilalui dalam Data Mining antara lain (Feen Lee &

Juan Santana, 2010:37-40):

1. Tahap pertama: Precise statement of the problem (mendefinisikan

permasalahan yang ingin diketahui). Misalnya ingin mengetahui apakah

seorang customer berpotensi memiliki kredit macet, atau mengidentifikasi

seorang customer apakah akan pindah ke kompetitor bisnis kita, dan lain

sebagainya. Setelah menemukan pertanyaan bisnis yang perlu dijawab oleh

data mining, selanjutnya tentukan tipe tugas untuk menjawab pertanyaan

bisnis tersebut. Tugas dasar yang menjadi dasar algoritma data mining

adalah klasifikasi, regresi, segmentasi, asosiasi dan sequence analisis.

2. Tahap kedua: Initial Exploration (Mempersiapkan data yang menjadi

sumber untuk data mining termaksud data “cleaning” untuk mempelajari

polanya). Setelah menemukan defenisi masalah, langkah berikutnya adalah

mencari data yang mendukung defenisi masalah. Menentukan porsi data

yang digunakan men-training data mining berdasarkan algoritma data

mining yang telah dibuat. Setelah persiapan data selesai dilakukan, langkah

berikutnya adalah memberikan sebagian dataa kedalam algoritma data

mining.

3. Tahap ketiga: Model building and validation. Validasi apakah data mining

memberikan prediksi yang akurat. Setelah training data selesai dilakukan,

data mining tersebut perlu di-“uji” atau di-validasi keakuratannya terhadap

data testing.

13


4. Tahap ke-empat: Deployment. Tahap ini memilih aplikasi yang tepat

terhadap data mining untuk membuat prediksi.

2.2.5. Apriori

Algoritma Apriori termasuk jenis aturan asosiasi pada data mining. Selain

apriori, yang termasuk pada golongan ini adalah metode generalized rule

induction dan algoritma hash based. Aturan yang menyatakan asosiasi antara

beberapa atribut sering disebut affinity analysis atau market basket analysis.

Metodologi dasar analisis asosiasi terbagi menjadi dua tahap yaitu:

1. Analisa pola frekuensi tinggi

Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari

nilai support dalam database.

2. Pembentukan aturan assosiatif Setelah semua pola frekuensi tinggi

ditemukan, barulah dicari aturan assosiatif yang memenuhi syarat

minimum untuk confidencedengan menghitung confidenceaturan

assosiatif A ->B.

Ide dasar dari algoritma Aprioriadalah mencari kombinasi item yang memenuhi

syarat minimum dari nilai support dalam basis data. Nilai support sebuah item

diperoleh dengan menggunakan rumus berikut :

Nilai support dari 2 item diperoleh dengan menggunakan rumus:

14


Frequent itemset menunjukkan itemset yang memiliki frekuensi kemunculan lebih

dari nilai minimum yang ditentukan (Φ). Misalkan Φ= 2, maka semua itemsets yang

frekuensi kemunculannya lebih dari atau sama dengan 2 kali disebut frequent.

2.2.6. Market Basket Analysis

Market Basket Analysis atau biasa dikenal Association Rule Mining adalah

teknik data mining yang berasal dari bidang pemasaran (Aguinis, dkk., 2013).

Teknik ini digunakan untuk menentukan produk-produk manakah yang akan

dibeli oleh pelanggan secara bersamaan dengan melakukan analisis terhadap

daftar transaksi pelanggan (Ngatimin, 2013). Dalam prosesnya, Market Basket

Analysis akan menganalisis kebiasaan membeli (buying habits) dari konsumen

dengan menemukan asosiasi antar produk-produk yang berbeda yang diletakkan

konsumen dalam keranjang belanja (shopping basket).

Metode asosiasi dikenal sebagai salah satu metode data mining yang menjadi dasar

dari berbagai metode data mining lainnya. Salah satu tahap dari analisis asosiasi

yang disebut analisis pola frekuensi tinggi (frequent pattern mining) menarik

perhatian banyak peneliti untuk menghasilkan algoritma yang efisien. Penting

tidaknya suatu aturan assosiatif dapat diketahui dengan dua parameter, support

(nilai penunjang) yaitu prosentase kombinasi item tersebut. dalam database dan

15


confidence (nilai kepastian) yaitu kuatnya hubungan antar item dalam aturan

assosiatif. 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)

(Pramudiono, 2007).

16

BAB III

RANCANGAN DAN REALISASI

3.1. Deskripsi Prgoram aplikasi

Sistem yang akan dirancang akan membantu Restoran Cefelo dalam meningkatkan

penjualan dan mengelola data transaksi. Dalam penelitian ini dilakukan analisis

secara rinci dan mendasar terhadap kebutuhan pengguna. Analisis fitur-fitur pada

aplikasi dibutuhkan untuk memenuhi kebutuhan sistem. Fitur-fitur tersebut dibuat

untuk memudahkan admin dalam mengelola data.

a. Menambah dan mengelola data Pengguna.

b. Menambah dan mengelola data bahan

c. Menambah dan mengelola data stok bahan

d. Mengelola data transaksi

e. Menambah dan mengelola data pesanan.

1.3.1 Analisan kebutuhan sistem

Berikut ini kebutuhan minumum untuk implementasi sistem :

1. Kebutuhan Minimum Perangkat Keras

Perangkat minimum yang dibutuhkan untuk dapat menjalankan sistem

perangkat komputer atau laptop dengan detail spesifikasi sebagai berikut:

a. Intel Core i3-3320

b. Memori RAM 4GB

c. Harddisk 1 GB

2. Kebutuhan Perangkat Lunak

a. Sistem Operasi Microsoft Windows 10

b. Google Chrome

c. Sublime Text 3

d. XAMPP

17


3.2. Flowchart

Gambar 3.1 Flowchat Algoritma Apriori

3.3. Rancangan UML

3.3.1. Use Case Diagram

Use Case Diagram merupakan gambaran interaksi pengguna sistem

terhadap sistem dengan menjalankan fungsi-fungsi yang dapat diterima sistem

tersebut. Pada sistem ini, terdapat satu aktor pengguna, yakni admin yang

menjalankan fungsi yang berbeda terhadap sistem. Bentuk interaksi pengguna

terhadap sistem dapat dilihat pada gambar :

18


Gambar 3.2 usecase Diagram

3.3.2. Activity Diagram

Activity diagram merupakan gambaran alur aktivitas pengguna terhadap

sistem. Dengan adanya activity diagram dapat diketahui detail interaksi yang terjadi

pada setiap use case.

3.3.2.1.Login

Menjelaskan alur aktivitas admin login ke dalam sistem.

Administrator harus menginputkan data login yang sesuai agar proses

loginnya tervalidasi. Jika sukses login, sistem akan menampilkan halaman

utama.

19


Gambar 3.3 activity diagram login

3.3.2.2.Mengelola data pengguna

Menjelaskan alur aktivitas admin mengelola data pengguna. Admin

dapat menambahkan , edit dan hapus data pengguna. Berikut adalah activity

diagram data pengguna seperti pada gambar :

Gambar 3.4 activity diagram mengelola data pengguna

20


3.3.2.3.Mengelola data makanan

Menjelaskan alur aktivitas admin mengelola data makanan. Admin

dapat menambahkan , edit dan hapus data makanan. Berikut adalah activity

diagram data bahan seperti pada gambar

Gambar 3.5 activity diagram mengelola data makanan

3.3.2.4.Mengelola data Stock Makanan

Menjelaskan alur aktivitas admin mengelola data pengguna. Admin

dapat menambahkan , edit dan hapus data pengguna. Berikut adalah activity

diagram data pengguna seperti pada gambar

21


Gambar 3.6 activity diagram mengelola data stock makanan

3.3.2.5.POS

Gambar 3.7 activity diagram POS

22


3.3.3. Sequence Diagram

Diagram sequence menggambarkan detail alur proses berdasarkan urutan

waktu.

1. Sequence diagram kelola data Makanan

Pada diagram sequance ini dapat diketahui urutan proses mengelola data

makanan dapat dilihat pada Gambar

Gambar 3.8 Sequence Diagram Kelola Data Makanan

2. Sequence diagram kelola data stock makanan

Pada diagram sequance ini dapat diketahui urutan proses mengelola data stok

makanan dapat dilihat pada Gambar

23


Gambar 3.9 Sequence Diagram Kelola Data Stok Makanan

3.3.4. Class Diagram

Class Diagram adalah diagram yang menunjukkan hubungan antar kelas

dari sebuah sistem. Diagram ini menggambarkan struktur sebuah sistem. Berikut

ini adalah class diagram yang di buat, seperti gambat :

24


Gambar 3.10 Class Diagram

3.4. Jadwal Pelaksanan

Tabel 3.1 Jadwal Pelaksanaan

c Kegiatan

Bulan ke-1 Bulan ke-2 Bulan ke-3 Bulan ke-4

Minggu ke- Minggu ke- Minggu ke- Minggu ke-

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 Pembuatan

Proposal

2 Pengumpulan

Proposal

4 Seminar Proposal

5 Analisis

Kebutuhan

6 Pembuatan

Aplikasi

7 Pengujian

Aplikasi

8 Penulisan

Laporan

9 Bimbingan

25


10 Pendafataran

Sidang

3.5. Realisasi Program

3.5.1 Halaman Login

Halaman ini menampilkan username dan password yang akan

menghubungkan atau sebagai hak akses masuk kedalam sistem. Berikut adalah

tampilah halaman Login seperti pada gambar 4.1 :

Gambar 3.11 Halaman login

3.5.2 Halaman Dashboard

Halaman merupakan halaman utama saat masuk kedalam sistem. Pada

halaman ini menampilkan beberapa menu yaitu menu data user, produk, stok ,

transaksi dan POS. Berikut adalah tampilah halaman Dashboard seperti pada

gambar 4.2 :

26


Gambar 3.12 Halaman Dashboard

3.5.3 Halaman User

Halaman user adalah halaman yang menampilkan beberapa data pengguna

yang dapat di tambah , edit dan hapus. Berikut adalah tampilah halaman Data

Pengguna seperti pada gambar 4.3 :

Gambar 3.13 Halaman User

3.5.4 Halaman Produk

Halaman Produk adalah halaman yang menampilkan data produk yang

dapat di tambah , edit dan hapus. Pada halaman ini juga dapat melakukan

27


penambahan dan pengurangan stok. Berikut adalah tampilah halaman Data

Produk seperti pada gambar 4.4:

Gambar 3.14 Halaman produk

3.5.5 Halaman Stok

Halaman Stok adalah halaman yang menampilkan daftar penambahan dan

penguranngan stok yang dilakukan pada menu produk. Berikut adalah tampilah

halaman Stok seperti pada gambar 4.5:

Gambar 3.15 Halaman Stok

28


3.5.6 Halaman Transaksi

Halaman transaksi adalah halaman yang melihat data transaksi yang

pernah dilakukan pada menu POS. Berikut adalah tampilah halaman Transaksi

seperti pada gambar 4.6:

Gambar 3.16 Halaman Transaksi

3.5.7 Halaman POS

Halaman POS adalah halaman untuk melakukan transaksi. Pada halaman ini akan

menampilkan list produk yang akan dibeli , hasil rekomendasi produk, dan total

yang harga yang harus di bayar dan nantinya akan tersimpan pada data transaksi.

Berikut adalah tampilah halaman POS seperti pada gambar 4.7:

Gambar 3.17 Halaman POS

29

BAB IV

PENGUJIAN DAN ANALISIS

4.1 Pengujian

Pengujian sistem menggunakan Black Box Testing dengan Skenario Uji Coba.

Skenario pengujian yang dilakukan sudah ditentukan berdasarkan rancangan-

rancangan yang ditetapkan. Diharapkan dengan adanya skenario ini, sistem ini

dapat dieksekusi dan memberikan hasil-hasil yang sesuai dengan rancangan, namun

jika sistem mengeluarkan hasil yang tidak sesuai rancangan, maka skenario

pengujian ini pun tergolong berhasil karena mampu memberikan hasil di luar

skenario dan dapat dilakukan evaluasi untuk pengembangan dan perbaikan sistem

seanjutnya.

Tabel 4. 1 Tabel Pengujian Black Box

No Halaman Uji Cara Pengujian

1. Login 1. Pengguna membuka halaman sistem

2. mengisi username dan password.

3. Tekan tombol ”login”

4. Sistem melakukan validasi Login.

2. Kelola Data User 1. Buka Menu User

2. Tekan tombol tambah user untuk

Melakukan penambahan data

user/pengguna.

3. Tekan tombol “edit” untuk merubah

data user yang sudah ada.

4. Tekan tombol “Delete” untuk

menghapus data user yang sudah ada.

3. Kelola Data Makanan 1. Buka Menu Produk

2. Tekan tombol tambah makanan

untuk Melakukan penambahan data

makanan.

30


3. Tekan tombol “edit” untuk

melakukan perubahan data makanan.

4. Tekan tombol “hapus” untuk

menghapus data makanan yang

sudah ada.

5. Tekan tombol “tambah stok” untuk

penambahan stok makanan , lalu

akan tersimpan pada data Stok dan

ditampilkan pada menu Stok.

6. Tekan tombol “kurangi stok” untuk

megurangi stok makanan , lalu akan

tersimpan pada data Stok dan

ditampilkan pada menu Stok.

4. Melihat Data Stok

Makanan

1. Buka Menu Stok

2. Menampilkan riwayat penyetokan

(penambahan atau pengurangan stok)

yang dilakukan pada menu produk

5. Kelola data Transasi 1. Buka Menu Transaksi

2. Tekan tombol detail untuk melihat

detail dari data transaksi

6 Kelola POS 1. Buka Menu POS

2. Pilih produk yang ingin di beli untuk

melakukan transaksi

3. menampilkan rekomendasi produk

4. menampilkan total harga

5. pilih “bayar” untuk melakukan

pembayaran

6. pilih “cancel” untuk melakukan

cancel pemesanan

31


4.2 Deskripsi Pengujian

Pada pengujian aplikasi dilakukan dengan pengujian setiap menu yang ada pada

aplikasi, apakah aplikasi yang dibuat dapat berjalan dan berfungsi sesuai dengan

yang dibutuhkan. Seperti pada saat melakukan login, user akan menginputkan

username dan password agar dapat mengakses aplikasi. Setelah user berhasil

melakukan login maka user akan langsung masuk ke halaman dashboard. Pada

halaman dashboard dapat dilihat menu-menu yang tersedia pada aplikasi. Adanya

menu user yang mana pada menu user akan menampilkan nama user yang ada atau

sudah di tambahkan pada aplikasi. Pada menu user ini terdapat menu yang admin

dapat melakukan tambah user, edit, dan menghapus data user.

Selanjutnya ada menu produk, pada menu produk akan menampilkan daftar menu

makanan yang tersedia, dimana admin dapat melakukan tambah menu makanan,

edit menu makanan dan menghapus menu makanan. Selain itu pada menu produk

terdapat menu yang digunakan untuk menambah stok menu makanan dan

mengurangi stok menu makanan, dimana jumlah stok makanan setelah penambahan

dan pengurangan stok akan dapat di cek pada menu stok. Pada menu stok akan

menampilkan stok dari setiap menu makanan yang tersedia. Berikutnya terdapat

menu transaksi yang mana akan menampilkan transaksi yang telah dilakukan. Pada

menu transaksi admin dapat melihat detail transaksi yang telah dilakukan, dimana

terdapat menu makanan yang telah dipesan jumlah makanan dan harga.

Pada aplikasi juga terdapat menu POS yang digunakan sebagai halaman pemesanan

terhadap menu makanan yang tersedia. Dari menu makanan yang dipilih akan

menampilkan rekomendasi menu makanan yang dapat ditambah dalam pemesanan.

Pada menu ini akan menampilkan total pemesanan dan total harga pemesanan.

4.3 Prosedur Pengujian

Prosedur pengujian yang dilakukan pada aplikasi dengan melakukan pengecekan

terhadap setiap menu yang tersesdia pada aplikasi apakah dapat berfungsi dan

digunakan sesuai dengan yang dibutuhkan. Baik pada menu user, menu produk,

menu stok, menu transaksi dan menu POS, serta menu pilihan yang terdapat pada

menu-menu utama aplikasi, seperti menu edit, tambah stok, kurangi stok dan delete.

32


4.4 Data Hasil Pengujian

Berdasarkan pengujian yang telah dilakukan, berikut hasil dari proses pengujian

yang telah dilakukan:

Tabel 4. 2 Hasil Pengujian

No. Komponen Uraian Hasil

1. Login Menu yang berfungsi untuk

membuka halaman dashboard admin

Sukses

(Gambar 4.1)

2 Kelola data user • Melihat data user yang sudah

tersimpan pada database

• Menambah data user

• Mengedit data user yang sudah


• Menghapus data user yang sudah


Sukses

(Gambar 4.2,

Gambar 4.3,

Gambar 4.4)

3. Kelola Data

Produk

• Melihat data makanan yang sudah

ada

• Menambah menu makanan yang

sudah ada pada database

• Mengedit dan menghapus menu

makanan yang dudah ada pada

database

• Menambahkan dan mengurangi

stok produk makanan

Sukses

(Gambar 4.5,

Gambar 4.6)

4. Melihat data

stok

Untuk melihat data riwayat stok

makanan (penambahan dan

pengurangan stok )

Sukses

(Gambar 4.7)

4. Data Transaksi Melihat data transaksi dan detail

transaksi yang telah dilakukan

Sukses

(Gambar 4.8,

Gambar4.9)

6 Kelola POS Untuk melakukan pembelian atau

transaksi dan menampilkan

rekomendasi produk

Sukses

(Gambar 4.10)

33


4.5 Analisis Data

Dari data hasil pengujian yang telah dilakukan, aplikasi yang dibangun dapat

berfungsi dan digunakan sesuai dengan yang dibutuhkan. Pada saat login user dapat

melakukan login dan masuk pada halaman dashboard. Saat menambahkan data user

dapat dilakukan penambahan data, dapat melakukan penambahan menu makanan.

Pada saat user memilih salah satu menu, maka sistem dapat menampilkan

rekomendasi menu makanan yang dapat di pesan oleh pengunjung.

4.6 Pengujian Metode

1. Perhitungan Apriori

Berdasarkan transaksi penjualan produk pada Cafelo, transaksi tersebut dapat

diakumulasikan. Akumulasi transaksi penjualan produk diperoleh dari penjualan

mingguan yang diambil dari produk teratas laporan bulanan, dapat dilihat dalam

tabel dibawah ini :

Tabel 4. 3 Pola Transaksi Penjualan Produk

Bulan

Ke -

Itemset

1

2 Burger, Pisang Coklat Keju,

Nasi Goreng, Mie Goreng Special,

Soda Gembira

3 Burger, Pisang Coklat Keju,

Nasi Goreng, Soda Gembira

Sumber : Cafelo

Format tabular data transaksi mingguan, bila dibentuk akan tampak seperti

tabel berikut ini :

Tabel 4. 4 Tabel Format Tabular Data Transaksi

Bulan Burger Pisang Cokl

at Keju

Nasi

Goren

g

Mie Goreng

Special

Soda Gembi

ra

1 0 0 0 0 0

34


2 1 1 1 1 1

3 1 1 1 0 1

Sumber (Penelitian tahun 2020)

2. Analisis Pola Frekuensi Tinggi

Berikut ini adalah penyelesaian dengan contoh k1 berdasarkan data yang

sudah disediakan pada tabel berikut ini.

Proses pembentukan C1 atau disebut dengan 1 itemset dengan jumlah

minimum support = 30% (Fauzy, 2016). Berikut merupakan perhitungan

pembentukan 1 itemset:

S(Burger) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟

∑ 3∗ 100% =

2

3∗ 100% = 66.6%

S(Pisang Coklat Keju) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢

∑ 3∗ 100% =

2

3∗ 100% = 66.6%

S(Nasi Goreng) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔

∑ 3∗ 100% =

2

3∗ 100% =

66.6%

S(Mie Goreng Special) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑀𝑖𝑒 𝐺𝑜𝑟𝑒𝑛𝑔 𝑆𝑝𝑒𝑐𝑖𝑎𝑙

∑ 3∗ 100% =

1

3∗ 100% = 33.3%

S(Soda Gembira) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎

∑ 3∗ 100% =

2

3∗

100% = 66.6%

Tabel 4. 5 Support dari tiap item

Itemset Support

35


Burger 66.6%

Pisang Coklat Keju 66.6%

Nasi Goreng 66.6%

Mie Goreng

Special

33.3%

Soda Gembira 66.6%


Proses selanjutnya adalah pembentukan C2 atau disebut dengan 2 itemset dengan

jumlah minimum support = 50% (Fauzy, 2016). Berikut merupakan perhitungan

pembentukan C2 atau 2 itemset:

S(Burger,Pisang Coklat Keju) =

∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟 𝑑𝑎𝑛 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢

∑ 3∗ 100% =

2

3∗ 100% =

66.6%

S(Burger,Nasi Goreng) = ∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟 𝑑𝑎𝑛 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔

∑ 3∗

100% = 2

3∗ 100% = 66.6%

S(Burger,Mie Goreng Special) =

∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟 𝑑𝑎𝑛 𝑀𝑖𝑒 𝐺𝑜𝑟𝑒𝑛𝑔 𝑆𝑝𝑒𝑐𝑖𝑎𝑙

∑ 3∗ 100% =

1

3∗ 100% =

33.3%

S(Burger, Soda Gembira) =

∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐵𝑢𝑟𝑔𝑒𝑟 𝑑𝑎𝑛 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎

∑ 3∗ 100% =

2

3∗ 100% =

66.6%

36


S(Pisang Coklat Keju, Nasi Goreng) =

∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢 𝑑𝑎𝑛 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔

∑ 2∗ 100% =

2

3∗

100% = 66.6%

S(Pisang Coklat Keju, Mie Goreng Special) =

∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢 𝑑𝑎𝑛 𝑀𝑖𝑒 𝐺𝑜𝑟𝑒𝑛𝑔 𝑆𝑝𝑒𝑐𝑖𝑎𝑙

∑ 3∗ 100% =

1

3∗

100% = 33.3%

S(Pisang Coklat Keju,Soda Gembira) =

∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑃𝑖𝑠𝑎𝑛𝑔 𝐶𝑜𝑘𝑙𝑎𝑡 𝐾𝑒𝑗𝑢 𝑑𝑎𝑛 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎

∑ 3∗ 100% =

2

3∗

100% = 66.6%

S(Nasi Goreng, Mie Goreng Special) =

∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔 𝑑𝑎𝑛 𝑀𝑖𝑒 𝐺𝑜𝑟𝑒𝑛𝑔 𝑆𝑝𝑒𝑐𝑖𝑎𝑙

∑ 3∗ 100% =

1

3∗

100% = 33.3%

S(Nasi Goreng,Soda Gembira) =

∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑁𝑎𝑠𝑖 𝐺𝑜𝑟𝑒𝑛𝑔 𝑑𝑎𝑛 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎

∑ 3∗ 100% =

2

3∗ 100% =

66.6%

S(Mie Goreng Special,Soda Gembira) =

∑ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝑀𝑖𝑒 𝑔𝑜𝑟𝑒𝑛𝑔 𝑠𝑝𝑒𝑐𝑖𝑎𝑙 𝑑𝑎𝑛 𝑆𝑜𝑑𝑎 𝐺𝑒𝑚𝑏𝑖𝑟𝑎

∑ 3∗ 100% =

1

3∗

100% = 33.3%

Tabel 4. 6 Calon 2-Itemset

Itemset Jumlah Support

37


Burger,Pisang

Coklat Keju

2 66.6%

Burger,Nasi Goreng 2 66.6%

Burger,Mie Goreng

Special

1 33.3%

Burger, Soda

Gembira

2 66.6%

Pisang Coklat

Keju,Nasi Goreng

2 66.6%

Pisang Coklat

Keju,Mie Goreng

Special

1 33.3%

Pisang Coklat

Keju,Soda Gembira

2 66.6%

Nasi Goreng,Mie

Goreng Special

1 33.3%

Nasi Goreng,Soda

Gembira

2 66.6%

Mie Goreng

Special,Soda

Gembira

1 33.3%


Minimal support yang ditentukan adalah 50 % (Fauzy, 2016), jadi kombinasi 2

itemset yang tidak memenuhi minimal support akan dihilangkan, terlihat seperti

table dibawah ini:

Tabel 4. 7 Minimal Support 2 Itemset 50%

Itemset Jumlah Support

Burger,Pisang

Coklat Keju

2 66.6%

Burger,Nasi Goreng 2 66.6%

38


Burger, Soda

Gembira

2 66.6%

Pisang Coklat

Keju,Nasi Goreng

2 66.6%

Pisang Coklat

Keju,Soda Gembira

2 66.6%

Nasi Goreng,Soda

Gembira

2 66.6%


3. Perhitungan Market Basket Analysis

Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan asosiasi

yang memenuhi syarat minimum untuk confidence dengan menghitung confidence

aturan asosiatif

A→B

Minimal Confidence = 50% (Fauzy, 2016).

Nilai Confidence dari aturan A→B diperoleh dengan rumus berikut :

Dari kombinasi dari 2 itemset yang telah ditemukan, dapat dilihat besarnya nilai

support, dan confidence dari calon aturan asosiasi seperti tampak pada tabel

dibawah ini :

Tabel 4. 8 Aturan Asosiasi

Aturan Confidence

Jika membeli Burger, maka

akan membeli Pisang Coklat

Keju

2/2 100%

39


Jika membeli Pisang Coklat

Keju, maka akan membeli

Burger

2/2 100%


akan membeli Nasi Goreng

2/2 100%

Jika membeli Nasi Goreng,

maka akan membeli Burger

2/2 100%


Keju, maka akan membeli Nasi

Goreng

2/2 100%


maka akan membeli Pisang

Coklat Keju

2/2 100%


Keju, maka akan membeli Mie

Goreng Special

2/1 200%

Jika membeli Mie Goreng

Special, maka akan membeli

Pisang Coklat Keju

1/2 50%


maka akan membeli Mie

Goreng Special

2/1 200%

Jika membeli Mie Goreng

Special , maka akan membeli

Nasi Goreng

1/2 50%


maka akan membeli Soda

Gembira

2/2 100%

Jika membeli Soda Gembira,

maka akan membeli Nasi

Goreng

2/2 100%


40


4. Aturan Asosiasi Final

Aturan asosiasi final terurut berdasarkan minimal support dan minimal

confidence yang telah ditentukan, dapat dilihat pada tabel dibawah ini :

Tabel 4. 9 Aturan Asosiasi Final

Aturan Support Confidence


akan membeli Pisang

Coklat Keju

66.6% 100%

Jika membeli Pisang

Coklat Keju, maka akan

membeli Burger

66.6% 100%

Jika membeli Pisang


membeli Nasi Goreng

66.6% 100%


maka akan membeli Pisang

Coklat Keju

66.6% 100%

Jika membeli Pisang


membeli Soda Gembira

66.6% 100%

Jika membeli Soda

Gembira, maka akan

membeli Pisang Coklat

Keju

66.6% 100%

Tabel aturan asosiasi final menjelaskan tentang support dan confidence dari

masing-masing kombinasi 2 itemsets. Hasil perhitungan support pada tabel aturan

asosiasi final didapatkan dari jumlah transaksi mengandung A dan B dibagi total

transaksi. Sedangkan confidence didapatkan dari jumlah transaksi mengandung A

dan B dibagi jumlah transaksi mengandung A. Hasil perkalian support dan

confidence itulah yang menjadi hasil akhir dari algoritma apriori.

41


Gambar 4. 1 Hasil Aturan Asosiasi Pada Sistem

Dari hasil analisa diketahui bahwa tingkat kekuatan aturan-aturan asosiasi yang

dihasilkan oleh algoritma Apriori memiliki nilai confidence yang tinggi. Tingkat

akurasi dari algoritma Apriori adalah sebesar :

𝑁𝑖𝑙𝑎𝑖 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =5

6𝑥100% = 83.3%

34

BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil implementasi dan uji coba yang telah dilakukan, maka dapat

disimpulkan hasil penelitian ini adalah sebagai berikut :

1. Cara menganalisa algoritma Apriori terhadap korelasi penjualan

memulai dari analisa sistem dan analisa kebutuhan, setelah itu kita harus

menganalisa data tersebut dengan algoritma Apriori dan mencari pola

frekuensi tinggi dengan aturan Association Rules dari Frequent Itemset

untuk mendapatkan hasil support dan confidence.

2. Metode association rule mining dengan menggunakan algoritma apriori

dapat diterapkan pada sistem penjualan makanan. Semakin tinggi

minimum support dan minimum confidence yang digunakan maka

semakin sedikit jumlah frequent itemset dan rule yang terbentuk serta

akurasi semakin berkurang.

3. Tingkat Akurasi yang didapat dari aturan Asosiasi yaitu sebesar 83.3%.

5.2 Saran

Berdasarkan hasil implementasi aplikasi, ditemukan saran-saran pengembangan

aplikasi yang dapat dilakukan pada penelitian selanjutnya adalah sebagai berikut :

1. Sistem dapat dikembangkan menjadi aplikasi mobile, sehingga

konsumen dapat memesan produk pada perangkat smartphone yang

dimiliki.

2. Untuk penelitian selanjutnya dapat menerapkan algoritma pembangkitan

frequent itemset yang berbeda, seperti FP-Growth.

ix

DAFTAR PUSTAKA

A. Shimp, Terence. (2002). Periklanan Promosi. Erlangga. Jakarta

Cummins, Julian, (1991), Promosi Penjualan, Jakarta, Binarupa Aksara.

Fauzy, M., & Asror, I. (2016). Penerapan metode association rule menggunakan

algoritma Apriori pada simulasi prediksi hujan wilayah kota Bandung.

Jurnal Ilmiah Teknologi Infomasi Terapan, 2(3).

Goldie Gunadi dan Dana Indra Sensuse. (2012) . Penerapan Metode Data Mining

Market Basket Analysis terhadap Data Penjualan Produk Kuku dengan

Menggunakan Algoritma apriori dan frequent pattern growth (fp-growth).

Kotler, Philip. 1997. Manajemen Pemasaran : Analisis, Perencanaan, Implementasi

dan Pengendalian. Jilid 1 dan 2. Jakarta PT. Prenhallindo.

Pane ,Dewi Kartika. (2013). Implementasi Data Mining Pada Penjualan Produk

Elektronik Dengan Algoritma Apriori.

Pane ,Dewi Kartika. (2013). Implementasi Data Mining dengan Metode Algoritma

Apriori dalam Menentukan Pola Pembelian Obat.

Pramudiono. (2007). Pengantar Data Mining : Menambang Permata Pengetahuan

di Gunung Data. Paper ITS Surabaya.

Budi. (2010). Data mining : Market Basket Analysis For Marketing

Strategy.https://statistikakomputasi.wordpress.com

Pressman, R.S. (2015). Rekayasa Perangkat Lunak: Pendekatan Praktisi Buku

I. Yogtakarta : Andi

Mustaqbal, M.S.M., Firdaus, R.F.F., dan Rahmadi, H.R.(2015) Pengujian

Aplikasi Menggunakan Black Box Testing Boundary Value

Analysis (Studi Kasus Aplikasi Prediksi Kelulusan SNMPTN).

Jurnal Ilmiah Teknologi Terapan (JITTER),1(3):31-36.

Puspitorini, Puput. Dkk. (2016) Aplikasi Media Informasi Sekolah Berbasis SMS

Gateway Dengan Metode SDLC (System Development Life Cycle).

JURNAL SISFOTEK GLOBAL. Vol. 6

x

DAFTAR RIWAYAT HIDUP

Andi Makkasau

Penulis merupakan anak pertama, dari pasangan

Bapak Akhmad Taufik M. dan Ibu Saidah Suyuti.

Lahir di Sinjai 20 Mei 1998. Menyelesaikan

pendidikan dari SDN 78 Mattoangin Kab. Sinjai

pada tahun 2010, SMPN 1 Sinjai Borong Kab.

Sinjai pada tahun 2013 dan SMKN 1 Sinjai pada

tahun 2016. Saat ini penulis sedang menempuh

pendidikan Diploma IV Jurusan Teknik

Informatika dan Komputer, Program Studi Teknik

Informatika di Politeknik Negeri Jakarta

Documents

IMPLEMENTASI METODE MARKET BASKET ANALISYS