pendahuluan - Library Binus

1
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Akumulasi data-data pada perusahaan dalam jumlah besar menghadirkan dua
sisi mata uang. Banyaknya data menjadi suatu masalah sendiri karena penumpukan
data yang sering disebut sebagai “rich of data but poor of information”, “data tombs”
atau kuburan data. Sebagai ilustrasi, perusahaan-perusahaan retail besar seperti hero
supermarkets, hypertmarts, atau carefour yang menerapkan teknik OLTP (On Line
Transaction Processing), yakni mengumpulkan data-data penjualannya setiap hari
yang berkisar 1 gigabyte setiap bulan per satu toko. Data-data sebanyak itu berasal
dari transaksi penjualan, transaksi pemasukan barang dan stok barang, aplikasi kartu
kredit dan bank, dan lain lain. Dapat dibayangkan betapa besarnya data-data tersebut
memenuhi hard disk komputer. Data tersebut tidak efektif dan hanya memenuhi hard
disk komputer. Memang dilihat dari sisi hardware, kapasitas penyimpan data
sekarang ini sudah jauh lebih besar dan ukuran fisiknya pun tidak berubah. Tetapi
dilihat dari kegunaannya data sebanyak itu boleh dibilang tidak bermanfaat. Kalau
dicermati, pada faktanya data-data tersebut mengandung variable-variabel informasi
yang kerap tidak terlihat secara kasat mata. Data-data tersebut hanya dikumpulkan
dan didokumentasikan tanpa diproses lebih lanjut menjadi informasi-informasi yang
lebih berguna untuk perkembangan perusahaan. Sekarang pertanyaannya adalah
masihkah perusahaan membiarkan data-data sebanyak itu berada di dalam “hard
disk” tanpa ditindak lanjuti? Apakah akan dibuang begitu saja? Ataukah dapat di-
2
“tambang” untuk mencari “emas”, atau
“berlian” yang berupa informasi yang
berguna untuk organisasi atau perusahaan.
Data mining merupakan alat bantu teknologi informasi yang pesat
perkembangannya dalam dunia bisnis saat ini. Data mining adalah serangkaian
proses untuk menggali nilai tambah suatu kumpulan data, berupa pengetahuan yang
selama ini tidak diketahui secara manual atau kasat mata. Patut diingat bahwa kata
mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari
sejumlah besar material dasar. Karena itu data mining sebenarnya memiliki arti
penting bagi bidang ilmu seperti kecerdasan buatan (artificial intelligent), machine
learning, statistik dan database. Beberapa teknik yang sering disebut-sebut dalam
literatur data mining (classical techniques) antara lain : clustering, classification,
association rule mining, neural network, genetic algorithm dan lain-lain. Yang
membedakan persepsi terhadap data mining adalah perkembangan teknik-teknik data
mining untuk aplikasi pada database skala besar. Sebelum data mining populer,
teknik-teknik tersebut hanya dapat dipakai untuk data-data pada perusahaan skala
kecil saja.
Penjualan dan promosi adalah dua hal yang berkaitan dan sangat berarti bagi
sebuah perusahaan. Kerap kali keduanya menjadi tulang punggung perusahaan dan
merupakan strategi usaha bisnis yang penting. Dengan promosi, maka diharapkan
perusahan tersebut dapat mencapai jumlah penjualan yang telah ditargetkan. Sebuah
promosi dapat diputuskan dengan mempelajari pola pembelian produk (customer
character prediction) dari data-data transaksi pelanggan. Pola-pola tersebut ternyata
dapat dipetakan berdasarkan informasi-informasi yang ada. Selama ini pencarian
3
pola tersebut dilakukan secara manual dengan menggunakan perhitunganperhitungan statistik. Namun seturut dengan meningkatkan jumlah data transaksi
pelanggan, terutama dalam sebuah perusahaan distributor yang berskala besar, hal
tersebut tentunya sangatlah tidak efisien. Dari pola pembelian suatu produk tersebut
dapatlah dibuat predictive modelnya, atau perkiraan promosi dan penjualan agar
optimal, efisien, serta efektif.
Dengan dilatarbelakangi oleh masalah tersebut dan dengan didukung oleh
penemuan teknik data mining, maka akan dirancang aplikasi data mining untuk
memprediksi customer character secara otomatis guna membantu pengambilan
keputusan demi kepentingan promosi bagi sebuah perusahaan medis atau kesehatan
berskala besar.
1.2. Perumusan Masalah
Perumusan masalah yang ingin dirancang dalam skripsi ini adalah cara
menciptakan suatu aplikasi data mining yang dapat diterapkan di sebuah perusahaan
medis, kesehatan, insurance dan produk-produk kesehatan lainnya. Aplikasi data
mining diharapkan dapat membuat peningkatan secara maksimal untuk bagian
penjualan dan promosi dari perusahaan medis tersebut. Untuk pembuatan data
mining, model predictive-nya menggunakan teknik association rule dengan logika
apriori. Teknik association rule ini dapat memetakan pola pembelian produk
(customer
character
prediction)
dari
data-data
transaksi
customer
yang
terdokumentasi sebelumnya. Sedangkan logika apriori adalah logika yang
mendukung pencarian pola pembelian produk (customer character prediction) dari
4
data
transaksi
pelanggan.
Prediksi
tersebut
digunakan
sebagai
penunjang
pengambilan keputusan dalam melakukan promosi produk tertentu. Skripsi ini
dibatasi ruang lingkupnya hanya untuk memprediksi dua jenis produk, yakni:
•
Produk-produk baru dari perusahaan
•
Produk-produk kurang laku dalam tingkat penjualannya.
Untuk meningkatkan akurasi kebenaran customer character prediction, maka
digunakan metode runge-kutta orde tiga. Hampir dapat dipastikan bahwa hasil data
dari data mining engine sesuai dan akurat untuk kepentingan perusahaan.
Adapun ruang lingkup akan diprediksi dibatasi sebagai berikut.
1. Produk apa yang paling tepat untuk ditawarkan kepada customer tertentu?
2. Faktor-faktor apakah yang menentukan seorang customer untuk membeli
produk tertentu.
Batas-batas yang ada dan perlu diperhatikan dalam skripsi ini adalah sebagai berikut.
1. Perancangan berfokus pada data transaksi penjualan (sales) dan data
pelanggan (customer) perusahaan yang merupakan data masukan bagi
penemuan predictive model untuk data mining.
2. Teknik yang digunakan dalam penemuan predictive model di dalam sistem ini
adalah teknik association rule dan logika apriori yang didukung oleh metode
runge-kutta orde tiga.
5
1.2.1. Komponen Perancangan
Komponen perancangan yang terlibat dalam sistem ini adalah sistem
operasi, database management system (DBMS) dan bahasa pemrograman. Sistem
operasi yang digunakan adalah Microsoft Windows sebagai sistem operasi yang
paling umum digunakan. DBMS yang digunakan adalah SQL Server 2000 yang
digunakan dalam mengimplementasi aplikasi. Sedangkan bahasa pemrograman
yang digunakan adalah Borland Delphi versi 2005.
1.2.2. Spesifikasi Perancangan
Rancangan yang akan dibuat adalah aplikasi data mining untuk relational
database. Proses aplikasi ini terbagi menjadi dua proses, yaitu learning process dan
predict process.
Dalam proses learning, aplikasi ini akan mengambil data dari database
dan mempelajarinya sesuai dengan atribut–atribut dari tabel yang dimasukkan.
Dalam proses ini digunakan teknik association rule dengan logika apriori. Proses
pembelajaran ini akan disimpan di suatu file database yang akan digunakan untuk
memprediksi atribut suatu tabel yang akan dianalisis.
Dalam proses predicting, aplikasi ini akan mengambil data dari file
database yang sudah disimpan sebelumnya. Lalu aplikasi akan mengambil atribut–
atribut dari tabel yang akan diprediksi dan menampilkan hasilnya.
6
1.3. Tujuan dan Manfaat Perancangan
1.3.1. Tujuan Perancangan
Adapun tujuan rancangan aplikasi data warehouse dan data mining ini
adalah sebagai berikut.
1.
Menemukan pola karakteristik customer dalam membeli produk
(customer character prediction) dari sekumpulan data transaksi
pelanggan yang sangat besar jumlahnya.
2.
Memprediksi customer character yang paling optimal untuk digunakan
sebagai penunjang pengambilan keputusan dalam melakukan promosi
produk tertentu.
1.3.2. Manfaat Perancangan
Manfaat dari perancangan aplikasi data mining ini adalah sebagai berikut.
1.
Bagi perusahaan di bidang kesehatan:
• Mengoptimalkan predictive model untuk meningkatkan tingkat promosi
dan penjualan produk tertentu.
• Dapat menghemat waktu dan tenaga dalam memprediksi pola
pembelian produk (customer character prediction) dari transaksi
pelanggan.
•
Dapat mengurangi kerugian akibat strategi promosi dan penjualan
yang tidak tepat sasaran, guna meningkatkan efektifitas bagian
marketing dan penjualan pada perusahaan tersebut.
7
2.
Bagi dunia bisnis:
• Dapat mengembangkan strategi bisnis yang lebih tepat dan efisien untuk
menghadapi persaingan dalam dunia bisnis.
• Dapat menginspirasikan sebuah strategi baru untuk pengambilan
keputusan dengan tingkat efektifitas tinggi.
• Dapat diterapkan ke sistem yang lebih luas seperti marketing, human
resources dan sebagainya.
1.4. Metodologi Penelitian
Penelitian yang dilakukan menggunakan metode analisis dan perancangan untuk
membangun progam aplikasi data mining. Tiap tahapan tersebut akan dijelaskan
sebagai berikut.
1.
Tahapan survei
Pada tahap ini dilakukan studi kepustakaan untuk memperoleh sumber-sumber
mengenai topik dan pokok masalah yang ada, rumusan masalah, tujuan,
manfaat, metodologi penelitian, masalah utama, usulan penyelesaian yang ada,
serta teori yang digunakan sebagai dasar untuk pemecahan masalah tersebut.
Setelah itu dilanjutkan dengan wawancara dan studi lapangan pada perusahaan
yang menjadi tempat studi kasus.
2.
Analisis kebutuhan sistem dan analisis teknologi informasi
Tahap ini dilakukan untuk mengetahui sistem Data Mining yang seperti apa
yang akan dibuat, dilihat dari penggunanya, kebutuhan perusahaan yang
8
berkaitan dengan customer character prediction, dan teknologi informasi dalam
perusahaan yang menjadi tempat studi kasus.
3.
Perancangan model konseptual aplikasi data mining
Setelah mengetahui gambaran kebutuhan sistem dan teknologi informasi
perusahaan pada umumnya, maka perancangan model konseptual aplikasi data
mining dipetakan menjadi beberapa tahapan-tahapan, mulai dari analisis
kebutuhan data sampai kepada perancangan aplikasi front-end untuk user.
Penjelasan setiap tahap yang dilakukan dapat dilihat pada Tabel 1.1 berikut ini.
Tabel 1.1 Pengambaran Setiap Tahap yang Terdapat pada Model Konseptual
Tahap
1. Analisis kebutuhan data
Masukan
Permasalahan yang ada,
Proses
Menganalisis kebutuhan
Keluaran
Data yang diperlukan
landasan teori, kebutuhan
data dan membaca literatur
untuk memecahkan
sistem, dan teknologi
masalah yang ada dan
informasi pada perusahaan
report
2. Analisis teknik data
Teknik-teknik data mining
Menganalisa teknik-teknik
Teknik yang diperlukan
mining
yang ada
data mining dan membaca
untuk membuat model data
literatur
mining
3. Analisis sistem basis
Data yang diperlukan
Menganalisa basis data
Tabel-tabel pada basis data
data berjalan
untuk memecahkan
perusahaan menurut
sistem berjalan yang
masalah dan report
karakteristik bisnisnya
dibutuhkan oleh aplikasi
4. Perancangan aplikasi
Tabel-tabel pada basis data
Merancang, membangun,
Predictive model (model
data mining (back-end)
sistem berjalan yang
memvalidasi dan
data mining)
dibutuhkan oleh aplikasi
merepresentasikan
predictive model data
mining
5.
Perancangan
aplikasi
data mining (front-end)
Tabel-tabel pada basis data
Membuat tampilan, melatih
Aplikasi
sistem berjalan yang
model
secara keseluruhan
dibutuhkan oleh aplikasi
data mining
dan
mengupdate
data
mining
9
1.5 Sistematika Penulisan
Penyusunan skripsi ini dibagi menjadi lima bab dengan bagian isi pada bab 3
dan bab 4 dengan berdasar pada bab 1 dan bab 2 yang kemudian dirangkum dalam
bab 5 berupa kesimpulan dan saran. Penjelasan dari setiap bab adalah sebagai berikut.
Bab 1. Pendahuluan
Bab pertama ini membahas mengenai latar belakang perancangan, ruang
lingkup dari penulisan dan pembahasan skripsi ini, tujuan dan manfaat
perancangan, metodologi yang digunakan untuk perancangan, sistematika
penulisan yang memberikan gambaran umum dari setiap bab.
Bab 2. Landasan Teori
Bab ini membahas teori-teori umum dan khusus yang berkaitan dengan
penulisan skripsi ini dan merupakan landasan bagi setiap tahap pengerjaan dalam
menyelesaikan masalah yang ada.
Bab 3. Analisis dan Perancangan
Bab ini menggambarkan keadaan perusahaan secara umum, kemudian
dilanjutkan dengan pembahasan analisis kebutuhan dan perancangan serta
analisis teknik data mining yang digunakan secara mendetail.
Bab 4. Implementasi dan Evaluasi
Bab ini menjelaskan bagaimana proses implementasi program aplikasi
data mining pada perusahaan, dan juga mendokumentasikan segala kesulitan dan
hal-hal penting lainnya untuk dievaluasi.
10
Bab 5. Kesimpulan dan Saran
Pada bab ini segala hasil yang didapat melalui proses dokumentasi dari
awal perancangan sampai kepada proses evaluasi akan dituangkan dalam
kesimpulan serta saran yang merupakan masukan untuk melakukan penilitian
pada masa yang akan datang.