perancangan aplikasi data warehouse menggunakan metode fp

semanTIK, Vol.3, No.1, Jan-Jun 2017, pp. 81-94
ISSN : 2502-8928 (Online)

81
PERANCANGAN APLIKASI DATA WAREHOUSE
MENGGUNAKAN METODE FP-GROWTH
UNTUK MEMPREDIKSI
PENJUALAN ALAT-ALAT KESEHATAN
(STUDI KASUS : APOTEK KIMIA FARMA KOREM)
Resti Idayani*1, Sutardi2, Nur Fajriah Muchlis 3
Jurusan Teknik Informatika, Fakultas Teknik Universitas Halu Oleo, Kendari
e-mail: *[email protected], [email protected], [email protected]
*1,2,3
Abstrak
Kimia farma merupakan bagian dari perusahaan yang mengelola penjualan obat-obat dan alatalat kesehatan. Adanya peningkatan transaksi penjualan tiap tahunnya tentunya pihak apotik harus
merencanakan dan menyiapkan berbagai kebutuhan distribusi barang kedepannya. Namun masing
terdapat kendala didalam proses menganalisa kebutuhan barang karena jumlah barang yang semakin
meningkat dan membutuhkan waktu yang lama dalam merencanakan strategi penjualan.
Dalam proses identifikasi dan strategi penjualan tentunya akan lebih baik jika dilakukan oleh
sebuah sistem data mining yang terkomputerisasi sehingga proses analisis distribusi barang menjadi
efektif dan efisien. Salah satu metode data mining adalah adalah metode FP-Growth. Algoritma FPGrowth digunakan untuk menentukan himpunan dari transaksi peritem penjualan yang paling sering
muncul dalam sebuah kumpulan data transaksi.
Implementasi metode FP-Growth untuk memprediksi penjualan alat-alat kesehatan dapat
berjalan dengan baik. Tahapan FP-Growth yaitu dengan melakukan frequent item set selanjutnya
pembentukan item tree sehingga menghasilkan rule dari data transaksi. Hasil akhir yang didapatkan
pada sistem ini adalah rule transaksi penjualan dengan nilai support dan confident dari rule tersebut.
Untuk pengambilan keputusan prediksi penjualan barang kedepannya, maka diambil rule transaksi
dengan nilai confiden serta support yang terbesar.
Kata kunci— Data Mining, Data Warehouse, Metode FP-Growth.
Abstract
Kimia Farma is part of the company that manages the sale of medicines and medical
equipment. An increase in sales transactions each year is certainly the pharmacy must plan and
prepare the various needs of the distribution of goods in the future. But there are obstacles in each
process of analyzing the needs of the goods because the number of items increased and requires a
long time in planning sales strategies.
In the process of identification and sales strategy would be better if done by a computerized
system of data mining so that the distribution of goods analysis process to be effective and efficient.
One method is a method of data mining is the FP-Growth. FP-Growth algorithm is used to determine
the set of transactions per item sales that appear most frequently in a data set of transactions.
FP-Growth Implementation method for predicting sales of medical equipment can run well. FPGrowth Stages by performing frequent item set subsequent formation resulting rule tree item of
transaction data. The final result of this system is the rule with the value of sales transactions and
confident support of the rule. Decision making predictions for the future sale of the goods, then the
rule is taken to the value of the transaction as well as the support of the largest confiden.
Keywords— Data mining, Data Warehouse, FP-Growth Method
Received June 1st ,2012; Revised June 25th, 2012; Accepted July 10th, 2012
Rancangan Aplikasi Data Warehouse Menggunakan Metode FP-Growth
82
1. PENDAHULUAN
tersebut dan mampu meringankan tugas para
pegawai
dalam
menganalisi
dan
inerja penjualan merupakan sebuah
memperhitungkan pemasukkan dan penjualan
kondisi
yang
mencerminkan
obat-obatan dan alat-alat kesehatan untuk
keadaansuatu
perusahaan
yang
waktu yang akan datang. Sehingga perlu
bergerak dalam bidang komersial, salah
dirancangnya sebuah sistem data Mining
satunya Apotek Kimia Farma.Kimia Farma
Warehouse untuk pengambil keputusan dalam
merupakan
bagian dari peruahaan yang
menentukan kebijakan secara cepat, efisien,
mengelola penjualan obat-obattan dan alat-alat
dan efektif. Salah satu metode data mining
kesehatan. Pada proses penjualan tiap
warehouse adalah FP-Growth. Algoritma FPtahunnya akan terus mengalami peningkatan.
Growth
digunakan untuk
menentukan
Dengan adanya peningkatan transaksi
himpunan data yang paling sering muncul
penjualan tersebut, para petugas harus
dalam sebuah kumpulan data. Oleh karena itu
merencanakan dan menyiapkan penjualan alatpermasalahan yang ada yang melatar
alat kesehatan tersebut ditahun berikutnya.
belakangi
penulis
untuk
mengangkat
Namun dalam pendataan alat-alat kesehatan
permasalahan ini sebagai judul tugas akhir
yang tersedia dan tidak tersedianya sering
yaitu “Perancangan Aplikasi Data Warehouse
membutuhkan waktu yang lama. Hal ini
Menggunakan Metode FP-Growth Untuk
berdampak pada proses pendistribusian karena
Memprediksi Penjualan Alat-Alat Kesehatan
membuat ketidakpastian petugas dalam
(Studi Kasus : Apotek Kimia Farma Korem)”.
memesan alat-alat kesehatan pada distributor,
Adapun beberapa penelitian yang
juga tidak terkontrolnya penjualan karena
berhubungan dengan penelitian ini yaitu: [1]
perencanaan yang kurang matang dan
yangmenyatakan bahwa dalam pengembangan
produktifitas petugas dalam bekerja tidak
Aplikasi SMART dalam Market Basket
optimal. Oleh karena itu peramalan sangat
Analysis dibangun dengan menggunakan
dibutuhkan dalam kasus perencanaan tersebut.
algoritma FP-Growth. Algoritma FP-Growth
Analisis dapat dilakukan dengan
dapat menghasilkan frequent item set yang
mengumpulkan data penjualan yang bersifat
nantinya akan digunakan pada proses
historis atau lampau dan kemudian melihat
association rules. Proses association rules
grafik kinerja penjualan perusahaan. Didalam
akan menghasilkan suatu rule yang
data penjualan akan dapat terlihat banyak
dipengaruhi oleh nilai minimum support dan
komponen yang terkait dengan penjualan
minimum confidence. Penelitian ini membahas
diantaranya hubungan antara variasi produk
masalah tentang bagaimana sistem kerja
yang dijual, jumlah produk yang dijual, waktu
Market Basket Analysis dengan menggunakan
penjualan, promosi produk yang dijual, dan
algoritma FP-Growth, perancangan sistem
segmentasi pasar yang berhubungan dengan
dengan menggunakan algoritma FP-Growth,
pendistribusian produk, termasuk kondisi
dan menetapkan frequent item set dan rule.
pelanggan yang menikmati produk yang
Hasil pengujian yang diperoleh adalah ratadijual. Untuk melakukan analisis, maka
rata pada nilai minsupp = 0.006 dan minconf =
perusahaan perlu mengumpulkan atau harus
0.6 tidak menghasilkan rules, dan rata-rata
memiliki data yang banyak secara kuantitas
waktu proses adalah 957 ms. Oleh [2]
dan baik secara kualitas. Semakin banyak dan
menyatakan bahwa menggunakan metode
baik data yang dimiliki, maka akan semakin
algoritma FP-Growth adalah salah satu
baik pula hasil analisis yang akan dihasilkan.
algoritma terpopuler untuk menemukan
Namun, untuk memenuhi hasil analisis yang
sejumlah frequent item set dari data-data
baik dan tepat maka dibutuhkan suatu sistem
transaksi. Melalui proses mining dengan
data mining yang befungsi menganalisis
algoritma FP-Growth ini maka akan di peroleh
database yang besar dengan tujuan penggalian
jenis sepeda motor manayang lebih banyak
informasi dan pengetahuan yang berkaitan
terjual, dan berapa banyak persediaan yang di
dengan
pengambilan
keputusan
dan
perlukan
perusahaan
untuk
pemecahan masalah.
menyediakansepeda motor. Karena banyaknya
Maka dari itu dibutuhkanlah suatu
persediaan mempengaruhi modal yang harus
sistem yang terkomputerisasi agar dapat
dikeluarkan untuk persediaandan perawatan.
mengatasi semua masalah dalam perusahaan
Persediaan yang terlalu banyak akan memakan
IJCCS Vol. x, No. x, July 201x : first_page – end_page
K
Idayani, Sutardi dan Muchlis
banyak tempat dan mengurangi laba. Oleh [3]
menyatakan bahwa dalam penelitiannya
tentang data Warehouse sebagai salah satu
konsep yang berorientasi pada komponen inti
dalam suatu perusahaan, yaitu data; dapat
dikategorikan sebagai aspek penunjang yang
bersifat strategik karena melalui pembentukan
data Warehouse dapat diperoleh suatu output
berupa laporan yang dapat dijadikan sebagai
bahan analisis bagi pihak eksekutif dalam
proses pengambilan keputusan mengunakan
Algortima FP-Growth
2. METODE PENELITIAN
2.1
Data Mining
Menurut [4] data mining adalah sebuah
proses berulang bertujuan untuk menganalisa
database yang besar dengan tujuan penggalian
informasi dan pengetahuan yang berkaitan
dengan
pengambilan
keputusan
dan
pemecahan masalah. Secara umum data
mining adalah kegiatan yang meliputi
pengumpulan, pemakaian data historis untuk
menemukan keteraturan, pola dan hubungan
dalam set data berukuran besar. Kegunaan data
mining adalah untuk menspesifikasikan pola
yang harus ditemukan dalam tugas data
mining. Kehadiran data mining dilatar
belakangi dengan masalah data explosion yang
dialami akhir-akhir ini, banyak organisasi
telah mengumpulkan data sekian tahun
lamanya (data pembelian, data penjualan, data
nasabah, data transaksi).
2.2

1978-1520
Data Warehouse
Menurut [5] datawarehouse adalah
database analisis yang digunakan sebagai
dasar
sistem
pengambilan
keputusan.
Analisis yang digunakan bersifat hanya
untuk dibaca saja (read only) sehingga
tidak dapat dilakukan perubahan data yang
digunakan.
Pengertian data warehouse menurut
[6], data warehouse adalah koleksi data
yang
mempunyai
sifat
berorientasi
subjek,
terintegrasi,
tidak mengalami
perubahan, dan mempunyai variasi waktu
yang digunakan untuk mendukung proses
pengambilan keputusan manajemen.
83
2.3
Algoritma
FP-Growth
(Frequent
Pattern Growth)
Algoritma
FP-Growth
merupakan
pengembangan dari Algoritma Apriori.
Sehingga kekurangan dari Algoritma Apriori
diperbaiki oleh algoritma FP-Growth.
Frequent Pattern Growth (FP-Growth) adalah
salah satu alternatif algoritma yang dapat
digunakan untuk menentukan himpunan data
yang paling sering muncul (frequent item set)
dalam sebuah kumpulan data.
Pada Algoritma Apriori diperlukan
generate candidate untuk mendapatkan
frequent item sets. Akan tetapi, pada
Algoritma FP-Growth generate candidate
tidak
dilakukan
karena
FP-Growth
menggunakan konsep pembangunan tree
dalam pencarian frequent item sets. Hal
tersebutlah yang menyebabkan algoritma FPGrowth lebih cepat dari Algoritma Apriori.
Karakteristik algoritma FP-Growth adalah
struktur data yang digunakan adalah tree yang
disebut
dengan
FP-Tree.
Dengan
menggunakan FP-Tree, algoritma FP-Growth
dapat langsung mengekstrak frequent item set
dari FP-Tree. Penggalian item set yang
frequent dengan menggunakan algoritma FPGrowth akan dilakukan dengan cara
membangkitkan struktur data tree atau disebut
dengan FP-Tree. Metode FP-Growth dapat
dibagi menjadi 3 tahapan utama yaitu sebagai
berikut:
1. Tahap pembangkitan conditional pattern
base,
2. Tahap pembangkitan conditional FPTree, dan
3. Tahap pencarian frequent item set.
2.4
Association Rule
Association rule merupakan suatu proses
pada data mining untuk menentukan suatu
aturan asosiatif yang memenuhi syarat
minimum untuk support (minsup) dan
confidance (minconf) pada sebuah database.
Pada 3 tahapan metode FP-Growth digunakan
untuk menentukan nilai support dan
confidence pada setiap item set. Persamaan (1)
digunakan untuk menghitung nilai support
Support (A)
(1)
=
Title of manuscript is short and clear, implies research results (First Author)
Rancangan Aplikasi Data Warehouse Menggunakan Metode FP-Growth
84
Kemudian untuk mendapatkan nilai
support dari dua item dapat diperoleh dengan
Persamaan (2).
( , ) =
( ∩ )
(2)
=
Setelah semua frequent item dan large
item set didapatkan, dapat dicari syarat
minimum confidence (mincof) dengan
menggunakan Persamaan (3).
( → ) =
( │ )=
(3)
ℎ
Keterangan : A dan B : item set A dan item set
B
2.5
6.
Sederhana, Java menggunakan bahasa
yang sederhana dan mudah dipelajari.
7. Terdistribusi, Java didesain untuk
berjalan
pada
lingkungan
yang
terdistribusi seperti halnya internet.
8. Aman, aplikasi yang dibuat dengan
Bahasa Java lebih dapat dijamin
keamanannya terutama untuk aplikasi
internet.
9. Netral secara arsitektur, Java tidak
terikat pada suatu mesin atau sistem
operasi tertentu.
10. Interpreted,
aplikasi
Java
bisa
dieksekusi pada platform yang berbedabeda karena melakukan interpretasi pada
bytecode.
11. Berkinerja tinggi, bytecode Java telah
teroptimasi dengan baik sehingga
eksekusi program dapat dilakukan
secara cepat.
Pemrograman Java
Java adalah bahasa pemrograman
berorientasi objek murni yang dibuat
berdasarkan kemampuan-kemampuan terbaik
bahasa pemrograman objek sebelumnya (C++,
Beberapa kelebihan Java antara lain
Ada Simula). Java diciptakan oleh James
adalah sebagai berikut:
Gosling, developer dari Sun Microsystems
1. MultiPlatform. Kelebihan utama dari Java
padatahun 1991. Bahasa Java dirancang
ialah
dapat
dijalankan
di
sedemikian rupa agar perangkat lunak yang
beberapa Platform /sistemoperasi kompute
dibuat menggunakan Bahasa Java dapat
r, sesuai dengan prinsip tulis sekali,
berjalan pada semua Platform (Platform
jalankan di mana saja. Dengan kelebihan
independence). Ini berati bahwa sekali suatu
ini pemrogram cukup menulis sebuah
program ditulis atau aplikasi dibangun maka
program Java dan dikompilasi (diubah,
dapat dijalankan pada berbagai sistem operasi
dari bahasa yang dimengerti manusia
sebagaimana mestinya, tanpa perlu melakukan
menjadi bahasa mesin / bytecode) sekali
kompilasi ulang.
lalu hasilnya dapat dijalankan di atas
Java adalah bahasa pemrograman yang
beberapa Platform tanpa perubahan.
sederhana dan tangguh. Berikut ini adalah
Kelebihan ini memungkinkan sebuah
beberapa karakteristik dari Java:
program berbasis Java dikerjakan diatas
1. Object Oriented, java telah menerapkan
operating system Linux tetapi dijalankan
konsep pemograman berorientasi object
dengan baik di atas Microsoft Windows.
yang modern dalam implementasinya.
Platform yang didukung sampai saat ini
2. Robust, Java mendorong pemograman
adalah Microsoft Windows, Linux, Mac
yang bebas dari kesalahan dengan
OS dan Sun Solaris. Penyebabnya adalah
bersifat strongly typed dan memiliki
setiap sistem operasi menggunakan
run-time checking
programnya sendiri-sendiri (yang dapat
3. Protable, program Java dapat berjalan
diunduh
dari
situs
Java)
untuk
pada sistem operasi apapun yang
meninterpretasikan bytecode tersebut.
memiliki Java Virtual Machine
2. OOP (Object Oriented Programming 4. Multithreading,
Java
mendukung
Pemrogram Berorientasi Objek).
pemograman multithreading dan telah
3. Perpustakaan kelas yang lengkap, Java
terintegrasi secara langsung dalam
terkenal
dengan
Bahasa Java.
kelengkapan library/perpustakaan(kumpul
5. Dinamis, program Java dapat melakukan
an program program yang disertakan
sesuatu tindakan yang ditentukan pada
dalam pemrograman java) yang sangat
saat eksekusi program dan bukan pada
memudahkan dalam penggunaan oleh para
saat kompilasi.
pemrogram
untuk
membangun
IJCCS Vol. x, No. x, July 201x : first_page – end_page
Idayani, Sutardi dan Muchlis
aplikasinya. Kelengkapan perpustakaan ini
ditambah dengan keberadaan komunitas
Java yang besar yang terus menerus
membuat perpustakaan-perpustakaan baru
untuk melingkupi seluruh kebutuhan
pembangunan aplikasi.
4. Bergaya C++, memiliki sintaks seperti
bahasa
pemrograman C++ sehingga
menarik banyak pemrogram C++ untuk
pindah ke Java. Saat ini pengguna Java
sangat banyak, sebagian besar adalah
pemrogram C++ yang pindah ke Java.
5. Pengumpulan sampah otomatis, memiliki
fasilitas pengaturan penggunaan memori
sehingga para pemrogram tidak perlu
melakukan pengaturan memori secara
langsung (seperti halnya dalam bahasa
C++ yang dipakai secara luas).
2.6

1978-1520
MySQL
MySQL adalah sebuah perangkat lunak
sistem manajemen basis data SQL (Bahasa
Inggris: database management system) atau
DBMS yang multithread, multi-user, dengan
sekitar 6 juta instalasi di seluruh dunia.
MySQL AB membuat MySQL tersedia
sebagai perangkat lunak gratis dibawah lisensi
GNU General Public License (GPL), tetapi
mereka juga menjual dibawah lisensi
komersial
untuk
kasus-kasus
dimana
penggunaannya
tidak
cocok
dengan
penggunaan GPL.
Tidak sama dengan proyek-proyek
seperti Apache, dimana perangkat lunak
dikembangkan oleh komunitas umum, dan hak
cipta untuk kode sumber dimiliki oleh
penulisnya masing-masing, MySQL dimiliki
dan disponsori oleh sebuah perusahaan
komersial Swedia MySQL AB, dimana
memegang hak cipta hampir atas semua kode
sumbernya. Kedua orang Swedia dan satu
orang Finlandia yang mendirikan MySQL AB
adalah: David Axmark, Allan Larsson, dan
Michael “Monty” Widenius.
Kehandalan suatu sistem basisdata
(DBMS) dapat diketahui dari cara kerja
pengoptimasi-nya dalam melakukan proses
perintah-perintah SQL yang dibuat oleh
pengguna maupun program-program aplikasi
yang memanfaatkannya. Sebagai basis data,
MySQL mendukung operasi basisdata
transaksional maupun operasi basisdata nontransaksional.
85
Untuk kebutuhan sistem yang ditujukan
untuk bisnis sangat disarankan untuk
menggunakan modus basisdata transaksional,
hanya saja sebagai konsekuensinya unjuk kerja
MySQL pada modus transaksional tidak
secepat unjuk kerja pada modus nontransaksional.
2.7
UML
UML (Unified Modeling Language)
adalah metode pemodelan secara visual
sebagai sarana untuk merancang dan atau
membuat software berorientasi objek. Karena
UML ini merupakan bahasa visual untuk
pemodelan bahasa berorientasi objek, maka
semua elemen dan diagram berbasiskan pada
paradigma object oriented.
UML adalah salah satu tool/model untuk
merancang pengembangan software yang
berbasis object oriented. UML sendiri juga
memberikan standar penulisan sebuah sistem
blue print, yang meliputi konsep bisnis proses,
penulisan kelas-kelas dalam bahasa program
yang spesifik, skema database, dan
komponen-komponen yang diperlukan dalam
sistem software.
UML adalah sebuah bahasa standar
untuk pengembangan sebuah software yang
dapat menyampaikan bagaimana membuat dan
membentuk model-model, tetapi tidak
menyampaikan apa dan kapan model yang
seharusnya dibuat yang merupakan salah satu
proses implementasi pengembangan software.
UML tidak hanya merupakan sebuah bahasa
pemograman visual saja, namun juga dapat
secara langsung dihubungkan keberbagai
bahasa pemograman, seperti JAVA, C++,
Visual Basic, atau bahkan dihubungkan secara
langsung ke dalam sebuah object-oriented
database.
Begitu
juga
mengenai
pendokumentasian dapat dilakukan seperti
requirements, arsitektur, design, sourcecode,
projectplan, tests, dan prototypes.
2.8
Xampp
XAMPP adalah perangkat lunak bebas,
yang mendukung banyak sistem operasi,
merupakan kompilasi dari beberapa program.
Fungsinya adalah sebagai server yang berdiri
sendiri (localhost), yang terdiri atas program
Apache HTTP Server, MySQL database, dan
penerjemah bahasa yang ditulis dengan bahasa
pemrograman PHP dan Perl. Nama XAMPP
Title of manuscript is short and clear, implies research results (First Author)
86
Rancangan Aplikasi Data Warehouse Menggunakan Metode FP-Growth
merupakan singkatan dari X (empat sistem
operasi apapun), Apache, MySQL, PHP dan
Perl. Program ini tersedia dalam GNU General
Public License dan bebas, merupakan web
server yang mudah digunakan yang dapat
melayani tampilan halaman web yang dinamis.
3. HASIL DAN PEMBAHASAN
3.3
Diagram Flowchart FP- Growth
Perancangan flowchart atau diagram alir
akan memudahkan pengembang untuk
mengimplementasikan sistem ke dalam bahasa
pemrograman, karena akan menjelaskan
bagaimana cara kerja sistem dari awal hingga
akhir.
Flowchart
metode
FP-Growth
ditunjukkan pada Gambar 1.
3.1
Gambaran Umum Sistem Lama
Sistem yang berjalan dalam transaksi di
Apotek Kimia Farma Korem masih
menggunakan sistem perhitungan secara
manual. Data yang digunakan merupakan data
transaksi yang terjadi dalam apotek tersebut.
Proses perhitungan secara manual ini
menghabiskan waktu yang relatif lama. Dapat
dibayangkan jika data yang terdaftar mencapai
ratusan bahkan ribuan data akan dihitung
manual satu per satu, maka waktu yang
digunakan akan tidak efektif, ditambah lagi
jika terjadi human error dalam proses
perhitungan data barang alat-alat kesehatan.
Gambaran Umum Yang Diusulkan
Admin sebelum melakukan proses
perhitungan menggunakan perhitungan dengan
metode FP-Growth secara terkomputerisasi,
terlebih dahulu menginputkan data alat-alat
kesehatan berupa nama alat, harga, dan merek.
Adapun cara kerja sistem ini adalah sebagai
berikut:
1. Pengguna (User) merupakan orang yang
mengoperasikan sistem. User pada sistem
ini dioperasikan oleh 2 orang yang
bertindak sebagai admin dan sebagai
pimpinan. User pertama sebagai admin ini
memiliki hak akses penuh terhadap sistem.
Tugas utama seorang admin adalah
menginput data pengguna, dan data alatalat kesehatan. User kedua sebagai
pimpinan ini memiliki hak akses sebagai
penerima data alat-alat kesehatan.
2. Data hasil survey merupakan data yang
masih bersifat mentah dan belum
diketahui data yang akan dimasukan ke
dalam sistem.
3. Sistem ini akan menyimpan hasil olahan
data alat-alat kesehatan kemudian dihitung
menggunakan metode FP-Growth
4. Data hasil pengolahan akan menjadi
output pada system. Data ini adalah jumlah
persediaan alat-alat kesehatan.
Mula
Data Transaksi Awal
Menentukan Frekuensi Tiap Item
Filter Transaksi Berdasarkan Support
Confidence
Membangkitkan ConditionalPatternBase
3.2
Membangkitkan Conditional FP-Tree
Proses FrequentItemSet
Menentukan nilai support
jumlah transaksi yg mengandung item A
Total transaksi
Menetunkan Nilai Confidance (A
B)
Jumlah transaksi yg mengandung A dan B
Jumlah transaksi yg mengandung A
Item set dengan nilai support dan
confidance terbesar
Selesai
Gambar 1 Diagram Flowchart Algoritma FPGrowth
IJCCS Vol. x, No. x, July 201x : first_page – end_page

1978-1520
Idayani, Sutardi dan Muchlis
3.4
Ilustrasi Metode FP-Growth Terhadap
Perencanaan Aplikasi
Data alat-alat kesehatan dapat dilihat
pada Tabel 1.
8.
Agustus
9.
September
10
Oktober
Tabel 1 Data alat – alat kesehatan
No
Nama
Keterangan
1.
Abbocath
Jarum pemasang infuse
2.
Alcohol
3.
Andalan pil kb
4.
Autocheck
cholesterol
Alat untuk tes kadar
lemak
5.
Bisturi
Pisau bedah
12. Desember
7.
Blade
aesculap
Blood
administration
8.
Chloraethyl
9.
Disp syringe
Pompa piston untuk
menghisap cairan
10.
Easy touch
strip
Alat tes pemeriksaan
kadar gula dalam darah
6.
Mata pisau bedah
Alat untuk mengambil
darah
Spray pengurang rasa
sakit
1. Dataset
Tahap ini adalah tahap untuk memilih
dataset yang digunakan untuk proses
datamining ditunjukkan oleh Tabel 2.
Tabel 2 Penjualan alat-alat kesehatan pada
database
No
1.
Transaksi
per bulan
Januari
2.
Februari
3.
Maret
4.
April
5.
Mei
6.
Juni
7.
Juli
11. November
Nama barang
Abbocath,
alcohol,
andalan pil kb
Abbocath, alcohol, blood
administration
Abbocath, alcohol, disp
syringe
Autocheck cholesterol,
chloraethyl
Disp syringe, easy touch
strip, bisturi
Autocheck cholesterol,
blood
administration,
Disp syringe
Alcohol,
Abbocath,
87
andalan pil kb
Disp
syringe,
chloraethyl, alcohol
blood
administration,
blade aesculap, andalan
pil kb
Easy
touch
strip,
Autocheck cholesterol,
alcohol
Abbocath, andalan pil
kb, easy touch strip
Abbocath,
alcohol,
andalan pil kb
2. FP-Tree
Tahap ini adalah tahap untuk dataset yang
telah dibatasi dengan menggunakan support
count yang telah ditentukan, kemudian
dibangun menjadi sebuah Tree. Tabel 3
menunjukkan nama dan frekuensi item dari
data transaksi awal.
Setelah frekuensi setiap item diperoleh,
kemudian dibatasi dengan support count. Jika
frekuensi item tidak kurang dari support count,
maka item tersebut akan dihapus dan tidak
dipakai dalam proses datamining. Misalkan
ditentukan support count = 3, maka hasilnya
ditunjukkan oleh Tabel 4.
Itembisturi, blade aesculap, chloraethyl,
easy touch strip hilang karena frekuensinya
tidak lebih dari sama dengan 3. Tahap
selanjutnya adalah pembangunan Tree
berdasarkan per transaksi dengan item yang
telah dibatasi. Data transaksi setelah proses
filter dapat dilihat pada Tabel 5.
Tabel 3 Nama dan frekuensi item dari data
tranksaksi awal
No
Nama barang
Jumlah
1.
Abbocath
6
2.
Alcohol
7
3.
Andalan pil kb
5
4.
3
5.
Autocheck
cholesterol
Bisturi
6.
Blade aesculap
1
7.
Blood
administration
Chloraethyl
4
8.
1
2
Title of manuscript is short and clear, implies research results (First Author)
Rancangan Aplikasi Data Warehouse Menggunakan Metode FP-Growth
88
9.
Disp syringe
4
10.
Easy touch strip
2
Tabel 4 Nama dan frekuensi item setelah
proses filter
No
1.
2.
3.
4.
5.
6.
Nama barang
Abbocath
Alcohol
Andalan pil kb
Autocheck
cholesterol
blood
administration
Disp syringe
Jumlah
6
7
5
3
4
4
Gambar 2 Tree dari 12 transaksi
Tabel 5 data transaksi setelah proses filter
No
1.
Transaksi
per bulan
Januari
2.
Februari
3.
Maret
4.
April
5.
Mei
6.
Juni
7.
Juli
8.
9.
Agustus
September
10
Oktober
11. November
12. Desember
6.
Juni
Nama barang
Abbocath,
alcohol,
andalan pil kb
Abbocath,
alcohol,
blood administration
Abbocath, alcohol, disp
syringe
Autocheck cholesterol,
blood administration
Disp syringe, easy
touch strip
Autocheck cholesterol,
blood administration,
Disp syringe
Alcohol,
Abbocath,
andalan pil kb
Disp syringe, alcohol
blood administration,
andalan pil kb
Autocheck cholesterol,
alcohol
Abbocath, andalan pil
kb,
Abbocath,
alcohol,
andalan pil kb
Autocheck cholesterol,
blood administration,
Disp syringe
3. FP-Growth
Setelah FP-Tree terbentuk, maka langjkah
selanjutnya adalah tahap pembangkitan
conditional pattern base, tahap pembangkitan
conditional FP-Tree, dan tahap pencarian
frequent item set. Pada tahap ini dapat
dilakukan dengan melihat kembali FP-Tree
yang sudah dibuat sebelumnya.Conditional
pattern base ditunjukkan pada Tabel
6.Frequent item set mdapat dilihat pada Tabel
7.
Tabel 6 Conditional Pattern Base
Item
Autocheck
cholesterol
Disp syringe
Conditional pattern base
{Blood administration : 2,
disp syringe : 1}
{Abbocath : 1},{ alcohol :
2},{blood administration :
1}
Blood
{Abbocath : 1}, {alcohol :
administration 1}, {andalan pil kb : 2}
Andalan pil {Abbocath : 3},{ alcohol :
kb
3}
Abbocath
{Alcohol : 5}
Tabel 7 Frequent item set
Item
Autocheck
cholesterol
Pembangunan Tree dari seluruh transaksi
tersebut ditunjukkan pada Gambar 2.
Disp syringe
IJCCS Vol. x, No. x, July 201x : first_page – end_page
Frequent item set
{{Autocheck cholesterol,
Blood administration :
2},
{Autocheck
cholesterol, disp syringe :
1}}
{{Disp syringe, Abbocath
: 1}, {Disp syringe,
1978-1520
Idayani, Sutardi dan Muchlis
Blood
administration
Andalan pil kb
Abbocath
alcohol
:
2},{Disp
syringe,
blood
administration : 1}}
{{Blood administration,
Abbocath : 1}, {Blood
administration, alcohol :
1},
{Blood
administration, andalan
pil kb : 2}}
{{Andalan
pil
kb,
Abbocath : 3},{ Andalan
pil kb, alcohol : 3}}
{{Abbocath, Alcohol :
5}}
Tahap akhir pada perhitungan FP-Growth
dapat dilihat pada Tabel 8.
Tabel 8 Hasil Association Rule
Rule
Abbocath => alkohol
Andalan pil kb =>
abbocath
Andalan pil kn =>
alcohol
Blood administration
=> abbocath
Blood administration
=> alkohol
Blood administration
=> andalan pil kb
Disp syringe =>
abbocath
Disp syringe =>
alcohol
Disp syringe =>
blood administration
Autocheck
cholesterol => blood
administration
Autocheck
cholesterol => disp
syringe
Support
0,4
0,2
Confidence
0,7
0,5
0,2
0,4
0,0
0,1
0,0
0,1
0,1
0,4
0,0
0,1
0,1
0,2
0,0
0,2
0,1
0,5
0,0
0,2
3.4 Rancangan Sistem
1. Use case diagram
Use case diagram digunakan untuk
memodelkan dan menyatakan unit fungsi atau
layanan yang disediakan oleh sistem. Diagram
use case juga menjelaskan apa yang akan
dikerjakan oleh sistem. Use case diagram
ditunjukkan pada Gambar 3.

89
Gambar 3Use Case Diagramproses FPTree
2. Activity Diagram
Activity diagram merupakan suatu bentuk
flow diagram yang memodelkan alur kerja
(workflow) sebuah proses bisnis dan urutan
aktivitas sebuah proses.
1) Activity Diagram Login
Use case Login menjaga sistem supaya
aman dari orang-orang yang tidak memiliki
hak akses terhadap sistem. Dengan kata lain
Login menjadi kunci bisa atau tidaknya
seseorang untuk memasuki sistem ini. Activity
Diagram Login ditunjukkan pada Gambar 4.
Gambar 4 Activity DiagramLogin
2) Activity Diagram Pengguna
Activity diagram ini menjelaskan tentang
gambaran kerja sistem saat admin memilih
form pengguna. Sistem menapilkan form
aplikasi dan admin mengisi field pengisian
untuk pengguna. Seteh admin mengisi field
pengisian admin memilih tombol simpan maka
Title of manuscript is short and clear, implies research results (First Author)
90
Rancangan Aplikasi Data Warehouse Menggunakan Metode FP-Growth
data akan tersimpan ke database. Activity
diagram input data Mahasiswa ditujukan pada
Gambar 5.
menu
proses
FP-Tree.
sistem
akan
menampilkan tabel data hasil perhitungan FPTree.Ativity diagram Laporan Hasil ditujukan
pada Gambar 8.
Gambar 5 Activity Diagram Pengguna
3) Activity Diagram Data Akes(Alat-Alat
Kesehatan)
Activity diagram ini menjelaskan tentang
gambaran kinerja sistem saat admin memilih
menu data alkes. Sistem menapilkan form data
alkes, didalam form ini terdapat tombol
menambahkan dan mengimport data. Admin
terlebih dahulu harus mengimport data, setelah
melakukan import data kemudian admin akan
memilih tombol segarkan untuk menampilkan
data dalam database. Activitydiagram data
alat-alat kesehatan ditujukan pada Gambar 6.
Gambar 7 Activity Diagram Transaksi
Gambar 8 Activity Diagram Proses FP-Tree
Gambar 6 Activity Diagram Data Alat-Alat
Kesehatan
4) Activity Diagram Transaksi
Activity diagram ini menjelaskan tentang
gambaran kinerja sistem saat admin memilih
menu transaksi. Activity diagram hasil proses
perangkingan ditujukan pada Gambar 7.
5) Activity Diagram Proses FP-Tree
Activity diagram ini menjelaskan tentang
gambaran kinerja sistem saat admin memilih
3. Sequnce Diagram
Sequnce diagram menjelaskan interkasi
object yang disusun dalam suatu urutan waktu.
Sequnce diagram memperlihatkan tahap demi
tahap apa yang seharusnya terjadi untuk
menghasilkan sesuatu yang dilakukan dalam
usecase.
1) Sequence Diagram Login
Sequence diagram login, pertama admin
memasukkan username dan password untuk
masuk ke menu utama. Selanjutnya sistem
menjalankan perintah Login dan melakukan
validasi username dan password. Jika login
valid maka admin akan masuk ke halaman
utama, jika login tidak valid maka sistem akan
menampilkan sistem error kepada admin.
IJCCS Vol. x, No. x, July 201x : first_page – end_page

1978-1520
Idayani, Sutardi dan Muchlis
Gambar Sequence Diagram Login ditunjukkan
pada Gambar 9.
4) Sequence Diagram Transaksi
Sequence diagram transaksi.
jelasnya pada Gambar 12.
91
Lebih
Gambar 9 Sequence Diagram Login
2) Sequence Diagram Pengguna
Sequence diagram pengguna, pertama
admin memilih input data pengaju pada
halaman menu utama. Setelah itu admin
menginputkan data pengguna, kemudian
sistem menjalankan perintah insert data
penerima dan memasukkan data pendaftar
kedatabase pada tabel pendaftar. Seperti yang
terlihat pada Gambar 10.
Gambar 12 Sequence Diagram Transaksi
5) Sequence Diagram Proses FP-Tree
Sequence diagramFP-Tree. Pertama admin
memilih menu proses FP-Tree. Untuk lebih
jelasnya pada Gambar 13.
Database
Gambar 13 Sequence Diagram FP-Tree
Gambar 10 Sequence Diagram Pengguna
3) Sequence Diagram Data Alkes
Sequence diagram data alkes, pertama
admin memilih menu data alkes lalu
mengimport data kemudian tersimpan di tabel
data. Untuk lebih jelasnya terlihat pada Gambar
11.
3.5 ERD (Entity Relational Diagram)
ERD (Entity Relational Diagram)
digunakan untuk mendesain database dengan
tujuan menggambarkan data yang berelasi
pada sebuah database. Adapun ERD yang
dibangun berdasarkan tabel-tabel dalam
database pada ditunjukkan pada Gambar 14.
Gambar 11 Sequence Diagram Data Alkes
3.6 Implementasi Sistem
Setelah memenuhi kebutuhan sistem,
proses selanjutnya adalah menerangkan
kegunaan form-form yang ada didalam aplikasi
datawarehouse menggunakan metode FPGrowth beserta desain formnya.
1. Form Login
Untuk dapat mengakses menu utama,
admin harus masuk ke halaman Login untuk
menginputkan username dan password yang
Title of manuscript is short and clear, implies research results (First Author)
Rancangan Aplikasi Data Warehouse Menggunakan Metode FP-Growth
92
valid. Tampilan halaman Login ditunjukkan
pada Gambar 15.
3. Form Halaman Data Alkes (Alat-Alat
Kesehatan)
Ketika admin memilih menu Data Alkes
maka akan muncul tampilan pada Gambar 17.
Gambar 17 Halaman Data Alkes (Alat-Alat
Kesehatan)
Gambar 14 ERD Proses FP-Tree
Untuk menambahkan data, admin dapat
mengisi data dengan menginput data satu
persatu atau melalui import data untuk
mengambil data yg telah tersedia
lalu
menekan tombol “segarkan” maka secara
otomatis data yang diinputkan tersebut akan
masuk ke dalam database. Tampilan form
masukkan data ditunjukkan pada Gambar 18.
Gambar 15Form Login
2. Form Halaman Utama
Form Halaman Utama merupakan
tampilan antarmuka yang muncul ketika
proses autentifikasi username dan password
pada login telah divalidasi. Pada form
Halaman Utama ini terdapat 6 menu utama
yaitu Pengguna, Data Alkes, Transaksi, Proses
FP-Tree, About, dan Keluar.
Gambar 18 Form Masukkan data
4. Form Halaman Transaksi
Ketika admin memilih menu Transaksi
maka akan muncul tampilan seperti yang
ditunjukkan pada Gambar 19.
Gambar 16 Form Halaman Utama
IJCCS Vol. x, No. x, July 201x : first_page – end_page
Gambar 19 Form Halaman Transaksi
Idayani, Sutardi dan Muchlis

1978-1520
Saat admin menekan tombol Import data
maka akan muncul hasil data seperti yang
ditunjukkan pada Gambar 20 form hasil import
transaksi.
Gambar 20 Form Hasil Import Transaksi Data
5. Form Halaman Proses FP-Tree
Tampilan halaman proses FP-Tree dapat
dilihat pada Gambar 21.
93
4. KESIMPULAN
Berdasarkan pembahasan dan evaluasi
system maka dapat disimpulkan:
1. Metode dalam pencarian Frequent
itemsset menggunakan algoritma FPGgrowth bekerja sangat baik dalam
melakukan Frequent itemsset dengan
proses pembentukan FP-Tree dengan
menghasilkan rule dari data penjualan
alat-alat kesehatan.
2. Dalam mengimplementasikan algoritma
FP-Growth pada aplikasi prediksi
persediaan alat-alat kesehatan dapat dilihat
dari banyaknya item yang terjual, lalu
membuat rangkaian tree dengan fptree
untuk mengetahui banyaknya frequent
itemset yang terjadi.
3. Algoritma FP-Growth dapat diterapkan
untuk mendukung strategi penjualan alatalat kesehatan pada Apotik Kimia Farma
Korem sehingga pihak manajemen dari
Apotik itu sendiri dapat melakukan
pengambilan keputusan dengan cepat.
5. SARAN
Berdasarkan hasil penelitian saran
untuk pengembangan system lebih lanjut,
yaitu aplikasi data warehouse dengan
Gambar 21 Form Halaman Proses FP-Tree
Berdasarkan Gambar 21 hasil analisis
metode FP-Growth nilai support dan
confidence yang terbesar akan menjadi hasil
keputusan.Tampilan halaman proses FP-Tree
setelah memasukan nilai support count
ditunjukkan Gambar 22.
Gambar 22 Tampilan Halaman Proses FP-Tree
menggunakan metode FP-Growth ini
diharapkan
dapat
diimplementasikan
kedalam perangkat lunak dengan tampilan
yang lebih baik sehingga user dapat lebih
nyaman dalam menggunakannya.
DAFTAR PUSTAKA
[1 ]
Larasati, D.P.. 2013, Analisisdan
Implementasi Algoritma FP-Growth
pada Aplikasi Smart untuk Menetukan
Market Basket Analysis pada Usaha
Retail (STUDI KASUS: PT.X).
[2]
Ririanti, 2013, Implemntasi Algoritma
FP-Growth Pada Aplikasi Prediksi
Persediaan Sepeda Motor (Studi
Kasus:PT. PILAR DELI LABUMAS).
[3]
Hidayat, N.A., 2014, Perancangan Data
Warehouse Dan Penerapan Metode
AssociationRule Untuk Ekstraksi Data
Penjualan Pada PT CNI Palembang
Title of manuscript is short and clear, implies research results (First Author)
94
Rancangan Aplikasi Data Warehouse Menggunakan Metode FP-Growth
[4]
Vercellis, C., 2009, Sistem Informasi.
Lokomedia: Yogyakarta.
[5]
Poe, V, 1996, Building The Data
Warehouse For Decision Support. New
jersey: Pretince-Hall Internatioanl, Inc.
[6]
Inmon, W.H., 2005, Building A Data
Warehouse (4th ed). Indianapolis: Wiley
Publishing, Inc.
IJCCS Vol. x, No. x, July 201x : first_page – end_page