penerapan data mining pada penjualan hardisk

Artikel Skripsi
Universitas Nusantara PGRI Kediri
PENERAPAN DATA MINING PADA PENJUALAN
HARDISK UNTUK OPTIMALISASI DISTRIBUSI
MENGGUNAKAN METODE CLUSTERING
SKRIPSI
Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer (S. Kom)
Pada Program Studi Teknik Informatika
Fakultas Teknik Universitas Nusantara PGRI Kediri
OLEH :
YOPPY RATNA ARIANTO
NPM: 11.1.03.02.0401
FAKULTAS TEKNIK (FT)
UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA
UN PGRI KEDIRI
2016
Yoppy Ratna Arianto | 11.1.03.02.0401
Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id
|| 1||
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yoppy Ratna Arianto | 11.1.03.02.0401
Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id
|| 2||
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yoppy Ratna Arianto | 11.1.03.02.0401
Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id
|| 3||
Artikel Skripsi
Universitas Nusantara PGRI Kediri
PENERAPAN DATA MINING PADA PENJUALAN
HARDISK UNTUK OPTIMALISASI DISTRIBUSI
MENGGUNAKAN METODE CLUSTERING
Yoppy Ratna Arianto
11.1.03.02.0401
Fakultas Teknik – Program Studi Teknik Informatika
[email protected]
Drs. Agus Budianto, M.Pd. dan M. Rizal Arief, S.T., M.Kom.
UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK
Jumlah ketersediaan stok hardisk PD. Bintang Mas Rezeki Nusantara terkadang tidak dapat memenuhi
jumlah seluruh permintaan seluruh permintaan, hal itulah yang menjadi permasalahan dalam penelitian
ini. Untuk itu PD. Bintang Mas Rezeki Nusantara perlu melakukan perbaikan managemen dalam
melakukan distribusi barang. Hal ini dapat dilakukan dengan cara memilih pelanggan yang
diprioritaskan. Dalam menentukan pelanggan prioritas dilakukan dengan memperhatikan jumlah
pembelian pelanggan dan jarak dari PD. Bintang Mas Rezeki Nusantara dengan alamat pelanggan
tersebut. Penerapan metode Aglomerative Hierarchical Clustering dilakukan untuk menentukan
pelanggan-pelanggan mana yang menjadi prioritas dengan pertimbangan korelasi antara jumlah
pesanan dan jarak tempuh dari perusahaan ke pelanggan. Metode Aglomerative Hierarchical
Clustering yang digunakan yaitu single linkage.
Aplikasi akan memberikan hasil pelanggan prioritas dan pelanggan non prioritas. Kemudian pegawai
distributor akan melakukan pengiriman. Jika barang terkirim sampai ke pelanggan maka akan masuk
ke laporan dan kemudian data akan dimasukkan ke dalam record laporan, kalau barang tidak terkirim
maka data akan kembali ke daftar pesanan dan harus diklaster ulang.
Hasil dari penelitian tersebut yaitu PD. Bintang Mas Rezeki Nusantara dapat mengetahui dua jenis
pelanggan yaitu pelanggan prioritas dan pelanggan non prioritas. Sehingga PD. Bintang Mas Rezeki
Nusantara dapat melakukan pengiriman dahulu kepada pelanggan prioritas. Dengan diketahuinya
pelanggan prioritas PD. Bintang Mas Rezeki Nusantara dapet melakukan distribusi penjuaan dengan
lebih efisien.
Kata Kunci : Distribusi penjualan Hardisk, Hierarchical Clustering, Pelanggan Prioritas.
I.
persaingan
LATAR BELAKANG
Persaingan
perusahaan
bisnis
dituntut
semakin
pendapatan
dan
meningkatkan
perusahaan,
pimpinan
berusaha
perusahaan maupun manajemen dalam
mendapatkan kemajuan bisnis semaksimal
suatu perusahaan tersebut di tuntut untuk
mungkin, jika mungkin mengembangkan
dapat mengambil keputusan yang tepat
skala bisnis juga dibutuhkan bagi mereka.
dalam menentukan strategi penjualan.
Kemajuan di bidang teknologi informasi
Untuk dapat melakukan hal tersebut,
yang cepat memberikan pengaruh yang
perusahaan
cukup besar baik dalam bidang industri
informasi yang cukup banyak untuk dapat
maupun
di analisis lebih lanjut.
jasa.
untuk
ketat
bisnis
Untuk
menghadapi
Yoppy Ratna Arianto | 11.1.03.02.0401
Fakultas Teknik – Prodi Teknik Informatika
membutuhkan
sumber
simki.unpkediri.ac.id
|| 4||
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Dalam pendistribusian barang pada
bersifat
eksklusif
mengandung
proses penjualan, terkadang jumlah barang
representasi
yang diterima dari produsen tidak dapat
kategori
mencukupi jumlah permintaan pelanggan.
menumpu (overlapping). Berbeda dengan
Sehingga
association rule mining dan classification
perusahaan
perlu
yang
atau
yang
kaya
seperti
hirarkis
atau
saling
memprioritaskan pelanggan tertentu agar
dimana
pendistribusian penjualan lebih efisien
sebelumnya,
sehingga
pengelompokan data tanpa berdasarkan
lebih
menguntungkan
perusahaan.
kelas
lebih
data
telah
clustering
ditentukan
melakukan
kelas data tertentu. Bahkan clustering
Jumlah
PD.
dapat dipakai untuk memberikan label
Bintang Mas Rezeki Nusantara terbatas
pada kelas data yang belum diketahui itu.
dan tidak mencukupi untuk memenuhi
Karena itu clustering sering digolongkan
jumlah permintaan pelanggan. Sehingga
sebagai metode unsupervised learning.
perlu
ketersediaan
adanya
stok
kebijakan
mengenai
Prinsip
dari
clustering
adalah
pelanggan tertentu yang diprioritaskan oleh
memaksimalkan kesamaan antar anggota
PD. Bintang Mas Rezeki Nusantara dalam
satu kelas dan meminimumkan kesamaan
pendistribusian penjualan hardisk
antar cluster. Clustering dapat dilakukan
PD. Bintang Mas Rezeki Nusantara
membutuhkan
manajemen
yang
baik
pada data yang memiliki beberapa atribut
yang
dipetakan
sebagai
ruang
dalam memilih dan memberikan layanan
multidimensi. Banyak algoritma clustering
kepada
memerlukan fungsi jarak untuk mengukur
pelanggan
dalam
bentuk
pendistribusian barang yang efisien.
kemiripan antar data, diperlukan juga
metode
II.
Pengelompokan
data
dilakukan
berdasarkan kesamaan karakteristik data.
diketahui
kelompok.
masing-masing
untuk
normalisasi
bermacam
atribut yang dimiliki data (Abdul Kadir:
METODE
Karakteristik
untuk
melakukan
Pengelompokan
data
2009:45).
Aglomerative
Clustering adalah
Hierarchical
salah satu
metode
pelabelan
analisis kelompok yang berusaha untuk
clustering
membangun sebuah hirarki kelompok data.
merupakan tugas deskripsi yang banyak
Strategi pengelompokannya Bottom-Up.
digunakan dalam mengidentifikasi sebuah
Algoritma AHC:
himpunan terbatas pada kategori atau
1. Menghitung matrik jarak antar data ke
cluster untuk mendeskripsikan data yang
masing-masing
ditelaah.
menggunakan Manhattan Distance:
Kategori-kategori
ini
dapat
Yoppy Ratna Arianto | 11.1.03.02.0401
Fakultas Teknik – Prodi Teknik Informatika
titik
pusat
data
simki.unpkediri.ac.id
|| 5||
Artikel Skripsi
Universitas Nusantara PGRI Kediri
e. Mampu
∑
dikombinasikan
komputasi
mengatasi
2. Ulangi langkah hingga hanya satu
kelompok yang tersisa.
berdasarkan parameter kedekatan yang
ditentukan.
tambahan
outlier,
merepresentasikan kedekatan diantara
kelompok baru dan kelompok yang
masih tersisa.
noise,
atau
kekurangan
dari
Hierarchical Aglomerative:
a. Dapat mengalami masalah ketika
mengelompokkan
4. Perbarui matrik jarak antar data untuk
untuk
uninterested background.
Sedangkan
3. Gabungkan dua kelompok terdekat
dengan
data
yang
mengandung outlier.
b. Sensitif dalam penentuan titik awal
cluster.
c. Sulit mencapai optimum global.
5. Selesai.
Beberapa metode pengelompokan secara
III. HASIL DAN KESIMPULAN
Hierarchical Aglomerative:
3.1 Analisis

Sistem pemesanan pada distribusi
Single Linkage (Jarak terdekat)
penjualan di PD. Bintang Mas Rezeki
duv = min {duv},duv € D


Nusantara dengan pemesanan barang oleh
Complete Linkage (jarak Terjauh)
pelanggan kepada pegawai perusahaan
duv = max {duv},duv € D
melalui BBM (Black Berry Messanger),
kemudian jika barang tersedia, maka
Average Linkage (Jarak rata-rata)
distributor
duv = average {duv},duv € D.
Kelebihan
dan
akan
mengirimkan
barang
kepada pelanggan. Pelanggan memesan
Kekurangan
barang melalui BBM kepada pegawai PD.
Bintang Mas Rezeki Nusantara, kemudian
Hierarchical Aglomerative.
Hierarchical Aglomerative memiliki
pegawai input data ke dalam aplikasi
kelebihan sebagai berikut:
distribusi
a. Kemudahan dalam implementasi.
datanya ke dalam basis data.
b. Pengelompokan
lebih
cepat
yang
tinggi
menyimpan
barang,
sehingga
pegawai
menerima rekomendasi pelanggan yang
c. Kompleksitas waktu linear.
d. Posibilitas
dan
Aplikasi mengolah data distribusi
penjualan
daripada Clustering lainnya.
penjualan
untuk
menentukan centroid yang tepat.
diprioritaskan dalam distribusi penjualan
barang dan manager menerima laporan
hasil penjualan barang (hardisk). Sistem
Yoppy Ratna Arianto | 11.1.03.02.0401
Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id
|| 6||
Artikel Skripsi
Universitas Nusantara PGRI Kediri
tersebut mengandalkan ketelitian setiap
perusahaan
memantau
entri data dan hal ini tentu sangat penting
distribusi penjualan melalui laporan
untuk di perhatikan.
penjualan.
1. Skema Aplikasi
3. DFD rinci
Merupakan
kegiatan
diagram
yang
menguraikan proses apa yang ada
dalam diagram nol secara rinci. Berikut
alur prosesnya:
Dengan adanya sistem baru di atas,
diharapkan proses distribusi penjualan
hardisk dapat lebih menguntungkan
perusahaan.
2. Context Diagram
Diagram konteks adalah diagram
yang terdiri dari suatu proses dan
menggambarkan ruang lingkup suatu
Pegawai distributor melakukan login,
sistem.
dilakukan pencocokan login dengan
tabel user. jika login berhasil maka
akan diarahkan menuju halaman input
data. Pegawai distributor melakukan
input data pelanggan (toko), meliputi
nama toko, alamat, kota, nama pemilik,
dan
jarak
Kemudian
dengan
input
bintang
data
mas.
tersebut
diinputkan ke dalam tabel pelanggan.
Diagram diatas menggambarkan dari
Jika ada pelanggan yang memesan
admin (pegawai) bisa melakukan akses
hardisk, pegawai distributor melakukan
untuk mengelola input data penjualan,
input pesanan kode toko dan jumlah
data pelanggan. Setelah itu admin
penjualan saja karena data palanggan
mendapatkan
sudah tersimpan pada tabel pelanggan.
laporan
mengenai
pelanggan yang diprioritaskan dalam
kemudian
distribusi
penjualan ini, diolah menggunakan
penjualan.
Manajer
Yoppy Ratna Arianto | 11.1.03.02.0401
Fakultas Teknik – Prodi Teknik Informatika
dari
data
pada
tabel
simki.unpkediri.ac.id
|| 7||
Artikel Skripsi
Universitas Nusantara PGRI Kediri
perhitungan
clustering
metode
kemudian
pegawai
Aglomerative Hierarchical Clustering.
pengiriman
setelah itu akan mendapatkan data
pengiriman. aplikasi menampilkan barang
pelanggan prioritas yang diketahui oleh
yang telah dipesan, dan diputusan oleh
pegawai
aplikasi
distributor
dan
laporan
pengiriman akan dilaporkan kepada
dengan
melakukan
untuk
menu
menentukan
tombol
pelanggan
prioritas atau non prioritas.
manager.
4. Entity Relationship Diagram
Data
disimpan
input
pelanggan
pada
tabel
semua
pelanggan,
gambar
diatas
menyajikan
kemudian jika ada pelanggan yang
penjualan
memesan, akan disimpan pada tabel
pengiriman.
Setelah
penjualan
rekomendasi
mengenai
kemudaan
diolah
yang
akan
diproses
data
untuk
mendapatkan
pelanggan
menggunakan perhitungan clustering
prioritas, akan dilakukan penngiriman
metode hierarchical.
barang tersebut. ketika pegawai distributor
menggirimkan maka pegawai itu memilih
3.2 Implementasi dan Evaluasi Hasil
penjualan
aksi kirim dan transaksi yang dikirimkan
menginputkan data pesanan dari data
disimpan dengan status kirim, kemudian
pelanggan yang sudah diinput, pegawai
hasilnya akan ditampilkan di halaman
menginputkan kode toko dan jumlah
laporan
pegawai
distributor
penggiriman
sebagai
berikut:
barang.
Hasil dari input data pesanan akan
ditampilkan
pada
halaman
data
pemesanan. pada halaman tersebut akan
ditampilakan, kode toko, nama toko,
alamat, kota, pemilik, jumlah penjualan,
jarak
dengan
distributor,
status
penjualannya, dan tanggal.
Yoppy Ratna Arianto | 11.1.03.02.0401
Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id
|| 8||
Artikel Skripsi
Universitas Nusantara PGRI Kediri
3.3 Kesimpulan
Pemilihan cara mencari pelanggan
prioritas dapat ditentukan dengan mengacu
pada data penjualan dan jarak jangkau PD.
Bintang Mas Rezeki Nusantara terhadap
pelanggan
dengan
menghitung
data
tersebut menggunakan metode clustering
pegawai distributor dapat mengetahui data
pelanggan
prioritas.
melakukan
Sehingga
distribusi
dalam
penjualan
PD.
Bintang Mas Rezeki Nusantara lebih
efisien dan berkualitas. Diharapkan di
masa yang akan datang agar dilakukan
penelitian
menggunakan
lebih
lanjut
metode
dengan
Agglomerative
Hierarchical Clustering yang lain maupun
dengan
menggunakan
metode
pengelompokan yang lain.
Aplikasi
dapat
distribusi
dilengkapi
menggunakan
penjualan
dengan
ini
perhitungan
metode-metode
lainnya
karena tidak menutup kemungkinan bahwa
terdapat metode lain yang lebih cocok
untuk di terapkan pada aplikasi ini.
IV.
Indobeverage menggunakan metode
clustering, UNIKOM, Bandung.
[4] Hariyanto, Bamabang, 2004. Sistem
manajemen Basisdata, Informatika
Bandung, Bandung.
[5] Iko Pramudiono. (2009). Pengantar
Data Mining: Menambang Permata
Pengetahuan
di
Gunung
Data,
http://ilmukomputer.org/2008/11/25/pe
ngantardata-mining
Diakses pada
tanggal 9 September 2014.
[6] Kusrini & Luthfi, E. Taufiq.(2009),
Algorima Data Mining, Penerbit Andi,
Yogyakarta.
[7] Ladjamudin,
bin
Al-Bahri.2005.
Analisis
dan
Desain
Sistem
Informasi,Penerbit
graham
ilmu,Yogyakarta.
[8] Santosa, Budi, 2007, “Data Mining
Teknik Pemanfaatan Data untuk
Keperluan Bisnis”, Graha Ilmu,
Yogyakarta.
[9] SK, Purwanto dan Suharyadi, (2004).
Statistik
untuk
Ekonomi
Dan
Keuangan Modern Jakarta : Salemba
Empat.
[10] Sutanta, Edhy. 2004. Sistem Basis
Data,
Penerbit
Graha
ilmu,
Yogyakarta.
[11] Sutrisno, Afriyudi, Widiyanto.
(2013) Penerapan Data Mining Pada
Penjualan
Menggunakan
Metode
Clustering Study Kasus PT. Indomarco
Palembang, Universitas Bina Darma,
Palembang.
DAFTAR PUSTAKA
[1] Al Fatta, Hanif. (2007). Analisa dan
Perancangan
Sistem
Informasi.
Yogyakarta.
[2] Andi. (2009). Data Mining dan Web
Mining,
http://andyku.wordpress.com/2008/04/
17/data-mining-dan-web-mining
Diakses pada tanggal 10 September
2014.
[3] Enur Irdiansyah. (2010). Penerapan
Data Mining Pada Penjualan Produk
Minuman di PT. Pepsi Cola
Yoppy Ratna Arianto | 11.1.03.02.0401
Fakultas Teknik – Prodi Teknik Informatika
simki.unpkediri.ac.id
|| 9||