BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan ritel yang

BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perusahaan ritel yang menyediakan berbagai kebutuhan berkembang pesat bukan
hanya di kota besar saja tetapi juga di kota-kota kecil. Untuk memperoleh keuntungan
yang maksimal banyak hal yang dilakukan perusahaan. Dimana, perusahaan berusaha
untuk menarik minat konsumen sehinnga dibutuhkan informasi yang sebanyakbanyaknya. Informasi dapat dilihat dari transaksi penjualan yang tersimpan dalam
database.
Kumpulan data transaksi yang begitu besar sering kali hanya disimpan di
dalam suatu database dan kurang digali pemanfaatannya. Data penjualan tersebut bisa
diolah lebih lanjut sehingga didapatkan informasi baru. Misalnya, dari informasi
dapat dilihat
barang yang dibeli secara bersamaan. Pengetahuan tersebut dapat
digunakan sebagai pemasaran produk yang saling melengkapi dan membuat posisi
rak barang-barang yang dijual pada perusahaan ritel. Teknologi data mining sebagai
solusi bagi para pengambil keputusan seperti manajer dalam menentukan strategi
pemasaran dan korelasi antara barang yang dibeli oleh konsumen sehingga dapat
meningkatkan pelayanan pada konsumen.
Proses data mining adalah proses mencari pola atau informasi menarik dalam
data terpilih dengan menggunakan algoritma. Pemilihan fungsi atau algoritma yang
tepat sangat bergantung pada
tujuan dan proses pencarian pengetahuan secara
keseluruhan. Penelitian ini menggunakan metode asosiasi yang merupakan teknik data
mining untuk menemukan aturan asosiatif antara suatu korelasi item. Contoh aturan
asosiatif dari analisis pembelian di suatu pasar swalayan adalah dapat diketahuinya
Universitas Sumatera Utara
Universitas Sumatera Utara
1
berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan
mentega. Dengan pengetahuan tersebut, pemilik swalayan dapat mengatur
penempatan barangnya dan merancang kampanye pemasaran dengan memakai kupon
diskon untuk kombinasi barang tertentu.
Banyak peneliti yang menjadikan data mining sebagai objek penelitiannya.
Pathresia (2012) di dalam penelitiannya menggunakan teknik market basket analysis
dengan menggunakan algoritma Apriori untuk memperoleh korelasi produk yang
sering dibeli secara bersamaan pada swalayan. Selain itu juga Ahmad (2012) dalam
penelitiannya memanfaatkan data transaksi yang banyak tersimpan dengan
menggunakan Algoritma FP-Growth untuk membuat strategi dan kebijakan dalam
berbisnis. Demikian juga Erwin(2009) dalam penelitiannya menganalisis market
basket dengan algoritma Apriori dan Algoritma FP-Growth.
Banyak metode yang digunakan dalam data mining, yaitu estimation,
prediction, classification, clustering, Association. Penelitian ini menggunakan
association rule demgan menggunakan algoritma Apriori dan FP Growth. Kedua
algoritma tersebut digunakan untuk mengetahui korelasi antara barang yang diminati
oleh konsumen yang tersimpan dalam database. Setelah diperoleh frequent itemsets,
maka diambil suatu aturan dan kemudian menganalisis perbandingan waktu kedua
algoritma tersebut.
1.2 Rumusan Masalah
Setelah melihat latar belakang masalah yang telah diuraikan maka rumusan masalah
dalam penelitian ini adalah bagaimana membuat perbandingan algoritma Apriori dan
algoritma FP Growth di dalam penambangan data dalam database untuk korelasi
pembelian produk.
1.3 Batasan Masalah
Universitas Sumatera Utara
Adapun batasan masalah dalam penelitian ini adalah sebagai berikut:
1. Data yang diinput merupakan transaksi penjualan produk yang dibeli
selama 3 bulan di minimarket
2. Informasi berdasarkan produk yang dibeli konsumen secara bersamaan
3. Menggunakan korelasi dari 2 jenis produk yang dijual dengan parameter
support dan confidence. Dimana nilai maksimum support 0.3 dan
maksimum confidence 1.
4. Jenis barang dalam penelitian ini yaitu: makanan dan minuman, produk
pembersih dan pewangi konsumen(hygiene care), pembersih dan pewangi
pakaian.
5. Analisis dilihat dengan perbandingan waktu untuk menemukan frequent
itemset
6. Menggunakan bahasa pemrograman PHP dan penyimpanan data di MySql.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Mendapatkan korelasi dari jenis produk-produk yang sering dibeli secara
bersamaan dalam suatu waktu
2. Mengimplementasikan hasil dari korelasi jenis produk-produk ke dalam
sebuah aplikasi data mining pada pembelian produk menggunakan algoritma
apriori dan FP Growth
3. Menganalisis perbandingan waktu yang diperlukan di dalam menemukan
frequent itemset dengan algoritma apriori dan FP Growth.
1.5 Manfaat Penelitian
Adapun manfaat yang didapat dari penelitian ini adalah:
Universitas Sumatera Utara
3
1. Dapat mempermudah mengetahui informasi pembelian produk yang sering
dibeli oleh konsumen secara bersamaan
2. Untuk mengetahui pencarian data yang sering muncul (frequent itemset)
kemudian dapat diambil kesimpulan
3. Untuk mengatur tata letak produk yang sering dibeli secara bersamaan oleh
konsumen supaya diletakkan secara berdekatan
4. Untuk mengetahui perbandingan waktu yang dibutuhkan dalam menemukan
korelasi produk pembelian
1.6 Metodologi Penelitian
Dalam menyusun tugas akhir ini penulis melakukan beberapa penerapan metode
penelitian untuk menyelesaikan permasalahan. Adapun metode penelitian yang
dilakukan adalah dengan cara:
1. Studi literature
Mempelajari konsep-konsep dasar mengenai data mining dan algoritma
asosiasi yaitu algoritma apriori dan FP-Growth yang terdapat pada beberapa
sumber literatur. Sumber literatur berupa buku teks, paper, dan jurnal.
2. Metode Pengembangan Perangkat Lunak
2.1
Analisis Kebutuhan
Dalam tahap ini mengumpulkan semua kebutuhan yang diperlukan dalam
membangun perangkat lunak yang berupa data transaksi. Kemudian
melakukan analisa pengolahan data untuk menghasilkan suatu informasi
berupa pola (pattern) dengan teknik asosiasi (association rule).
2.2 Desain Sistem
Dalam proses desain sistem bertujuan untuk merealisasikan hasil analisis ke
dalam bentuk perangkat lunak, pada tahap ini meliputi rancangan antarmuka
Universitas Sumatera Utara
dan dalam perancangan prosedur yang akan diterapkan dalam perangkat
lunak berdasarkan teknik asosiasi dengan algoritma apriori dan FP Growth.
3. Implementasi dan Pengujian
Pada tahapan ini menerapkan source code program untuk dijadikan hasil
akhir yaitu perangkat lunak yang seutuhnya. Kemudian dilakukan proses
pengujian dengan memasukkan data transaksi, selanjutnya diketahui data
mana yang sering muncul (frequent itemset) secara bersamaan sesuai
minimum
support
dan
confidence
yang
diberikan.
Kemudian,
membandingkan waktu yang diperlukan oleh algoritma apriori dan algoritma
FP Growth.
4.
Dokumentasi
Tahap dokumentasi ini berupa penulisan skripsi yang menjelaskan proses
analisis perbandingan algoritma Apriori dengan Algoritma FP Growth.
1.7 Sistematika Penulisan
Peyusunan laporan tugas akhir ini menggunakan kerangka pembahasan yang
terbentuk dalam susunan bab, yang dapat dijelaskan sebagai berikut:
BAB 1
: PENDAHULUAN
Bab ini berisikan tentang latar belakang masalah, rumusan masalah,
batasan masalah, tujuan dan manfaat penelitian, metode penelitian, dan
sistematika penulisan.
BAB 2
: LANDASAN TEORI
Universitas Sumatera Utara
5
Bab ini berisikan tentang landasan teori yang mendukung perancangan
aplikasi yang akan dibangun.
BAB 3
: ANALISIS DAN PERANCANGAN SISTEM
Bab ini membahas mengenai analisa data yang akan diproses
berdasarkan analisis asosiasi dengan algoritma apriori kemudian
membuat DFD, flowchart, struktur tabel dan merancang tampilan dari
aplikasi data mining.
BAB 4
: IMPLEMENTASI DAN PENGUJIAN SISTEM
Bab ini akan membahas tentang implementasi dari sistem yang dibuat
berdasarkan hasil analisis dan perancangan sistem yang telah dibuat.
Kemudian dilakukan pengujian sistem untuk mengetahui apakah sistem
dapat berjalan sesuai tujuan dan harapan perancangan.
BAB 5
: KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan dan saran yang diberikan untuk
perbaikan sistem sehingga menjadi lebih baik dan bermanfaat bagi
pengguna maupun pembaca skripsi.
BAB 2
LANDASAN TEORI
2.1 DataBase
Universitas Sumatera Utara