pengaruh intensitas kebisingan pada proses sugu dan proses

PEMANFAATAN DATA MINING UNTUK MEMBERIKAN
GAMBARAN PRODUK PENJUALAN DI PT BUKIT ASAM
DERMAGA KERTAPATI (PERSERO), Tbk
Melisa Agustriani1, A Haidar Mirza, ST.M.Kom2, Deni Erlansyah, M.M., M.Kom3
Dosen Universitas Bina Darma 1, Mahasiswa Universitas Bina Darma 2
Jalan Jenderal Ahmad Yani No.12 Palembang
Pos-el : [email protected] 1, your2@email2, your3@email3
Abstract : The development of information technology is growing rapidly, as well as man's efforts
to get a valuable information through various media including the internet. Technological
developments in the field of information even easier for users to carry out all tasks. In the face of
business competition and increase revenue, related party in the company is expected to take the
right decision in determining the marketing strategy of coal products to be sold. To be able to
implement it, companies need enough information to be analyzed further. Abundant availability of
data, the need for information to support the decision-making to create business solutions and
infrastructure support in the areas of information technology is the birth of data mining
technology. Data mining is intended to provide a real solution for decision makers in the business
world, to develop their business. One of the methods contained in the data mining that is used in
this study is the grouping (clustering) in which the method is to identify objects that have certain
characteristics in common. These groupings are used by companies to report on the general
characteristics of groups of different consumers.
Keywords: information technology, data mining, clustering
Abstrak : Perkembangan dunia teknologi informasi semakin berkembang pesat, demikian juga
dengan usaha manusia untuk mendapatkan sebuah informasi berharga melalui berbagai media
termasuk media internet. Perkembangan teknologi dalam bidang informasi semakin memudahkan
bagi para pengguna dalam menjalankan segala tugas yang ada. Dalam menghadapi persaingan
bisnis dan meningkatkan pendapatan perusahaan, pihak terkait dalam perusahaan dituntut untuk
dapat mengambil keputusan yang tepat dalam menentukan strategi pemasaran produk batubara
yang akan dijualnya. Untuk dapat melaksanakan hal itu, perusahaan memerlukan informasi yang
cukup untuk dapat dianalisa lebih lanjut. Ketersediaan data yang melimpah, kebutuhan akan
informasi sebagai pendukung pengambilan keputusan untuk membuat solusi bisnis, dan dukungan
infrastruktur di bidang teknologi informasi merupakan lahirnya teknologi data mining. Data
mining dimaksudkan untuk memberikan solusi nyata bagi para pengambil keputusan di dunia
bisnis, untuk mengembangkan bisnis mereka. Salah satu metode yang terdapat pada data mining
yang digunakan dalam penelitian ini adalah pengelompokan (clustering) dimana metode tersebut
mengidentifikasi objek yang memiliki kesamaan karakteristik tertentu. Pengelompokan ini
digunakan oleh perusahaan untuk membuat laporan mengenai karakteristik umum dari grup-grup
konsumen yang berbeda.
Kata kunci: teknologi informasi, data mining, clustering
1.
PENDAHULUAN
media termasuk media internet. Perkembangan
informasi saat ini sedemikian pesatnya, seiring
dengan
Perkembangan dunia teknologi informasi
semakin berkembang pesat, demikian juga
dengan usaha manusia untuk mendapatkan
semakin
baiknya
sarana
dan
infrastruktur, maka hal itu dengan sendirinya
juga mengubah cara hidup manusia termasuk
pula
dalam
hal
mendapatkan
informasi.
sebuah informasi berharga melalui berbagai
Pemanfaatan Data Mining Untuk Membrikan Gambaran Produk Penjualan di PT BUKIT ASAM (PERSERO), Tbk
(Melisa Agustriani )
1
Perkembangan teknologi dalam bidang informasi
Saat
ini
pada
PT
menggunakan
menjalankan segala tugas yang ada. Abad
Management System (SCMS) dimana sistem ini
sekarang merupakan abad persaingan dalam
mengintegrasikan seluruh transaksi dan data
segala bidang dan aspek kehidupan termasuk
yang terkait dengan proses penanganan batubara.
bidang teknologi informasi dan komunikasi, oleh
Sistem ini meliputi pengolahan dan penyediaan
karena itu organisasi swasta maupun pemerintah
informasi status pergerakan batubara di PT Bukit
harus
Asam secara tepat. Hal itu juga termasuk
untuk
mengoptimalkan
penyediaan
mencapai sasaran-sasaran yang sesuai dengan
efektifitas aktifitas pelaporan. PT Bukit Asam
tujuan yang telah ditetapkan.
menyimpan basisdatanya dengan menggunakan
Bukit
Asam
Dermaga
evaluasi
dan
Chain
pemanfaatan sumber-sumber yang ada untuk
PT
proses
Supply
Asam
semakin memudahkan bagi para pengguna dalam
berusaha
aplikasi
Bukit
analisa
Kertapati
SQL server. SQL server adalah server basisdata
(Persero), merupakan sebuah perusahaan yang
yang secara fungsional merupakan proses atau
bergerak di bidang penjualan batubara. Dimana
aplikasi yang menyediakan layanan basis data.
perusahaan ini setiap harinya harus memenuhi
Client berinteraksi dengan layanan basis data
kebutuhan konsumen, sehingga pembelian dan
melalui antar muka komunikasi tertentu yang
penjualan merupakan hal yang utama dalam
bertujuan untuk pengendalian dan keamanan.
perusahaan tersebut. Dengan berkembangnya
Client tidak mempunyai akses langsung kedata,
teknologi informasi, perusahaan menggunakan
tetapi selalu berkomunikasi dengan server
technologi informasi
basisdata.
untuk meningkatkan
kinerja dan produktivitas PT Bukit asam agar
Dalam menghadapi persaingan bisnis,
dapat bertahan dan bersaing dalam usahanya,
pihak dalam perusahaan tersebut dituntut untuk
juga untuk melakukan transaksi penjualan dan
dapat mengambil keputusan yang tepat dalam
pembelian barang yang membutuhkan pelaporan
menentukan strategi pemasaran produk batubara
transaksi dan otomatisasi dalam pengaturan
yang akan dijualnya. Untuk dapat melakukan hal
pembelian barang, selain itu juga pelayanan
itu, perusahaan memerlukan informasi yang
terhadap masyarkat luas sebagai konsumen.
cukup
Mengingat perusahaan ini adalah salah
untuk
dapat
dianalisa
lebih lanjut.
Ketersediaan data yang banyak, kebutuhan akan
satu perusahaan ternama di Indonesia dimana
informasi
animo masyarakat terhadap produk dari PT Bukit
keputusan untuk membuat bussines solution,
Asam yang besar, pertukaran data maupun
serta dukungan infrastruktur di bidang teknologi
prediksi untuk ke depannya yang terjadi di dalam
informasi merupakan lahirnya teknologi data
kantor juga harus berlangsung secara efektif,
mining. Data mining yang dimaksudkan untuk
cepat, aman dan akurat. Dalam hal ini aplikasi
memberikan solusi nyata bagi para pengambil
yang dibutuhkan adalah aplikasi database yang
keputusan
memiliki efektiftas, fleksibilitas dan keamanan
mengembangkan bisnis mereka. Salah satu
yang baik dan stabil.
metode yang terdapat pada data mining yang
2
sebagai
di
pendukung
dunia
pengambilan
business
untuk
Jurnal Imiah xxxxxxxxxxxx Vol.x No.x, Februari 2013:1 -12
digunakan
dalam
penelitian
ini
adalah
Manfaat
pengelompokan (clustering) dimana metode
sebagai berikut:
dari penelitian ini
adalah
tersebut mengidentifikasi objek yang memiliki
kesamaan karakteristik tertentu. Pengelompokan
1.
menganalisis informasi penjualan produk
ini digunakan oleh perusahaan untuk membuat
PT Bukit Asam dan kompetitor lainnya;
laporan mengenai karakteristik umum dari grup2.
grup konsumen yang berbeda.
memberikan
Asam
dapat
memberikan
yang
data sehingga menjadi informasi berharga
dan diteliti adalah “Bagaimana cara menerapkan
untuk
Bukit
sebelumnya tersembunyi didalam gudang
masalah, maka permasalahan yang akan dibahas
mining
PT
pengetahuan-pengetahuan
Dengan mengacu pada latar belakang
data
Agar PT Bukit asam dapat dengan mudah
berupa informasi yang dapat membantu
gambaran
dalam memberikan gambaran produk
produk penjualan batubara di PT Bukit Asam
penjualan batubara pada PT Bukit Asam.
dengan menggunakan metode clustering”
Adapun batasan masalah yang akan
2.
METODE PENELITIAN
dibahas adalah sebagai berikut:
1.
Menganalisis data rekapitulasi
export
2.1
Metode Penelitian
penjualan batubara pada
Dalam
PT Bukit Asam;
2.
Algoritma clustering yang dipakai adalah
hirarhical clustering mengikuti tahapan
Knowledge Discovery in database (KDD);
3.
Memberikan
gambaran
yang
jelas
mengenai penjualan produk dalam bentuk
terkelompok
atau
terklaster
berupa
menggunakan
metode
ini,
penulis
deskriptif
karena
permasalahan yang sedang diteliti saat ini
berdasarkan fakta-fakta yang ada mengenai data
rekapitulasi export penjualan batubara pada PT
Bukit Asam.
2.2
dendogram.
Metode Pengumpulan Data
Metode pengumpulan data yang tepat
yaitu
Tujuan dari penelitian ini adalah sebagai
penelitian
dengan
mempertimbangkan
penggunaannya berdasarkan jenis data dan
berikut:
sumbernya. Data yang objektif dan relevan
1.
Untuk mengetahui cara kerja hirarhical
dengan
clustering;
merupakan
Memberikan informasi dari data penjualan
penelitian. Pengumpulan data penelitian ini
yang diolah dalam bentuk grafik dan tabel
dilakukan dengan cara sebagai berikut:
yang informatif dan mudah dianalisis;
1.
2.
3.
pokok
permasalahan
indikator
penelitian
keberhasilan
satu
Observasi
Membantu pihak eksekutif PT Bukit
Metode pengumpulan data dengan cara
Asam, terutama di bagian Marketing,
melakukan pengamatan langsung kepada
dalam pengambilan keputusan bisnis yang
berkaitan dengan penjualan produk.
Pemanfaatan Data Mining Untuk Membrikan Gambaran Produk Penjualan di PT BUKIT ASAM (PERSERO), Tbk
(Melisa Agustriani )
3
objek
penelitian
mengenai
pendataan
nasabah yang terjadi pada
PT
Bukit
Asam
databases. Atribut tersebut yaitu:
Dermaga
Kertapati
Palembang.
2.
1.
terdapat pada tabel transaksi penjualan
Mencari dan mengumpulkan materi-materi
yang berisi informasi mengenai nama
yang
konsumen yang membeli barang.
berkaitan
dokumentasi
dengan
penyusunan
informasi
dari buku,
dan
skripsi
JENIS merupakan atribut yang terdapat
pada tabel transaksi penjualan yang berisi
selesai. Materi-materi tersebut digunakan
informasi mengenai jenis produk yang di
sebagai bahan pembelajaran dan referensi
jual.
pembuatan aplikasi.
menghitung jumlah yang nantinya akan
Wawancara
digunakan untuk menentukan banyaknya
Berdiskusi langsung kepada bagian IT
barang yang keluar.
perusahaan
yang
2.
telah
dalam
2.3
KONSUMEN merupakan atribut yang
Studi pustaka
skripsi, seperti
3.
digunakan dalam proses knowledge discovery in
tersebut
untuk
3.
Atribut
ini
digunakan
untuk
BULAN merupakan atribut yang terdapat
mengetahui informasi yang akan dicari.
pada tabel transaksi penjualan yang berisi
Metode Analisis Data
informasi mengenai jumlah penjualan
Adapun untuk menganalisis data dalam
barang.
penerapan data mining ini menggunakan tahapan
4.
JANUARI
sampai
Knowledge Discovery in Databases (KDD) yang
merupakan
terdiri
jumlah transkasi yang terjadi pada bulan
dari
beberapa
tahapan,
yaitu
data
selection, preprocessing, transformation, data
mining, dan evaluation.
atribut
DESEMBER
yang
menjelaskan
Januari sampai bulan Desember.
5.
TOTAL
merupakan
atribut
yang
menjelaskan jumlah transaksi yang terjadi
3.
ANALISIS DATA MINING
3.1
Data Selection
pada bulan Januari sampai Desember.
Gambar 1. Data Penjualan Barang
Data yang digunakan dalam penelitian ini
berasal dari perusahaan PT Bukit Asam Dermaga
Kertapati (Persero), Tbk Palembang yaitu data
transaksi penjualan tahun 2010, 2011, 2012,
terdiri dari tabel transaksi penjualan. Tabel
3.2 Preprocessing
transaksi penjualan berisi tentang informasi data
penjualan.
Pada tahapan preprocessing ini akan
Dari semua atribut yang ada pada tabel transaksi
dilakukan beberapa langkah untuk menghasilkan
penjualan terdapat beberapa atribut yang akan
dataset yang bersih sehingga dapat digunakan
dalam tahap berikutnya yaitu mining dengan
4
Jurnal Imiah xxxxxxxxxxxx Vol.x No.x, Februari 2013:1 -12
tujuan memperoleh pola penjualan yang terjadi
karena seleksi data relavan yang berarti
terhadap seluruh transaksi penjualan yang telah
atribut-atributnya relavan yang ditentukan
dilakukan. Berikut disampaikan secara berturut
oleh
langkah-langkah yang dimaksud seperti diatas :
dihasilkan. Dalam tugas akhir ini hasil
output/keluaran
yang
ingin
yang ingin dicapai adalah mengetahui
1.
Integrated Data, tahap integrasi data
indikator yang dilihat adalah konsumen,
adalah suatu proses menggabungkan atau
dan jenis. Berikut ini disajikan contoh data
menyatukan data yang berasal dari sumber
hasil proses seleksi data.
yang berbeda dan mendukung pengguna
untuk melihat kesatuan data. Dataset
Gambar 2. Data yang relevan
transaksi penjualan PT. Bukit Asam
Dermaga Kertapati.Tbk ini berasal dari
3.3
satu sumber, dan dari data yang ada sudah
data yaitu pada tahap ini data diubah
dapat digunakan untuk teknik clustering,
menjadi bentuk yang sesuai untuk di
yaitu tabel transaksi penjualan.
2.
Transformasi Data, tahap transformasi
mining. Karena dalam penelitian ini hanya
Data Cleaning, tahap pembersihan data
dilakukan uji coba secara teoritis. Maka
merupakan tahap awal dari proses KDD.
data
Seluruh atribut pada dataset di atas
transformasi menjadi data yang siap di
selanjutnya
untuk
miningkan.Pada tahapan penelitian ini
mendapatkan atribut-atribut yang berisi
penulis akan tetap menjaga keaslian
nilai yang relavan. Tidak missing value,
format data dalam bentuk excel, jadi tidak
dan
terjadi perubahan pada data tersebut.
tidak
akan
diseleksi
redundant, dimana
syarat
yang
telah
di-cleaning
di
tersebut merupakan syarat awal yang
harus dikerjakan dalam data mining
Gambar 3. Dataset dengan format XLMiner
sehingga akan diperoleh dataset yang
bersih untuk digunakan pada tahap mining
4.
HASIL
data. Dikatakan missing value jika atribut-
4.1
Data Mining
atribut dalam dataset tidak berisi nilai atau
Data mining merupakan tahapan untuk
kosong, sementara itu data dikatakan
menemukan
pola
atau
informasi
dalam
redundant jika dalam satu dataset yang
sekumpulan data dengan menggunakan teknik
sama terdapat lebih dari satu record yang
dan algoritma tertentu. Pemilihan teknik dan
berisi nilai yang sama.
algoritma yang tepat sangat bergantung pada
proses knowledge discovery in databases secara
Tahap selanjutnya adalah tahap seleksi
keseluruhan. Pada penelitian ini penerapan data
data yang berasal dari atribut yang
mining menggunakan teknik Clustering dan
relavan.
algoritma
Tahap
ini
sangat
penting
Hirarhical
Clustering
untuk
dilakukan sebelum proses data mining,
Pemanfaatan Data Mining Untuk Membrikan Gambaran Produk Penjualan di PT BUKIT ASAM (PERSERO), Tbk
(Melisa Agustriani )
5
menemukan informasi mengenai data transaksi
Hierarchical
Clustering
Algorithm
(AHC).
penjualan.
Metode hard clustering merupakan model yang
berdasarkan pada teori himpuanan klasik, yang
4.1.1 Penerapan Clustering dengan Algoritma
mana suatu objek menjadi anggota atau tidak
Hierarchical Clustering (AHC)
menjadi anggota secara penuh ke dalam suatu
Setelah melakukan proses transformasi
kelompok. Hard clustering membagi data ke
data kedalam bentuk data yang sesuai untuk
dalam sejumlah himpunan bersamaan dengan
penerapan data mining dengan teknik Clustering
perbedaan level keanggotaan.
maka tahapan ini dapat dilakukan. Clustering
Berikut merupakan proses mining untuk
merupakan proses membagi data dalam suatu
menentukan informasi mengenai data transaksi
himpunan ke dalam beberapa kelompok yang
berdasarkan data yang sudah ada yang telah
kesamaan datanya dalam suatu kelompok lebih
dipilih. Untuk proses yang dilakukan clustering
besar dari pada kesamaan tersebut dengan data
mempunyai 4 langkah proses dalam menentukan
kelompok lainnya.
nilai yang telah di pilih. Langkah-langkah dalam
Potensi clustering dapat diterapkan ke
algoritma clustering hirarki agglomerative untuk
dalam data yang kuantatif (numerik), kualitatif
mengelompokkan N objek (item/variabel):
(kategorikan), atau kombinasi keduanya. Data
1.
Mulai dengan N cluster, setiap cluster
dapat merupakan hasil pengamatan dari suatu
mengandung entiti tunggal dan sebuah
proses. Setiap pengamatan dapat memiliki N
matriks simetrik dari jarak (similarities) D
variabel pengukuran dan dikelompokan dalam N
= {dik} dengan tipe NxN;
dimensi vektor.
Dalam
2.
aturan
yang terdekat (paling mirip). Misalkan
clustering ini, langkah yang dilakukan adalah
jarak antara cluster U dan V yang paling
mengembangkan aturan yang mungkin akan
mirip adalah duv;
menjadi
tahapan
informasi
data
penemuan
Cari matriks jarak untuk pasangan cluster
penjualan.
Dalam
3.
Gabungkan cluster U dan V. Label cluster
tahapan awal untuk menghasilkan informasi
yang baru dibentuk dengan (UV);
aturan clustering dari setiap data transaksi
Update entries pada matrik jarak dengan
penjualan dihitung dengan dataset. Dalam
cara :
terminologi pengolahan pola, kolom dalam
a.
matriks disebut patterns atau objects, baris
bersesuaian dengan cluster U dan V
disebut fatures atau attribute, dan Z disebut
b. Tambahkan baris dan kolom yang
patterns atau data matrix. Arti kolom dan baris
memberikan jarak-jarak antara cluster
dalam Z bergantung pada konteks. Cluster secara
(UV) dan cluster-cluster yang tersisa.
umum merupakan wujud himpunan bagian dari
4.
Hapus
baris
dan
kolom
yang
Ulangi langkah 2 dan 3 sebanyak (N-1)
suatu himpunan data dan metode clustering
kali. (Semua objek akan berada dalam
dapat diklasifikasikan berdasarkan himpunan
cluster tunggal setelah algoritma berahir).
bagian yang dihasilkan: apakah Agglomerative
Catat
6
identitas
dari
cluster
yang
Jurnal Imiah xxxxxxxxxxxx Vol.x No.x, Februari 2013:1 -12
digabungkan dan tingkat-tingkat (jarak
atau similaritas) di mana penggabungan
terjadi.
Setelah
memilih
menu
Hierarhical
Clustering seperti pada gambar 5.2, maka
langkah
4.1.2 Proses Data Mining Menggunakan
yang
dilakukan
selanjutnya
yaitu
mengatur proses dan hasil yang diinginkan
seperti pada gambar:
XLMiner
Setelah dijelaskan proses penerapan data
mining dengan teknik clustering secara teoritis
Gambar 6. Setting Hierarhical Clustering
pada penjelasan di atas, maka kali ini akan di
jelaskan proses data mining secara aplikatif
Pada gambar 5.3 merupakan tampilan
dimana proses data mining yang akan dilakukan
setting
menggunakan software data mining XLMiner
menentukan hasil yang diharapkan. Adapun
V4.0.2.
pengaturan pada gambar 5.3 dapat dijelaskan
Seperti yang telah dijelaskan pada bab
sebelumnya XLMiner merupakan add in yang
Hierarhical
Clustering
untuk
sebagai berikut:
Workbook
:
File yang digunakan,
bekerja pada Microsoft Excel. Berikut
dalam penelitian ini
merupakan tampilan awal Microsoft Excel
file yang digunakan
2007yang telah ditambahkan add in XLMiner.
adalah penjualan.xlsx
Gambar 4. Microsoft Excel 2007 dengan
Worksheet
:
Worksheet
yang
digunakan, dalam file
XLMiner
Microsoft Excel dapat
Pada gambar 5.1 terlihat bahwa tampilan
terdiri dari beberapa
Microsoft Excel 2007 yang telah ditambahkan
worksheet
add in XLMiner sama saja dengan tampilan
perlu
Microsoft Excel 2007 pada umumnya, hanya saja
satu saja, worksheet
terdapat menu tambahan yaitu menu XLMiner
yang
digunakan
seperti pada gambar 5.1.
adalah
worksheet
Dalam proses data mining menggunakan
XLMiner ini data yang digunakan merupakan
sehingga
dipilih
salah
dengan nama 2010.
Data Range
:
Seleksi
terhadap
data yang telah di transformasi kedalam format
cell/data
yang
Microsoft Excel 2007 (.xlsx). Selanjutnya proses
digunakan.
Pada
data mining dilakukan dengan menggunakan
gambar
menggunakan menu Clustering  Hierarhical
range
Clustering pada XLMiner, seperti pada gambar:
“$A$1:$O$59” yang
berarti
4.3
adalah
data
digunakan
Gambar 5. Menu XLMiner
data
yang
adalah
data pada cell B1
Pemanfaatan Data Mining Untuk Membrikan Gambaran Produk Penjualan di PT BUKIT ASAM (PERSERO), Tbk
(Melisa Agustriani )
7
Rows in Data
:
sampai dengan cell
Clustering, lihat pada gambar 5.5 di
C58.
bawah ini.
Menampilkan Jumlah
Record
yang
Gambar 8. Proses untuk menentukan
digunakan.
Hirarki Clustering
Dari pengaturan yang dilakukan pada
gambar 5.3 dimana dari item transaksi penjualan
dimana
hierarhical
yang
selanjutnya
penulis
clustering
menetukan Hirarki Clustering, input
(merupakan batas transformasi pada XLMiner),
variables dengan memilih jumlah dari
penggunaan
data transaksi penjualan, lalu klik next
batasan
ditentukan
2. Langkah
hierarhical
pada
clustering
XLMiner
dengan
bertujuan
untuk
seperti gambar dibawah ini.
mendapatkan data yang telah di transformasikan
ke dalam XlMiner. Dari pengaturan yang
Gambar 9. Hierarchical Clustering
dilakukan pada gambar 5.3 didapatkan hasil
Tahapan
ini
merupakan
seperti pada gambar 5.4.
menentukan algoritma hirarki algoritma :
a. Worksheet
: data transaksi yang di
algoritma .
Menggunakan XLMiner
b. Data Range
dari
proses
untuk
proses menggunakan algoritma hirarki
Gambar 7. Hasil Hierarhical Clustering
Hasil
langkah
data
mining
: jumlah cell Seleksi
terhadap cell/data yang digunakan. Pada
menggunakan XLMiner ditampilkan worksheet
gambar
baru dengan nama Hierarhical Clustering 2010
“$A$1:$N$6” yang berarti data yang
seperti gambar 5.4. Informasi yang dihasilkan di
digunakan adalah data pada cell C1
tampilkan dalam 1 tabel dimana tabel tersebut
sampai dengan cell C6.
memberikan infomasi mengenai data yang
digunakan.
Untuk
menentukan
5.6
data
range
adalah
c. Variables in data source : merupakan
Hierarhical
kelompok data yang terdapat di dalam
Clustering selanjutnya sama seperti proses yang
data yang sudah di transfaromasikan
telah dilakukan seperti langkah-langkah yang
untuk menentuakan algoritma hirarki
diatas karena data yang sudah di Hierarhical
algoritma .
Clustering sama hasilnya.
d. Input Variables :
Untuk menentukan clustering yang telah
di Hierarhical Clustering maka memerlukan
langkah-langkah sebagai berikut :
1. Data
Tahun
2010
transformasikan
menentukan
algoritma
proses
pemilihan dataset.
e. Rows in data
: jumlah data
cell yang ada di XLMiner
yang
dan
menentukan
telah
siap
di
untuk
Hierarhical
f. Columns in data: jumlah kolom yang
ada di XLMiner
3. Untuk menetukan jumlah cluster yang di
inginkan, disini penulis menentukan 5
8
Jurnal Imiah xxxxxxxxxxxx Vol.x No.x, Februari 2013:1 -12
jumlah cluster karena jumlah cluster
menentukan
hasil
dari
nilai
data
transaksi penjualan barang, iterations
nya 10, lalu klik finish lihat gambar 5.7
Di dalam tabel output navigator di atas
ada beberapa tabel yang akan dijelaskan secara
rinci pertama tabel input.
5. Input yang dihasilkan dari proses
dibawah ini
XlMiner : Hirarhical Clustering
Gambar 12. Tabel Input
Dari
tabel input di atas adalah tabel
yang memasukan data yang telah di kelompokan
dari databases yang sebelumnya hanya data awal
yang mempunyai beberapa tabel yaitu tabel
transaksi penjualan. Kemudian di masukan
kedalam aplikasi XLMINER untuk di data
Gambar 10. Menentukan Jumlah Cluster
a. Euclidean distance : jarak kemiripan
mining sebagai
mencari suatu keputusan. Di
tabel input ini juga mempunyai 3 tabel yaitu
b. Single linkage : jarak minimum yang
tabel data ini menampilkan semua data yang
diawali dengan mencari dua obyek
sebelumnya telah dilakukan pada 3 tahap
terdekat dan keduanya membentuk
clustering di atas.
Tabel Parameters/Options ini juga
cluster yang pertama
c. Average linkage : jarak rata-rata antar
mempunyai beberapa atribut seperti atribut #
tiap pasangan obyek yang mungkin.
Clusters di atribut menampilkan banyak cluster
d. Complete linkage : jarak yang digunakan
adalah jarak terjauh antar objek.
4. Apabila semua step clustering dilakukan
maka pilih finish untuk menampilkan
yang telah di tentukan sebelumnya, atribut #
Iterations atribut ini adalah melakukan suatu
perulangan cluster
untuk jarak objek ke
centroid dari cluster 1 sampai cluster 4.
Selanjutnya tabel clustering stages
Hirarki Clustering input. Di Hirarki
menampilkan
yang mempunyai beberapa atribut dari tabel
beberapa tabel yang berisikan, tabel
cluster satges pertama yaitu atribut cluster
input, tabel clustering stage, tabel
yang berisikan 4 recod cluster dan jumlah
elapsed time, tabel predicted, tabel
cluster.
Clustering
output
dendogram
6. Dari proses yang telah ditentukan maka
didapat jumlah cluster seperti gambar
5.10 dibawah ini:
Gambar 11. XLMiner Hirarki Clustering
Gambar 13. Jumlah Cluster 1-4
dan Clustering Stages
Pemanfaatan Data Mining Untuk Membrikan Gambaran Produk Penjualan di PT BUKIT ASAM (PERSERO), Tbk
(Melisa Agustriani )
9
Tabel
clustering
stages
di
atas
yang
telah
diproses
sebelumnya,
atribut
menjelaskan bahwa cluster yang di peroleh atau
residuals atrbut ini hasil sisa dari atribut actual
yang telah di tentukan ada 4 cluster banyak
dikurang forecast maka dapatlah hasil nilai
cluster, untuk cluster 2 yang
residualsnya.
jumlahnya
28224,45459 yang didapat dari banyak di setiap
cluster yang didapat dari Predicted Clusters .
5. SIMPULAN
7. Waktu dalam proses Hirarchical
Berdasarkan dari penelitian yang telah
Clustering
dilaksanakan dan sudah diuraikan dalam
pemanfaatan data mining dari data transaksi
Gambar 14. Elapsed Time
penjualan, maka penulis dapat menarik
kesimpulan sebagai berikut:
Dari proses yang dilakukan dalam
Hirarhical
Clustering
agoritma
maka
Hirarhical
seluruh
Clustering,
dari
1.
pengklasteran
hirarki
sebuah
informasi
gambaran penjualan terkluster atau
maka
terkelompok;
informasi yang didapatkan dari dendrogram yang
menggambarkan
Menghasilkan
2.
Untuk beberapa konsumen tertentu
(pengelompokan dan tingkat-tingkat jarak yang
memiliki
pola
yang sama dalam
diperoleh) seperti gambar:
kegiatan pembeliannya, dilihat dari
periode per tahun;
Dendogram
Dendogram (ingle
(SingleLinkage)
Linkage)
3.
Untuk
batubara
hasilnya
menjadi
terkelompok-terkelompok mulai dari
Gambar 15. Dendogram (Single Linkage)
Dendogram (CompleteLinkage)
Gambar 16. Dendogram (Complete Linkage)
kelompok tak terexport yang cukup
laris terjual sampai terlaris.
DAFTAR RUJUKAN
A.S, Rosa dan M Shalahuddin. (2011), Rekayasa
Gambar 17. Dendogram (Average Linkage)
Perangkat
Lunak
(Terstruktur
dan
Berorientasi Objek), Modula: Bandung.
Dari penjelasan tabel diatas bahwa tabel
ini hasil akhir yang telah diproses dalam data
Fathansyah. (2012). Sistem Basis Data. Penerbit
Informatika : Bandung
mining. Didalam tabel mempunyai beberapa
Indrajani. (2011). Perancangan Basis Data
atribut yaitu atribut nama barang, atribut actual,
Dalam ALL1. Penerbit PT Elex Media
atribut forecast, atribut residuals. Untuk atribut
Komputindo : Jakarta
nama barang ini berisi seluruh jumlah data
Kadir, Abdul. (2009), Dasar Perancangan dan
transaksi penjualan barang pada tahun 2010,
Implementasi Database Relational, Andi :
atribut actual suatu nilai yang benar-benar fakta
Yogyakarta.
10
Jurnal Imiah xxxxxxxxxxxx Vol.x No.x, Februari 2013:1 -12
Marlinda, Linda. (2004). Sistem Basis Data.
Penerbit Andi : Yogyakarta
Pemanfaatan Data Mining Untuk Membrikan Gambaran Produk Penjualan di PT BUKIT ASAM (PERSERO), Tbk
(Melisa Agustriani )
11