103224-friday kurniasih-fst

ANALISA DAN PERANCANGAN DATA MINING
DENGAN METODE MARKET BASKET ANALYSIS
UNTUK ANALISA POLA BELANJA KONSUMEN
PADA TENDENCIES STORE
Friday Kurniasih
2060 9300 4112
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
JAKARTA
2011 / 1433 H
11
12
13
14
ABSTRAK
Friday Kurniasih, Analisa Dan Perancangan Data Mining Dengan Metode
Market Basket Analysis Untuk Analisa Pola Belanja Konsumen Pada Tendencies
Store, dibimbing oleh Ir. Bakrie La Katjong, MT, M.Kom, dan Nia Kumala
Dewi , MMSi
Perkembangan teknologi komputasi dan media penyimpanan telah
memungkinkan manusia untuk mengumpulkan dan menyimpan data dari berbagai
sumber dengan jumlah yang besar. Fenomena tersebut dapat terjadi dalam
berbagai bidang kehidupan termasuk dalam dunia bisnis. Salah satu sumber
informasi yang dapat digunakan untuk membantu kegiatan penjualan perusahaan
adalah sistem database. Cara lain untuk mendapatkan informasi berharga dari data
transaksi adalah dengan menggunakan metode data mining. Saat ini database
yang dimiliki oleh Tendencies Store belum dimanfaatkan secara optimal. Kondisi
ini mengakibatkan banyak data yang tersimpan tetapi sedikit informasi yang bisa
digunakan untuk mendukung pengambilan keputusan yang strategis. Tendencies
Store memerlukan tambahan data bagi manager untuk melakukan pembuatan
keputusan strategi yang mampu meningkatkan profit perusahaan. Hal tersebut
yang melatar belakangi penulis untuk membuat sistem data mining yang berfungsi
untuk mensimulasikan assosiasi item product antara satu product dengan item
product lainnya. Data yang di pakai sebagai bahan pengolahan berasal dari data
transaksi Tendencies Store. Sistem data mining ini dikembangkan memakai
metode pengembangan sistem Rapid Application Development (RAD) dengan
pemodelan visual menggunakan Unified Modeling Languange (UML). Pada
akhirnya, sistem ini digunakan untuk memberikan simulasi mengenai aturan
assosiasi item untuk mengetahui pola belanja konsumen.
15
KATA PENGANTAR
Bismillahirrahmannirrahiim
Segala puji dan syukur penulis panjatkan kepada Allah SWT, Yang Maha
Kuasa dan telah memberikan berkah dan anugerahNya kepada penulis sehingga
penulis mampu melaksanakan tugas untuk menyelesaikan skripsi ini dengan
sebaik-baiknya. Shalawat serta salam tak lupa juga penulis haturkan kepada
junjungan kita Nabi Besar Muhammad SAW.
Skripsi ini penulis buat sebagai syarat kelulusan dalam menempuh
pendidikan jenjang Strata-1 (S1) di Universitas Islam Negeri Syarif Hidayatullah
Jakarta. Selain itu juga penulis berharap apa yang penulis teliti, yang dijelaskan di
dalam skripsi ini, dapat dipergunakan dengan baik oleh semua pihak yang
membutuhkan, sehingga perkembangan ilmu pengetahuan dan teknologi
khususnya di Program Studi Sistem Informasi UIN Syarif Hidayatullah Jakarta
dapat lebih maju dan lulusannya dapat bekerja secara kooperatif dengan semua
elemen informatika dari seluruh dunia.
Pada kesempatan ini, penulis mengucapkan terima kasih kepada pihak-pihak
yang telah membantu penulis menyelesaikan skripsi ini :
1. Bapak Dr. Syopiansyah Jaya Putra M.Sis selaku Dekan Fakultas Sains dan
Teknologi.
2. Ibu Nur Aeni Hidayah, MMSi, selaku ketua Program Studi Sistem
Informasi Non-Reguler.
3. Nia Kumaladewi, MMSi selaku Dosen Pembimbing I dan Ir. Bakri La
Katjong, MT, M.Kom selaku Dosen Pembimbing II.
4. Bapak dan Ibu penguji yang memberikan kritik dan saran pada skripsi ini.
5. Dosen-Dosen Fakultas Sains dan Teknologi yang telah mengajarkan
kepada penulis berbagai macam ilmu yang dapat penulis terapkan dalam
penulisan skripsi ini.
16
6. Kedua orang tua penulis, Bapak Drs. Wassidi, S.Pol dan Ibu Poentowati,
yang telah memberikan dukungan moril, semangat dan materil sehingga
memperlancar proses penyusunan skripsi ini.
7. Ketiga kakak – kakak penulis , Alim Widodo, SE, Dewi hestina wassidi,
S.Pol, dan Fery Dayanti yang telah menjadi tempat penulis melepaskan
penat dalam penyusunan Skripsi ini.
8. Teman-Teman seperjuangan TI-SI UIN 2006, terima kasih atas dukungan
kalian semua.
9. Kerabat terdekat M.Arief Putranto, S.kom , bapak Taufik Sutanto , dan
semua pihak yang tidak dapat penulis sebutkan satu persatu.
Penulis menyadari masih terdapat banyak kekurangan dalam penelitian ini,
baik penulisan maupun aplikasinya sendiri. Oleh karena itu penulis mengharapkan
saran dan kritik yang dapat membangun skripsi ini lebih baik lagi.
Jakarta, Desember 2011
Penulis
17
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENARBENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN
SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI
ATAU LEMBAGA MANAPUN.
Jakarta, Desember 2011
FRIDAY KURNIASIH
2060 9300
4112
18
DAFTAR ISI
BAB I PENDAHULUAN
1.1 Latar Belakang .................................................................................... 1
1.2 Rumusan Masalah ............................................................................... 4
1.3 Batasan Masalah .................................................................................. 4
1.4 Tujuan Penelitian ................................................................................. 5
1.5 Manfaat Penelitian................................................................................ 6
1.6 Metodologi Penelitian ......................................................................... 7
1.6.1 Metode Pengumpulan Data ........................................................ 7
1.6.1.1 Studi Lapangan .............................................................. 7
1.6.1.2 Literatur Sejenis ............................................................. 8
1.6.2 Metode Pengembangan Sistem .................................................. 8
1.6.3 Metode Analisa Data ................................................................. 9
1.7 Sistematika Penulisan .......................................................................... 9
BAB II LANDASAN TEORI
2.1 Pengertian Pola Belanja Konsumen .................................................. 11
2.1.1 Faktor – Faktor yang Mempengaruhi Pola Belanja Konsumen 11
2.2 Pengertian Data Mining .................................................................... 12
2.3 Tahapan Data Mining......................................................................... 14
2.4 Model Data Mining ........................................................................... 17
2.4.1
Model Prediksi ...................................................................... 17
19
2.4.2 Model Deskripsi .................................................................... 17
2.5 Jenis Pembelajaran Data Mining ....................................................... 18
2.6 Metode Data Mining ......................................................................... 19
2.6.1 Classification ......................................................................... 19
2.6.2 Regression .............................................................................. 20
2.6.3 Clustering ............................................................................... 21
2.6.4 Association Rules ................................................................... 22
2.7 Algoritma Apriori .............................................................................. 24
2.8 Database Management System (DBMS) ........................................... 28
2.8.1
Software DBMS .................................................................. 29
2.8.2
Keuntungan DBMS ............................................................. 29
2.8.3
Kelemahan DBMS .............................................................. 30
2.9 Web Server ........................................................................................ 31
2.9.1 Definisi Web Server ........................................................... 31
2.9.2 Macam-macam Web Server ................................................ 31
2.9.3 Cara Kerja Web Server ...................................................... 32
2.10 Perangkat Lunak yang digunakan ................................................... 33
2.10.1 SQL Server 2008 ................................................................ 33
2.10.2 Tipe Data dalam SQL Server 2008 .................................... 34
2.10.3 Batasan SQL Server 2008 ................................................... 35
2.11 Unified Modelling Language (UML) ............................................. 36
2.11.1
Definisi Unified Modelling Language ............................. 36
2.12 Studi Literatur Sejenis .................................................................... 43
20
BAB III METODOLOGI PENELITIAN
3.1 Lokasi dan Waktu Penelitian ............................................................... 47
3.2 Sarana Pendukung Aplikasi ................................................................. 48
3.3 Metode Pengumpulan Data ............................................................... 48
3.3.1
Observasi ............................................................................. 48
3.3.2
Wawancara ............................................................................ 49
3.3.3
Studi Literatur Sejenis .......................................................... 50
3.4 Metode Pengembangan Sistem ........................................................... 50
3.4.1 Fase Perencanaan Syarat (Requirement Planning) . .............. 51
3.4.2 Fase Perancangan (Workshop Design). .................................. 53
3.4.3 Fase Konstruksi dan Pelaksanaan (Implementation) ............. 53
3.5 Metode Analisa Data ........................................................................... 56
3.6 Gambaran Proses Perancangan dan Analisa Data Mining .................. 57
BAB 4 ANALISA DAN PEMBAHASAN
4.1
Fase Perencanaan Syarat (Requirement Planning) ........................... 58
4.1.1 Gambaran Umum Perusahaan .................................................. 58
4.1.1.1 Sejarah Singkat ........................................................... 58
4.1.1.2 VISI dan MISI Tendencies Store................................ 59
4.1.1.3 Struktur Organisasi ..................................................... 60
4.1.2 Analisa Sistem Berjalan ........................................................... 60
4.1.2.1 Identifikasi Masalah ................................................... 61
4.1.3 Analisa Sistem Usulan .............................................................. 62
4.1.3.1 Kebutuhan-kebutuhan Sistem .................................... 65
21
4.1.3.2 Tujuan Data Mining.................................................... 66
4.2
Workshop Design (Perancangan) .............................................. 67
4.2.1 Desain Sistem .................................................................. 68
4.2.1.1 Penentuan Actor ................................................ 68
4.2.1.2 Use Case Diagram ............................................ 69
4.2.1.3 Use Case Scenario ............................................ 71
4.2.1.4 Activity Diagram ............................................... 80
4.2.1.5 Sequence Diagram ............................................ 92
4.3
Desain Basis Data .................................................................. 116
4.3.1 Identifikasi Objek ......................................................... 116
4.3.2 Perancangan Class Diagram ............................... 119
4.3.3 Struktur Data ....................................................... 122
4.4
Desain Antar Muka (User Interface) .............................................. 125
4.4.1 Halaman Admin ............................................................ 125
4.4.2 Halaman Untuk Admin, Manager, Customer .............. 129
4.4.2 Halaman Manager ........................................................ 130
4.5
Fase Konstruksi dan Pelaksanaan ................................................... 130
4.5.1
Penerapan Tahapan Data Mining....................................... 130
4.5.1.1 Pembuatan Database di Sql Server 2008 ............. 131
4.5.1.2 Pembersihan data (data cleaning) ....................... 134
4.5.1.3 Integrasi Data (Data Integration) ....................... 136
4.5.1.4 Seleksi data (Data Selection) .............................. 143
4.5.1.5 Transformasi Data (Data Transformation) ......... 148
22
4.5.1.6 Proses Data Mining ............................................. 152
4.5.1.6.1 Prinsip Kerja Metode Market Basket Analysis 160
4.5.1.7 Evaluasi Pola (Pattern Evaluation) .................... 167
4.5.1.8 Implementasi Aplikasi ....................................... 173
4.5.1.9 Pengujian Web Cross-Sell Application ............... 176
4.5.1.10 Implementasi Jaringan ...................................... 177
BAB V KESIMPULAN DAN SARAN
5.1 KESIMPULAN ................................................................................. 179
5.2 SARAN .............................................................................................. 180
DAFTAR GAMBAR
23
Gambar 2.1
Faktor-faktor yang mempengaruhi tingkah laku Konsumen ....... 12
Gambar 2.2
Tahapan-tahapan Data Mining ..................................................... 16
Gambar 2.3
Contoh Clustering ........................................................................ 22
Gambar 2.4
Contoh Algoritma Apriori ............................................................ 26
Gambar 2.5
Flowchart Ilustrasi Algoritma Apriori ......................................... 28
Gambar 2.6
Contoh Use Case Diagram .......................................................... 38
Gambar 2.7
Contoh Class Diagram ................................................................. 39
Gambar 2.8
Contoh Activity Diagram ............................................................. 40
Gambar 2.9
Contoh Sequence Diagram .......................................................... 41
Gambar 3.1
Tahapan-tahapan RAD ................................................................. 51
Gambar 3.2
Ilustrasi Proses Penelitian ............................................................ 57
Gambar 4.1
Struktur Organisasi Tendencies ................................................... 60
Gambar 4.2
Proses Pengolahan Data Transaksi................................................ 61
Gambar 4.3
Proses Pengolahan Data Transaksi Sistem Usulan ...................... 64
Gambar 4.4
Use Case Diagram Web Cross Sell Application .......................... 71
Gambar 4.5
Activity Diagram Use Case Login ................................................ 80
Gambar 4.6
Activity Diagram Use Case Logout .............................................. 81
Gambar 4.7
Activity Diagram Use Case Data Products ................................. 82
Gambar 4.8
Activity Diagram Use Case Data Brands .................................... 84
Gambar 4.9
Activity Diagram Use Case Data Category ................................. 85
Gambar 4.10 Activity Diagram Use Case Data Type ........................................ 87
Gambar 4.11 Activity Diagram Use Case Transaksi ......................................... 88
Gambar 4.12 Activity Diagram Use Case Laporan ............................................ 90
Gambar 4.13 Activity Diagram Use Case Search Item ...................................... 91
Gambar 4.14 Sequence Diagram Use Case Login ............................................. 91
Gambar 4.15 Sequence Diagram Use Case Logout ........................................... 94
Gambar 4.16 Sequence Diagram Use Case Data Products .............................. 95
Gambar 4.17 Sequence Diagram Use Case Data Brands .................................. 98
Gambar 4.18 Sequence Diagram Use Case Data Category ............................... 99
24
Gambar 4.19 Sequence Diagram Data Type .................................................... 101
Gambar 4.20 Sequence Diagram Transaksi .................................................... 103
Gambar 4.21 Sequence Diagram Use Case Laporan ...................................... 105
Gambar 4.22 Sequence Diagram Search Item ................................................. 107
Gambar 4.23 State Chart Diagram Login ........................................................ 108
Gambar 4.24 State Chart Diagram Logout ...................................................... 109
Gambar 4.25 State Chart Diagram Data Products ........................................... 110
Gambar 4.26 State Chart Diagram Data Brands .............................................. 111
Gambar 4.27 State Chart Diagram Data Category .......................................... 112
Gambar 4.28 State Chart Diagram Data Type ................................................. 113
Gambar 4.29 State Chart Diagram Data Transaksi ......................................... 114
Gambar 4.30 State Chart Diagram Laporan .................................................... 115
Gambar 4.31 State Chart Diagram Search Item ............................................... 116
Gambar 4.32 Class Diagram ............................................................................. 120
Gambar 4.33 Desain Antar Muka Halaman Login ............................................ 125
Gambar 4.34 Desain Antar Muka Halaman Data Master Category.................. 127
Gambar 4.35 Desain Antar Muka Halaman Data Master Type ......................... 126
Gambar 4.36 Desain Antar Muka Halaman Data Master Brands ..................... 127
Gambar 4.37 Desain Antar Muka Halaman Data Master Products ................. 127
Gambar 4.38 Desain Antar Muka Halaman Data Master User ......................... 128
Gambar 4.39 Desain Antar Muka Halaman Data Transaksi ............................ 128
Gambar 4.40 Desain Antar Muka About Me...................................................... 129
Gambar 4.41 Desain Antar Muka Halaman Pencarian Data ............................ 129
Gambar 4.42 Desain Antar Muka Halaman Manager Dashboard ................... 130
Gambar 4.43 Manajemen Konfigurasi Sql Server ............................................ 131
Gambar 4.44 Koneksi ke Basis Data.................................................................. 132
Gambar 4.45 Tree View dari skema Sql Server 2008......................................... 133
Gambar 4.46 Pembuatan Basis Data ................................................................. 134
Gambar 4.47 Data Awal Transaksi Penjualan Tendencies Store ...................... 135
Gambar 4.48 Pembersihan dan Pengklasifikasian Data Transaksi .................... 136
Gambar 4.49 Cara memulai Impor dan Ekspor Data ........................................ 137
25
Gambar 4.50 Wizard Impor dan Ekspor Sql Server 2008 ................................... 137
Gambar 4.51 Proses Pemilihan Data Sumber ................................................... 138
Gambar 4.52 Proses Pemilihan Data Destination ............................................. 139
Gambar 4.53 Proses Pemilihan Atribut Pengkopian Data ................................ 140
Gambar 4.54 Proses pemilihan source table and view ...................................... 141
Gambar 4.55 Proses Penyimpanan Langkah-langkah Impor dan Ekspor .......... 142
Gambar 4.56 Proses Penyelesaian Impor dan Ekspor Data .............................. 142
Gambar 4.57 SQL Server Business Intelligence Development ......................... 143
Gambar 4.58 Proses Pembuatan Proyek Analysis Service baru ........................ 144
Gambar 4.59 Proses Pembuatan Data Source .................................................. 145
Gambar 4.60 Proses Pemilihan Data Source untuk Koneksi Data Mining ....... 146
Gambar 4.61 Manajemen Koneksi Basis Data .................................................. 147
Gambar 4.62 Impersonation Information ......................................................... 148
Gambar 4.63 Proses Penyelesaian Pembuatan Data Source .............................. 148
Gambar 4.64 Proses Pembuatan Data Source View ........................................... 149
Gambar 4.65 Proses Pemilihan Data Source untuk Data Source View ............. 150
Gambar 4.66 Proses Pemilihan Relasi Primary Key.......................................... 150
Gambar 4.67 Proses Pemilihan Table dan View ................................................. 151
Gambar 4.68 Proses Penyelesaian Pembuatan Data Source View ..................... 152
Gambar 4.69 Proses Pembuatan Data Mining ................................................... 153
Gambar 4.70 Proses Pemilihan Struktur Data Mining ....................................... 154
Gambar 4.71 Proses Pemilihan Teknik Data Mining ....................................... 155
Gambar 4.72 Proses Pemilihan Data Source View ............................................. 156
Gambar 4.73 Proses Pemilihan Tabel Database ................................................ 157
Gambar 4.74 Proses Pemilihan Columns Basis Data .......................................... 158
Gambar 4.75 Proses Penyelesaian Data Mining ................................................ 158
Gambar 4.76 Proses Pembuatan Set Pengujian Data ......................................... 159
Gambar 4.77 Proses Pembuatan Model Data Mining ........................................ 160
Gambar 4.78 Hasil proses Pembuatan Mining Model ....................................... 167
Gambar 4.79 Hasil Proses Data Mining Tendencies Store ............................... 168
Gambar 4.80 Contoh Hasil rule Data Mining Tendecies Store ..........................169
26
Gambar 4.81 Hasil 1-itemset Data Mining Tendecies Store ............................. 170
Gambar 4.82 Hasil 2-itemset Data Mining Tendecies Store ............................. 171
Gambar 4.83 Antar Muka Halaman Utama Web Cross-Sell Application ......... 173
Gambar 4.84 Antar Muka Halaman Administrator ........................................... 174
Gambar 4.85 Antar Muka Halaman Manajer .................................................... 174
Gambar 4.86 Contoh Hasil Web Cross-Sell Application .................................. 175
Gambar 4.87 Arsitektur Jaringan Client Server Tendencies Store .................. 177
27
DAFTAR TABEL
Tabel 2.1
Contoh Data Kredit Bank ............................................................. 19
Tabel 2.2
Contoh Data Harga Rumah .......................................................... 21
Tabel 2.3
Tipe Data Sql Server 2008 .............................................................35
Tabel 2.4
Batasan dalam SQL Server 2008 .................................................. 36
Tabel 2.5
Perbandingan Pengembangan Literatur Sejenis ........................... 43
Tabel 4.1
Daftar Permodelan Use Case Diagram ......................................... 70
Tabel 4.2
Use Case Scenario untuk Use Case Login.....................................72
Tabel 4.3
Use Case Scenario untuk Use Case Logout...................................72
Tabel 4.4
Use Case Scenario untuk Use Case Data Products .......................73
Tabel 4.5
Use Case Scenario untuk Data Brands ........................................74
Tabel 4.6
Use Case Scenario untuk Use Case Data Category......................75
Tabel 4.7
Use Case Scenario untuk Use Case Data Type ............................76
Tabel 4.8
Use Case Scenario untuk Use Case Data Transaksi ...................77
Tabel 4.9
Use Case Scenario untuk Use Case Laporan .............................. 78
Tabel 4.10
Use Case Scenario untuk Use Case Search Item...........................79
Tabel 4.11
Daftar Objek ..............................................................................117
Tabel 4.12
Analisis Daftar Obyek .............................................................118
Tabel 4.13
Daftar class yang diusulkan ....................................................119
Tabel 4.14
Tabel Database tb_brand ..........................................................122
Tabel 4.15
Tabel Database tb_type .............................................................123
Tabel 4.16
Tabel Database tb_categories ...................................................123
Tabel 4.17
Tabel Database tb_product .......................................................124
Tabel 4.18
Tabel Database tb_transactions ...............................................124
Tabel 4.19
Frekuensi Kombinasi 1-Itemset ...............................................162
Tabel 4.20
C1 (kandidat 2-itemset) .............................................................162
Tabel 4.21
Frekuensi Kombinasi 2-Itemset ...............................................163
28
Tabel 4.22
C2 (kandidat 3-itemset) .............................................................164
Tabel 4.23
Frekuensi Kombinasi 2-Itemset ...............................................165
29
DAFTAR SIMBOL
SIMBOL FLOWCHART
(Pressman, 2005)
Simbol
Nama Simbol
Keterangan
Dokumen yang
berupa kertas,
Simbol dokumen
misalnya: Hasil
print out dan
formulir
disk atau drum
Simbol disk atau
drum
yang merupakan
direct acces storage
untuk input atau
output.
 yang merupakan
Simbol hard disk
direct acces storage
untuk input atau
output.
yang merupakan
Simbol pita
magnetik
sequensial storage
untuk input atau
output.
Simbol card punch
untuk input atau
atau card reader
output.
30
Simbol visual
display unit atau
cathode ray tube
sebagai input atau
output
Menggambarkan
Simbol Proses
Simbol Proses
pemecahan
(extract)
Proses
pengurutan
Proses Manual
Proses input data
melalui desktop
proses
Proses pemecahan
(extract)
Digunakan untuk
mengurutkan
proses
Proses secara
manual
Proses pemasukan
data melalui
keyboard
Arah data atau
Arah data atau
arus data
arus data
Sambungan pada
Sambungan pada
halaman yang
halaman yang
sama
sama
Sambungan pada
Sambungan pada
halaman yang
halaman yang
berbeda
berbeda
Sambungan
Sambungan
komunikasi
komunikasi
31
SIMBOL USE-CASE MODEL DIAGRAMS
(Whitten, 2004)
Simbol
Keterangan
Actor
Actor1
Use case
-End1
-End2
Association
*
*
«extends»
«uses»
Extends
Uses (includes)
<<depends
«uses» on>>
Depends on
«inherits»
Inheritance
32
SIMBOL CLASS DIAGRAM
(Whitten, 2004)
Simbol
Keterangan
Class
1
2
3
Class
1. class name
2. attributes
3. behaviors
-End1
-End2
*
*
-End1 -End2
1
Association
Agregation
*
Generalization
33
SIMBOL SEQUENCE DIAGRAM
(Whitten, 2004)
Simbol
Keterangan
Actor
Object
Lifeline
Massages
Behaviors (operations)
Message to self
34
SIMBOL ACTIVITY DIAGRAM
(Whitten, 2004)
Simbol
Keterangan
Activity
Initiate Activities
Start of the Process
Termination of the Process
Synchronization Bar
Decision Activity
35
BAB I
PENDAHULUAN
1.8
Latar Belakang
Perkembangan teknologi komputasi dan media penyimpanan
telah
memungkinkan
manusia
untuk
mengumpulkan
dan
menyimpan data dari berbagai sumber dengan jumlah yang besar.
Fenomena tersebut dapat terjadi dalam berbagai bidang kehidupan
termasuk dalam dunia bisnis.
Tri Lestari (2009) melakukan penelitian dengan menggunakan
metode Association Rule yang bertujuan untuk mengetahui implikasi
manajerial dari analisis keranjang belanja (market basket analysis) pada
Toserba Yogya Banjar. Gregorius dan Soedjianto (2007) melakukan
penelitian dengan menggunakan metode market basket analysis, untuk
mendeteksi kecurangan dalam absensi pegawai. Algoritma yang
dipakai adalah Pincer Search. Leni dan Meti (2010) melakukan
penelitian dengan metode market basket analysis dan algoritma
apriori. Penelitian ini bertujuan untuk menganalisa keranjang pasar
suatu apotek sehingga dapat membantu untuk merancang strategi
pemasaran. Sholihah (2009) Penelitian ini menggunakan association
rule yang digunakan untuk mengetahui pola hubungan keterkaitan
antar data dalam pembiayaan murabahah. Afif (2010) Melakukan
36
penelitian yang bertujuan untuk membuat sebuah aplikasi data
mining menggunakan aturan asosiasi dengan metode apriori. Yogi,
Rian dan Gerry (2006) melakukan penelitian yang menyajikan
penggunaan data mining dalam menemukan pengetahuan mengenai
asosiasi antar jenis item di CV JP Bogor. Pemodelan asosiasi
menggunakan algoritma Apriori dan pemrosesannya dibantu
dengan software Clementine. Bayu (2010) melakukan penelitian
analisis terhadap data transaksi penjualan sebuah perusahaan ritel
umum yang bergerak di bidang fotografi, fotokopi, medical imaging,
printing,
dan
telekomunikasi.
Keanekaragaman
produk
ini
menghasilkan kemungkinan kombinasi produk yang lebih beragam
pula. Gregorius dan Yulia (2009) Pada penelitian ini
mengkombinasikan
dua macam
model
rule, yaitu:
mereka
Multilevel
Association Rule serta Multidimesional Association Rule. Aplikasi yang
dibuat pada penelitian ini menghasilkan sebuah model association rule
baru yang dinamakan "Multilevel And Multidimension Association
Rule". Nuqson (2010) Dalam penelitian ini dengan memanfaatkan
data induk mahasiswa dan data kelulusan mahasiswa, diharapkan
dapat menghasilkan informasi tentang tingkat kelulusan. Khaerudin
(2007)
Penelitian
meningkatkan
ini
nilai
mengenai
pelanggan
analisis
terhadap
data
mining
pembelian
ornament batu alam menggunakan metode CART.
dalam
produk
37
Dalam dunia bisnis, persaingan antar perusahaan untuk
memasarkan produk tidak bisa dilepaskan dari pemanfaatan
teknologi informasi. Salah satu sumber informasi yang dapat
digunakan untuk membantu kegiatan penjualan perusahaan adalah
sistem database. Cara untuk mendapatkan informasi berharga dari
data transaksi adalah dengan menggunakan metode data mining.
Data Mining merupakan suatu proses otomatis atau semi otomatis
untuk menemukan informasi (knowledge) baru yang memiliki potensi
dari sekumpulan data (Tang & Jamie, 2005).
Tendencies Store merupakan salah satu distro yang berkembang
cukup pesat dengan memiliki cabang sebanyak 2 (dua) lokasi dalam
waktu 2 (dua) tahun. Akan tetapi dengan banyaknya distro-distro
lainnya yang bermunculan kedua cabang itu terpaksa ditutup
dikarenakan kurang dapat bersaing dan sekarang hanya menyisakan
satu toko. Untuk mendapatkan keuntungan bisnis dan bertahan
dalam menghadapi persaingan tidak cukup dengan cara membuat
harga menjadi lebih murah akan tetapi juga dengan cara
memberikan kepuasan pada pelanggan. Salah satu cara untuk
meningkatkan kepuasan pelanggan adalah dengan cara memberikan
potongan harga yang ditetapkan berdasarkan kombinasi item barang
atau perusahaan dapat memberikan rekomendasi item barang yang
akan di beli oleh pelanggan berdasarkan pola belanja konsumen.
38
Saat ini database yang dimiliki oleh Tendencies Store belum
dimanfaatkan secara optimal. Kondisi ini mengakibatkan banyak
data yang tersimpan tetapi sedikit informasi yang bisa digunakan
untuk mendukung pengambilan keputusan yang strategis. Informasi
yang dapat dihasilkan adalah informasi mengenai aturan assosiasi
item untuk mengetahui pola belanja konsumen.
Oleh karena itu pada penelitian tugas akhir ini penulis
mengambil judul ”Analisa Dan Perancangan Data Mining Dengan
Metode Market Basket Analysis Untuk Analisa Pola Belanja
Konsumen pada Tendencies Store“ .
Diharapkan hasil dari penelitian ini dapat membantu peran
pengambil keputusan (manager) pada Tendencies Store dalam
menganalisa data transaksi penjualan untuk mendukung pembuatan
kebijakan maupun perencanaan strategi pemasaran yang efektif.
1.9
Rumusan Masalah
Pada tugas akhir ini, masalah yang penulis rumuskan adalah :
Bagaimana merancang data mining pada perusahaan Tendencies
Store untuk memperoleh pola belanja konsumen ?
1.10 Batasan Masalah
Pada penulisan tugas akhir ini, penulis membatasi masalah pada :
39
1. Pengolahan data transaksi dilakukan dengan menggunakan
Database Management System yang digunakan adalah MS-SQL
Server 2008. menggunakan 6 tahapan Data Mining.
2. Analisa data dilakukan dengan menggunakan metode Market
Basket Analysis atau yang lebih dikenal sebagai analisa pola belanja
konsumen. Hasil analisa ini kemudian dapat dibuat menjadi
laporan berupa hardcopy (cetak) ataupun on-screen (dapat dilihat di
layar komputer).
3. Akses informasi yang diberikan kepada customer maupun internal
Tendencies Store adalah berupa aplikasi berbasiskan web yang
hanya dapat di akses di Tendecies Store atau yang biasa disebut
sebagai intranet.
4. Data yang digunakan adalah data transaksi penjualan pada
Tendencies Store pada tanggal 14 Mei sampai dengan 20 Mei 2010
5. Bahasa pemrogaman pada tugas akhir ini menggunakan VB.Net
2008.
6. Metode pengumpulan data menggunakan observasi, wawancara
dan studi literatur.
7. Penulisan tugas akhir ini tidak membahas tentang keamanan
database dan arsitektur jaringan yang dipakai secara mendetail.
8. Sistem ini merupakan simulasi dari data transaksi yang ada di
Tendencies Store.
40
9. Penulisan tugas akhir ini tidak membandingkan antara metode
data mining satu dengan metode lainya.
1.4
Tujuan Penelitian
1. Menggali informasi dan melakukan analisa data mining dengan
metode Market Basket Analysis untuk mengetahui aturan assosiasi
item dari data transaksi penjualan Tendencies Store sehingga
manajer mendapatkan informasi lebih yang dapat digunakan
untuk
pengambilan
keputusan
atau
kebijakan
strategis
perusahaan
2. Menampilkan hubungan assosiasi item dalam bentuk web cross-sell
application sederhana yang dapat digunakan oleh customer untuk
mengetahui item item yang saling berkaitan.
1.5
Manfaat Penelitian
a. Bagi Penulis
1. Memenuhi tugas akhir sebagai syarat untuk menyelesaikan
studi Strata 1 (S-1) Sistem Informasi.
2. Menerapkan pengetahuan mengenai data mining pada kasus
nyata.
3. Menambah wawasan penulis tentang teknologi informasi
khususnya dalam bidang data mining.
41
b. Bagi Universitas
1. Mengetahui kemampuan mahasiswa dalam menguasai materi
teori yang diperoleh selama kuliah.
2. Mengetahui
kemampuan
mahasiswa
dalam
menerapkan
ilmunya dan sebagai bahan evaluasi.
3. Memberikan gambaran tentang kesiapan mahasiswa dalam
menghadapi dunia kerja dari hasil yang diperoleh selama
kuliah.
c. Bagi Perusahaan
1. Memberikan informasi mengenai pola belanja konsumen
perusahaan.
2. Sebagai bahan masukan untuk mendukung pengambilan
keputusan strategi pemasaran yang efektif.
1.6
Metodologi Penelitian
Metodologi penelitian dilakukan dengan 3 tahapan yaitu
metode pengumpulan data, metode pengembangan sistem, metode
analisa data.
42
1.6.1 Metode Pengumpulan Data
Metode pengumpulan data dilakukan dengan dua cara
yaitu studi lapangan dan studi literatur sejenis (Gulo, 2002).
1.6.1.1 Studi Lapangan
1. Observasi, studi ini dilakukan dengan mengunjungi
Tendencies
Store
dan
melakukan
pengamatan
langsung kegiatan operasional, serta mengumpulkan
informasi melalui data-data yang diberikan untuk
memperoleh gambaran pelaksanaan prosedur yang
sedang
berjalan
sehingga
diketahui
keadaan
perusahaan yang sebenarnya.
2.
Wawancara,
dengan
melakukan
tanya
jawab
langsung dengan pihak Tendencies Store. Tujuan
dari wawancara ini adalah untuk mengetahui
gambaran
mengenai
khususnya
data
pemanfaatan
transaksi
database
penjualan.
Hasil
wawancara dapat dilihat pada halaman lampiran.
1.6.1.2 Literatur Sejenis
Sumber literatur yang dipergunakan di dalam
penulisan skripsi ini adalah studi literatur hasil dari
penelitian atau hasil penulisan karya ilmiah. Studi
43
literatur sejenis yang akan digunakan terdapat pada
akhir bab 2.
1.6.2 Metode Pengembangan Sistem
Dalam menyusun tugas akhir ini penulis menggunakan
metodologi
pengembangan
sistem
Rapid
Application
Development (RAD). Metode ini diperkenalkan oleh James
Martin pada tahun 1991 (Roger S Pressman, 2002). Metode RAD
mempunyai 3 tahapan,yaitu :
1.
Perencanaan syarat syarat
Dalam fase ini penguna dan analisis bertemu untuk
mengidentifikasi tujuan-tujuan aplikasi atau
sistem serta
mengidentifikasi syarat–syarat yang ditimbulkan dari tujuan
tujuan tersebut. Fase ini memerlukan peran aktif dari kedua
kelompok tersebut. Selain ini juga melibatkan pengguna dari
beberapa level yang berbeda dalam organisasi
2.
Workshop desain
Fase ini pengguna dan analisa untuk merancang memperbaiki
yang
dapat
digambarkan
sebagai
workshop.
Selama
workshop desain RAD, penguna merespon working prototype
yang ada
dan analisis memperbaiki modul–modul yang
dirancang menggunakan perangkat lunak berdasarkan respon
pengguna.
44
3. Implementasi
Pada fase ini segera setelah aspek–aspek bisnis telah disetujui
dan sistem dibangun kemudian setiap sub–sub sistem di uji
coba dan diperkenalkan kepada organisasi.
1.6.3 Metode Analisa Data
Metode analisa data yang dipakai dalam penelitian ini
adalah metode analisa data mining dengan menggunakan
metode association rules atau market basket analysis. Analisa ini
di fokuskan kepada asosiasi item satu dengan item lainnya
berdasarkan data transaksi pada tendencies store. Penjelasan
rinci dapat dilihat di bab II.
1.7
Sistematika Penulisan
Dalam penyusunan tugas akhir ini penulis menyajikan tulisan
menjadi beberapa bab, yaitu :
BAB I
:
PENDAHULUAN
Bab ini terdiri dari latar belakang masalah, rumusan
masalah, batasan masalah, tujuan penelitian, manfaat
penelitian dan sistematika penulisan.
45
BAB II
:
LANDASAN TEORI
Bab ini berisi uraian tentang landasan teori yang
diperlukan dalam bidang data mining termasuk
metode market basket analysis.
BAB III
:
METODOLOGI PENELITIAN
Bab ini membahas mengenai metode pengumpulan
data, metode pengembangan sistem RAD dan metode
analisa data.
BAB IV
:
PEMBAHASAN
Bab ini membahas mengenai analisa sistem yang
berjalan, prinsip kerja metode market basket analysis,
perancangan aplikasi, serta hasil analisa.
BAB V
:
PENUTUP
Bab ini berisi kesimpulan dari penelitian dan saran
untuk pengembangan penelitian lebih lanjut.
BAB II
46
LANDASAN TEORI
2.16 Pengertian Pola Belanja Konsumen
Menurut Kamus Besar Bahasa Indonesia Pola adalah Sistem; cara
kerja ataupun bentuk struktur yang pasti. Maka pola belanja konsumen bisa
diartikan sebagai bentuk struktur dari kegiatan belanja konsumen yang pasti.
Dari pola belanja yang dapat di prediksi inilah pembuat keputusan dapat
membuat strategi pemasaran yang lebih efektif.
2.16.1
Faktor – Faktor yang Mempengaruhi Pola Belanja Konsumen
Faktor – faktor yang mempengaruhi pola belanja konsumen \
perilaku belanja konsumen menurut Kotler (1993) adalah sebagai
berikut :
1. Faktor budaya,
2. Faktor sosial,
3. Faktor pribadi,
4. Faktor psikologis
Budaya merupakan salah satu penentu keinginan dan perilaku
seseorang
masyarakat
yang paling mendasar
memiliki
stratifikasi
dan
sosial
sesungguhnya
dimana
kelas
seluruh
sosial
menunjukkan pilihan terhadap produk dengan merek yang berbedabeda.
47
Keputusan pembelian juga dipengaruhi oleh karakteristik atau
ciri-ciri pribadinya, terutama yang berpengaruh adalah umur dan
tahapan dalam siklus hidup pembeli, pekerjaannya, keadaan
ekonominya, gaya hidupnya, pribadi dan konsep jati dirinya. Pilihan
membeli seseorang juga akan dipengaruhi faktor psikologis utama,
yaitu : motivasi, persepsi, proses belajar, dan kepercayaan dengan
sikap.
BUDAYA
SOSIAL
PRIBADI
Budaya
Umur dan
Tahap daur
Hidup
Kelompok
Acuan
Pekerjaan
Status
Ekonomi
SubBudaya
Keluarga
PSIKOLOGI
Motivasi
Persepsi
PEMBELI
Pengetahuan
Gaya Hidup
Peran
dan Status
Kepribadian
dan Konsep
Diri
Kelas Sosial
Keyakinan
dan Sikap
Gambar 2.1. Faktor-faktor yang mempengaruhi tingkah laku
konsumen (Philip Kotler, 1993)
2.17 Pengertian Data mining
Kebutuhan dunia bisnis yang ingin mendapatkan nilai tambah dari
data
yang
telah
terkumpul,
mendorong
penerapan
teknik
pengolahan data dari berbagai bidang pengetahuan seperti statistika
dan kecerdasan buatan. Ternyata penerapan teknik tersebut
memberikan tantangan baru yang akhirnya memunculkan metode
48
baru yang disebut data mining. Ada beberapa definisi data mining
yang dikenal dari berbagai sumber, diantaranya adalah :
1.
Data mining adalah pencarian dan teknik analisa data yang besar
untuk menemukan pola dan aturan yang berarti (Berry & Linoff,
2004).
2.
Data mining adalah teknik untuk menganalisa sekumpulan data
yang besar guna menemukan hubungan yang tidak diduga dan
berguna bagi pemilik data (Hand, 2001).
3.
Data mining adalah proses untuk menemukan pola dan
hubungan dalam suatu data (Hornick, 2007).
4.
Data mining adalah perangkat lunak untuk menemukan polapola tersembunyi dalam database yang besar dan menghasilkan
aturan-aturan yang digunakan untuk memperkirakan perilaku
dimasa depan (Kadir, 2003).
5.
Data mining adalah suatu proses otomatis atau semi otomatis
untuk menemukan informasi (knowledge) baru dan berpotensi
dari sekumpulan data (Tang & Jamie, 2005).
Berdasarkan beberapa definisi tersebut, dapat disimpulkan
bahwa data mining berkaitan erat dengan penemuan informasi atau
pengetahuan yang baru, berpotensi dan tidak terduga dalam suatu
database, baik itu secara otomatis maupun semi otomatis.
49
2.18 Tahapan Data mining
Terdapat enam tahapan dalam proses data mining (Han and
Kamer, 2006). Enam tahapan data mining tersebut adalah sebagai
berikut :
1. Pembersihan data (data cleaning)
Pembersihan data merupakan proses menghilangkan noise
dan data yang tidak konsisten atau data tidak relevan. Pada
umumnya data yang diperoleh, baik dari database suatu
perusahaan maupun hasil eksperimen, memiliki isian-isian
yang tidak sempurna seperti data yang hilang, data yang
tidak valid atau juga hanya sekedar salah ketik. Selain itu, ada
juga atribut-atribut data yang tidak relevan dengan hipotesa
data mining yang dimiliki. Data-data yang tidak relevan itu
juga lebih baik dibuang. Pembersihan data juga akan
mempengaruhi performasi dari teknik data mining karena data
yang ditangani akan berkurang jumlah dan kompleksitasnya.
2. Integrasi data (data integration)
50
Integrasi data merupakan penggabungan data dari berbagai
database ke dalam satu database baru. Tidak jarang data yang
diperlukan untuk data mining tidak hanya berasal dari satu
database tetapi juga berasal dari beberapa database atau file
teks. Integrasi data dilakukan pada atribut-atribut yang
mengidentifikasikan entitas-entitas yang unik seperti atribut
nama, jenis produk, nomor pelanggan dan lainnya. Integrasi
data perlu dilakukan secara cermat karena kesalahan pada
integrasi data bisa menghasilkan hasi yang menyimpang dan
bahkan menyesatkan pengambilan aksi nantinya. Sebagai
contoh bila integrasi data berdasarkan jenis produk ternyata
menggabungkan produk dari kategori yang berbeda maka
akan didapatkan korelasi antar produk yang sebenarnya tidak
ada.
3. Seleksi Data (Data Selection)
Data yang ada pada database sering kali tidak semuanya
dipakai, oleh karena itu hanya data
yang
sesuai untuk
dianalisis yang akan diambil dari database. Sebagai contoh,
sebuah kasus yang
meneliti faktor kecenderungan orang
membeli dalam kasus market basket analysis, tidak perlu
mengambil nama pelanggan, cukup dengan id pelanggan saja.
51
4. Transformasi data (Data Transformation)
Data diubah atau digabung ke dalam format
yang sesuai
untuk diproses dalam data mining. Beberapa metode data
mining membutuhkan format data yang khusus sebelum bisa
diaplikasikan. Sebagai contoh beberapa metode standar
seperti analisis asosiasi dan clustering hanya bisa menerima
input data kategorikal. Karenanya data berupa angka numerik
yang berlanjut perlu dibagi-bagi menjadi beberapa interval.
Proses ini sering disebut transformasi data.
5. Proses Mining
Merupakan suatu
proses
utama saat metode diterapkan
untuk menemukan pengetahuan berharga dan tersembunyi
dari data.
6. Evaluasi Pola (Pattern Evaluation),
Untuk mengidentifikasi pola-pola menarik kedalam knowledge
based yang ditemukan. Dalam tahap ini hasil dari teknik data
mining berupa pola-pola yang khas maupun model prediksi
dievaluasi untuk menilai apakah hipotesa yang ada memang
tercapai. Bila ternyata hasil yang diperoleh tidak sesuai
hipotesa ada beberapa alternatif yang dapat diambil seperti
52
menjadikannya umpan balik untuk memperbaiki proses data
mining, mencoba metode data mining lain yang lebih sesuai,
atau menerima hasil ini sebagai suatu hasil yang di luar
dugaan yang mungkin bermanfaat. Ilustrasi dari tahapantahapan data mining adalah seperti gambar dibawah ini.
Gambar 2.2 Tahapan-tahapan Data mining (Han and Kamber, 2006)
2.4
Model Data mining
2.4.1 Model Prediksi
Model ini adalah model yang menggunakan beberapa
variabel untuk menentukan nilai data yang belum diketahui
dari variabel lain. Contoh model prediksi adalah metode
classification dan metode regression.
Contoh aplikasi model ini adalah metode classification
untuk memprediksi atau memperkirakan kasus penggelapan
transaksi kartu kredit. Pendekatan yang dilakukan adalah
53
dengan menggunakan informasi transaksi dan informasi dari
kartu kredit sebagai atribut atau variabelnya. Misalnya apa
yang dibeli oleh konsumen, kapan membelinya dan seberapa
sering konsumen membayar tepat waktu.
Sifat model prediksi dalam data mining adalah bahwa
model dihasilkan dari atribut atau variabel dari data yang
sudah
tersedia
kemudian
bisa
digunakan
untuk
memperkirakan hasil seperti konsumen mana yang loyal dan
konsumen mana yang tidak loyal.
2.4.2 Model Deskripsi
Model ini adalah model yang mencari suatu pola yang
dapat ditafsirkan oleh manusia sehingga data dapat diuraikan.
Contoh model deskripsi adalah metode clustering dan metode
association rules.
Contoh aplikasi model ini adalah metode clustering untuk
segmentasi pasar. Pendekatan yang dilakukan adalah dengan
mengumpulkan atribut-atribut yang berbeda dari konsumen
seperti berdasarkan informasi yang berhubungan dengan
geographical atau gaya hidup konsumen dan mencari cluster
yang sama kemudian mengamati pola pembelian dari para
konsumen dalam cluster yang sama dengan cluster yang
54
berbeda. Sifat model deskripsi dalam data mining adalah bahwa
model
itu
sendiri
yang
diamati
untuk
mendapatkan
pengetahuan atau pola yang berharga dari sekumpulan data.
2.5
Jenis Pembelajaran Data mining
Dalam data mining dikenal dua jenis pembelajaran yaitu
supervised learning dan unsupervised learning. Supervised learning
digunakan untuk memperkirakan nilai target yang belum diketahui
dari input dan output sample (Hornick, 2006). Supervised learning
mengasumsikan beberapa atribut prediktor untuk memperkirakan
atribut target. Atribut prediktor diumpamakan sebagai pengetahuan
dari lingkungan yang tersedia, sedangkan atribut target adalah
model yang akan dihasilkan. Contoh metode ini adalah metode
classification dan metode regression.
Pada
unsupervised
learning
tidak
menggunakan
atribut
prediktor dan atribut target, karena tujuan unsupervised learning
adalah untuk menemukan struktur atau hubungan yang ada dalam
sekumpulan data (Hornick, 2006). Contoh metode yang termasuk
dalam unsupervised learning adalah metode clustering dan metode
association rule.
2.6
Metode Data mining
55
Sebelumnya sudah dibahas mengenai metode data mining yang
bisa di kelompokkan berdasarkan model datanya, yaitu berdasarkan
model prediksi dan model deskripsi. Selain itu metode data mining
juga dapat di bedakan berdasarkan jenis pembelajarannya, yaitu
berdasarkan supervised learning dan unsupervised learning. Beberapa
metode data mining yang penulis ketahui antara lain :
2.6.1 Classification
Metode classification termasuk kedalam model prediksi
dan jenis pembelajarannya adalah supervised learning. Pada
metode classification ada satu atribut target sedangkan atribut
lain disebut dengan atribut prediktor (Larose, 2005). Untuk
lebih jelasnya perhatikan tabel 2.1 berikut :
Tabel 2.1 Contoh Data Kredit Bank
Atribut
Jaminan,
Nama
Gaji
Status
L / TL
Ada=1, Tidak Ada =
0
Paris
Rp. 2.000.000
Lohan
Rp. 2.000.000
Lauren
Rp. 1.000.000
Nicole
Rp. 1.500.000
Single
Menika
h
Single
Menika
h
1
0
1
1
L
TL
L
L
56
Sample
Prediktor
Target
Misalnya sebuah bank ingin memprediksi kredit macet
nasabah. Maka pihak bank dapat menggunakan data kredit
nasabah selama periode waktu tertentu kemudian data
tersebut dipilih mana yang dijadikan atribut prediktor dan
mana yang menjadi atribut target.
Seperti terlihat dalam tabel 2.1 dimana ada atribut
prediktor (gaji, status dan jaminan) yang digunakan untuk
memprediksi atribut target (L=Lancar atau TL=Tidak Lancar).
Berdasarkan data tersebut, nantinya pihak bank dapat
memperkirakan calon nasabah mana yang beresiko menjadi
kredit macet dan mana yang tidak. Model classification dapat
berupa aturan “jika-maka”, berupa decission tree, formula
matematis atau neural network (Tang & Jamie, 2005).
2.6.2 Regression
Metode regression termasuk kedalam model prediksi dan
jenis pembelajarannya adalah supervised learning. Sama seperti
pada metode classification, metode regression juga menggunakan
atribut prediktor dan atribut target.
57
Metode ini digunakan untuk memperkirakan nilai atribut
atau variabel yang bertipe floating point (Hornick, 2006).
Perbedaan antara metode classification dengan metode regression
adalah bahwa pada metode regression nilai atribut atau variabel
target bertipe floating point sedangkan metode classification
meskipun bisa bertipe numeric yang biasanya digunakan untuk
skoring, tetapi berupa angka yang bulat. Untuk lebih jelasnya
mengenai metode regression, perhatikan tabel 2.2 berikut :
Tabel 2.2 Contoh Data Harga Rumah
Atribut
Harga
IDRumah
LT
KM
KT
Rumah
1
3000
5
3
748.000.000
2
1500
3
2
279.000.000
3
2550
4
4
510.900.000
4
2300
4
3
1.420.500.000
Sample
Prediktor
Target
Dari tabel 2.2 terlihat bahwa atribut target (harga
rumah) bernilai numeric. Misalnya untuk menentukan harga
rumah, yang dijadikan sebagai atribut prediktor antar lain
luas tanah (LT), jumlah kamar tidur (KT) dan jumlah kamar
mandi (KM).
58
2.6.3 Clustering
Metode clustering termasuk kedalam model deskripsi dan
jenis pembelajarannya adalah unsupervised learning. Metode
clustering atau bisa juga disebut segmentasi, melakukan
pengelompokan data menurut kesamaannya atau kedekatanya
dan bukan berdasarkan kelas data tertentu seperti pada metode
classification.
Prinsip clustering adalah memaksimalkan kesamaan antar
anggota satu kelas dan meminimumkan kesamaan antar kelas
atau cluster (Larose, 2005). Untuk lebih jelasnya perhatikan
gambar 2.2 berikut
Penghasilan
C
2
C
1
C
3
Umur
:
Gambar 2.3 Contoh Clustering
59
Dari gambar 2.3 kita misalkan sebagai kumpulan data
konsumen sederhana yang mengandung dua atribut yaitu
umur dan penghasilan. Berdasarkan dua atribut tersebut
kemudian terbagi menjadi
tiga kelompok (cluster) yaitu C1
yang terdiri konsumen usia muda dengan penghasilan rendah.
C2 terdiri dari konsumen usia muda dan tua dengan
penghasilan tinggi. C3 terdiri dari konsumen usia tua dengan
penghasilan relatif rendah.
2.6.4 Association Rules
Metode association rules atau juga dikenal dengan nama
market basket analysis, digunakan untuk menemukan aturan
assosiatif antara suatu kombinasi item atau barang (Tang &
Jamie, 2005). Metode association rules termasuk kedalam model
deskripsi dan jenis pembelajarannya adalah unsupervised
learning.
Metode ini dapat digunakan untuk mengidentifikasi itemitem produk yang mungkin dibeli secara bersamaan dengan
produk lain. Metode association rules mempunyai dua tahapan
yaitu, menemukan frequent itemset dan membentuk assosiation
rules. Metode ini terdiri dari dua item yaitu antecedent dan
consequent (Hornick, 2006). Antecedent dan consequent bisa di
60
analogikan sebagai aturan “If x Then y”. Dimana x merupakan
antecedent atau left hand side dan y adalah consequent atau right
hand side. Misalnya jika antecedent A dan consequent B, maka
aturannya dapat ditulis sebagai berikut : ( A  B) .
Dalam association rules diperlukan variabel ukuran yang
dapat ditentukan oleh user untuk mengatur batasan sejauh
mana dan sebanyak apa hasil output yang diinginkan. Variabel
ukuran tersebut adalah support dan confidence.
Support adalah nilai dua atau lebih itemset yang dibeli
secara bersamaan dari keseluruhan transaksi. Nilai support
menunjukkan frekuensi itemset dalam suatu transaksi. Berikut
perhitungan untuk mengetahui nilai support :
Support( A )  JumlahTransaksiMengandungA X 100%
Jumlah transaksi
Confidence
adalah
ukuran
yang
didapatkan
dari
probabilitas adanya itemset A pada suatu transaksi maka juga
ada itemset B pada transaksi tersebut. Nilai confidence
menunjukkan kuatnya hubungan antar item dalam suatu aturan
assosiasi.
confidence :
Berikut
perhitungan
untuk
mengetahui
nilai
61
Confidence : P( A  B) 
 TransaksiMengandungAdanB X 100%
 TransaksiMengandungA
Misalnya ada aturan, susu  roti [support 20 %, confidence
50%], maka informasi yang bisa diperoleh adalah bahwa
sebanyak 20% konsumen membeli susu dan roti secara
bersamaan serta konsumen yang membeli susu mempunyai
kemungkinan 50 % untuk juga membeli roti. Selanjutnya
informasi yang diperoleh tersebut dapat di tindak lanjuti
dengan mengatur strategi pemasaran yang strategis, semisal
mengatur penempatan barang yang baru atau menentukan
produk mana yang harus diletakkan berdekatan.
2.7
Algoritma Apriori
Prinsip assosiation rules atau market basket analysis adalah
menemukan frequent itemset dan membentuk aturan assosiasi
berdasarkan frequent itemset (Tang & Jamie, 2005). Algoritma apriori
digunakan untuk mencari frequent itemset. Pengertian frequent itemset
disini adalah himpunan item-item yang memenuhi minimum support.
Selanjutnya frequent itemset digunakan untuk membangun aturan
assosiasi.
Untuk membentuk kandidat itemset digunakan dua tahap yaitu
:
62
Join Step
:
Ck dibangun dengan menggabungkan Lk-1 dengan
dirinya.
Prune Step : Setiap (k-1)-itemset yang bukan frequent tidak boleh
menjadi suatu subset dari suatu frequent k-itemset.
Berikut adalah pseudocode dari algoritma apriori :
Ck : Kandidat itemset dari ukuran k
Lk : Frequent itemset dari ukuran k
L1 = {frequent itemset};
for (k=1;Lk!=0;k++) do begin
Ck+1 = {kandidat dibangun dari Lk};
for each transaksi t dalam database do naikkan hitungan dari seluruh
kandidat dalam Ck+1 yang dimuat dalam t;
Lk+1 = {kandidat dalam Ck+1 dengan minimum support};
end
return Uk Lk;
Untuk lebih jelasnya, perhatikan gambar 2.3 mengenai contoh
ilustrasi algoritma apriori.
63
C1
Database (D)
Items
TID
100
A, C, D
200
B, C, E
300
A, B, C, E
400
B, E
Scan D
Itemset
Support
A
2
B
3
C
3
D
1
E
3
C2
C2
L1
Itemset
Support
Itemset
Itemset
Support
{A,B}
1
{A,B}
A
2
{A,C}
2
{A,C}
B
3
{A,E}
1
C
3
{B,C}
2
E
3
{B,E}
3
{C,E}
2
{A,E}
{B,C}
{B,E}
{C,E}
L2
C3
Itemset
Support
{A,C}
2
{B,C}
2
{B,E}
3
{C,E}
2
C3
Itemset
Scan D
{B,C,E}
L3
2
Itemset
Support
{B,C,E}
2
64
Itemset
Support
{B,C,E}
2
Gambar 2.4 Contoh Algoritma Apriori
Nilai minimum support yang ditentukan pada gambar 2.3 adalah
2 atau 50%. Flowchart contoh tersebut terlihat pada gambar 2.3 dan
penjelasan tentang contoh ilustrasi algoritma apriori adalah sebagai
berikut :
1. Dari database D kemudian dibentuk C1 (kandidat 1-itemset),
apabila itemset pada C1 tidak memenuhi minimum support maka
akan dieliminasi dari L1.
2. Selanjutnya dibangun C2 (kandidat 2-itemset) dengan melakukan
cross itemset yang ada pada L1 (join step). Apabila itemset pada C2
tidak memenuhi minimum support maka akan dieliminasi dari L2.
3. Kemudian dibangun C3 (kandidat 3-itemset) dengan melakukan
cross itemset yang ada pada L2 (join step). Jika diperhatikan selain
itemset {B,C,E} sebenarnya masih ada itemset {A,C,B} dan {A,C,E}
yang bisa didapatkan dari kombinasi itemset L2. Tetapi kedua
itemset tersebut dipangkas (prune step) karena itemset {C,B} dan
{A,E} dieliminasi dari L2.
65
If
Itemset >= 2
Start
Ya
L3
Tidak
Database D
C3
End
C1
L2
Tidak
Ya
If
Itemset >= 2
If
Itemset >= 2
Ya
Tidak
L1
C2
Gambar 2.5 Flowchart Ilustrasi Algoritma Apriori
Proses perhitungan tersebut akan terus berulang sampai tidak
ada lagi kandidat baru yang dihasilkan. Dalam contoh 2.3 proses
berakhir pada iterasi ketiga, karena tidak ada kandidat baru yang
bisa dihasilkan pada iterasi keempat.
2.8
Database Management System (DBMS)
Untuk mengelola database diperlukan suatu perangkat lunak
yang disebut DBMS (database management system). DBMS merupakan
suatu system perangkat lunak yang memungkinkan user (pengguna)
66
untuk membuat memelihara, mengontrol, dan mengakses database
secara praktis dan efisien (Janner Simarmata & Imam Prayudi, 2006)
2.8.1 Software DBMS
Beberapa software atau perangkat lunak DBMS yang
sering digunakan dalam aplikasi program antara lain :
a.
BD – http://www.-306.ibm.com/software/data/db2/
b. Microsoft SQL Server – http://www.microsoft.com/sql
c.
Oracle – http://www/oracle.com
d. Sybase – http://www.sybase.com/
e.
Interbase – http://www.borlad.com/interbase
f.
Teradata – http://www.teradata.com/
g. Firebird – http://www.firebirdsql.org/
h. MySQL – http://www.mysql.com
i.
PostgreSQL – http://www.postgresql.org/
2.8.2 Keuntungan DBMS
DBMS memungkinkan perusahaan maupun individu
untuk (Janner Simarmata & Imam Prayudi, 2006) :
1. Mengurangi Pengulangan Data
Apabila dibandingkan dengan file–file komputer yang
disimpan terpisah disetiap aplikasi komputer, DBMS
menguragi jumlah total file dengan menghapus data yang
67
terdupikasi di berbagai file, data terduplikasi selebihnya
dapat ditempatkan dalam satu file.
2. Mencapai Independensi Data
Spesifikasi data disimpan dalam skema pada tiap program
aplikasi. Perubahan dapat dibuat pada struktur data tanpa
mempengaruhi program yang mengakses data.
3. Mengintegrasikan data beberapa file
Saat file dibentuk sehingga menyediakan kaitan logis, maka
organisasi fisik bukan merupakan kendala. Organisasi logis,
pandangan pengguna, dan program aplikasi tidak harus
tercermin pada media penyimpanan fisik.
4. Mengambil data dan informasi dengan cepat
Hubungan – hubungan logis, manipulasi data, serta bahasa
query memungkinkan pengguna mengambil data dalam
hitungan detik atau menit.
5. Memungkinkan keamanan
DBMS
mainframe
maupun
komputer
mikro
dapat
menyertakan beberapa lapis keamanan seperti kata sandi
(password), direktori pemakai, dan bahasa sandi (encryption)
sehingga data yang dikelola akan lebih aman.
68
2.8.3 Kelemahan DBMS
Keputusan menggunakan DBMS mengikat perusaahaan
atau pengguna untuk (janner Simarmata & Imam Prayudi,
20006):
1. Memperoleh
perangkat
lunak
yang
mahal
DBMS
mainframe masih sangat mahal. Meskipun harga DBMS
berbasis komputer mikro lebih murah tetapi, tetap
merupakan pengeluaran besar bagi suatu organisasi kecil.
2. Memperoleh konfigurasi perangkat keras yang besar
DBMS sering memerlukan kapasitas penyimpanan dan
memori lebih ada program aplikasi lain.
3. Memperkerjakan dan mempertahankan staf DBA
4. DBMS memerlukan pengetahuan khusus agar dapat
memanfatkan kemampuanya, secara penuh. Pengetahuan
khusus ini disediakan paling baik oleh para pengelola
basis data.
2.9
Web Server
2.9.1 Definisi Web Server
Web server merupakan software yang memberikan layanan data
yang berfungsi menerima permintaan HTTP atau HTTPS dari klien
yang dikenal dengan browser web dan mengirimkan kembali hasilnya
69
dalam bentuk halaman - halaman web yang umumnya berbentuk
dokumen HTML. (Budi Sutedjo, 2006)
2.9.2 Macam-macam Web Server
1. Apache Tomcat.
2. Apache Web Server.
3. Microsoft Windows Internet Information Services (IIS).
4. Lighttpd.
5. Sun Java System Web Server.
6. Xitami Web Server.
7. Zeus Web Server.
2.9.3 Cara Kerja Web Server
1.
Hubungan antara Web Server dan Browser Internet merupakan
gabungan atau jaringan Komputer yg ada di seluruh dunia. Setelah
terhubung secara fisik, Protocol TCP/IP (networking protocol) yang
memungkinkan semua komputer dapat berkomunikasi satu dengan
yang lainnya.
2.
Pada saat browser meminta data web page ke server maka instruksi
permintaan data oleh browser tersebut di kemas di dalam TCP yang
merupakan protocol transport dan dikirim ke alamat yangg dalam hal
ini merupakan protocol berikutnya yaitu Hyper Text Transfer Protocol
(HTTP). HTTP ini merupakan protocol yang digunakan dalam World
70
Wide Web (WWW) antar komputer yang terhubung dalam jaringan di
dunia ini.
3.
Data yang di passing dari browser ke Web server disebut sebagai
HTTP request yang meminta web page dan kemudian web server akan
mencari data HTML yang ada dan di kemas dalam TCP protocol dan
di kirim kembali ke browser. Data yang dikirim dari server ke
browser disebut sebagai HTTP response. Jika data yang diminta oleh
browser tidak ditemukan oleh si Web server maka akan meninbulkan
error yang sering anda lihat di web page yaitu Error : 404 Page Not
Found.
2.10 Perangkat Lunak yang digunakan
2.10.1 SQL Server 2008
Microsoft
SQL
Server
merupakan
produk
RDBMS
(Relational database Management System ) yang dibuat oleh
Microsoft. Microsoft SQL Server juga mendukung SQL sebagai
bahasa untuk memproses query database. Microsoft SQL Server
banyak digunakan pada dunia bisnis, pendidikan atau juga
pemerintahan sebagai solusi database atau penyimpanan data.
(Martina, 2007)
Pada tahun 2008 Microsoft mengeluarkan SQL Server 2008
yang merupakan versi yang banyak digunakan. Berikut ini
71
adalah beberapa fitur yang dari sekian banyak fitur yang ada
pada SQL Server 2008:
1. XML Support, fitur ini dapat menyimpan dokumen XML
dalam suatu table , meng-query data ke dalam format XML
melalui Transact-SQL dan lain sebagainya.
2. Multi-instance Support fitur ini memungkinkan untuk
menjalankan beberapa database engine SQL Server pada
mesin yang sama.
3. Data
Warehousing
and
Business
Intelligence
(BI)
improvements. SQL server dilengkapi dengan fungsi –
fungsi umtuk keperluan business intelligence melalui
analysis services. Selain itu, SQL Server 2008 juga
ditambahkan dengan tools untuk keperluan data mining.
4. Performace
and
Scalability
Improvements.
SQL
server
menerapkan distributed partitioned yang memungkinkan
untuk membagi workload ke beberapa server sekaligus.
Peningkatan lainya juga dicapai di sisi DBCC, indexed
view, dan index reorganization.
5. Query analyzer improvements . fitur yang dihadirkan antara
lain: integrated debugger, object browser, dan fasilitas object
search.
72
6. DTS Enhancement. Fasilitas ini sekarang sudah mampu
untuk memperlihatkan primary key dan foreign key
constraints. Ini berguna pada saat migrasi table dari
RDBMS lain
7. Transact–SQL enhancements. Salah satu peningkatan disini
adalah T-SQL sudah mendukung UDF (User–Definable
Function). Ini memungkinkan anda untuk menyimpan
rutin – rutin ke dalam database engine.
2.10.2 Tipe Data dalam SQL Server 2008
Data dalam Microsoft SQL Server sangat bervariasi, dan
setiap kolom dalam satu table harus memiliki data sesuai
dengan jenis
dan tipenya. SQL Server memiliki beberapa
kategori tipe data dan masing-masing mempunyai beberapa
tipe data dasar.
Tabel 2.3 Tipe Data Sql Server 2008
(Sumber : Martina, 2003)
Kategori Tipe Data
Integer
Tipe Data
Keterangan
Bit
Integer dengan nilai 0 atau 1
Int
Nilai Integer dengan nilai antara
2.147.483.648
Angka antara -10^38-1 sampai
10^38-1
Nilai yang terhubung dengan
Decimal atau Numeric
Money
73
String
Float
mata uang dari 2^63
(-922.377.203.685.477,5807)
-214.748,3648 sampai 1.79E+38
Real
-3.40E+308 sampai 3.04E+38
Datetime
1 Januari 1973 sampai 3.04E+38
Smalldatetime
1 Januari 1900 sampai 6 Juni
2079, dengan ketelitian hingga 1
menit
Field tetap dengan ukuran
maksimal 8000 byte
Field tetap dengan ukuran
maksimal 8000 byte
Variabel dengan ukuran hingga
2^31-1
(2.147.488.647) byte
Karakter Uicode dengan ukuran
tetap hingga 4000 byte
Variable dengan ukuran tetap
hingga 4000 byte
Karakter
Unicode
dengan
ukuran bervariasi hingga 4000
byte
Ukuran tetap hingga 8000 byte
Char
Varchar
Text
Unicode string
Nchar
Nvarchar
Ntext
Binary String
Binary
2.10.3 Batasan SQL Server 2008
Microsoft SQL Server mempunyai beberapa batasan
dimana batasan tersebut memiliki prioritas diatas integer,
aturan dan nilai defaultnya . sebagai gambaran tabel berikut
akan menjelaskan batasan – batasan yang dimaksud.
74
Tabel 2.4 Batasan dalam SQL Server 2008
(Sumber : Martina, 2003)
Fungsi
Keterangan
NOT NULL
CHECH
Menentukan bahwa kolom tidak bisa menentukan NULL
Membatasi nilai yag bisa diletakan kedalam kolom dengan
menentukan suatu kondisi. Misalnya niali TRUE maka nilai
yang diberikan dapat dimasukkan kedalam kolom sedang
apabila FALSE
Memasukan kolom – kolom memiliki nilai eksklusif
Memebuat kata kunci primer atau kunci utama dari sebuah
tabel, kolom atau kombinasi dari kolom dengan nilai yang
harus bersifat eksekutif didalam tabel untuk mengenali
baris
Menentukan hubungan antara tabel- tabel
UNIQUE
PRIMARY
KEY
FOREIGN
KEY
2.11 Unified Modelling Language (UML)
2.11.1 Definisi Unified Modelling Language
UML
didefinisikan
sebagai
notasi
diagram
untuk
menggambarkan artefak dari Objects-Oriented Analysis Design
(OOAD).
Melalui
UML
kita
dapat
membayangkan,
menentukan, membangun dan membuat dokumen aplikasi
perangkat lunak. Ketika sistem perangkat lunak menjadi
semakin besar dan semakin kompleks kita perlu mengelola
kompleksitas itu, dalam arti, menyederhanakannya sehingga
75
kita memiliki pemahaman yang lebih baik lagi. (Barclay dan
Savage, 2004).
Dengan menggunakan diagram-diagram notasi UML,
developer dapat melakukan pemrograman kode yang biasa
dikenal dengan sebutan forward engineering, yaitu proses
tradisional mengubah abstraksi tingkat tinggi, desain logical
dan implementasi mandiri ke dalam implementasi fisik dalam
sebuah sistem.
Seperti bahasa-bahasa lainnya, UML mendefinisikan
notasi
dan
syntax/semantik.
Notasi
UML
merupakan
sekumpulan bentuk khusus untuk menggambarkan berbagai
diagram piranti lunak. Setiap bentuk memiliki makna
tertentu, dan UML syntax mendefinisikan bagaimana bentukbentuk tersebut dapat dikombinasikan. Notasi UML terutama
diturunkan dari 3 notasi yang telah ada sebelumnya: Grady
Booch OOD (Object-Oriented Design), Jim Rumbaugh OMT
(Object Modeling Technique), dan Ivar Jacobson OOSE (ObjectOriented Software Engineering). (Dharwiyanti, 2003)
Diagram-diagram yang terdapat di dalam pemodelan
UML dan digunakan penulis dalam pembuatan aplikasi ini
adalah sebagai berikut :
1. Use Case Diagram
76
Use case diagram menggambarkan fungsionalitas yang
diharapkan dari sebuah sistem. Yang ditekankan adalah
“apa” yang diperbuat sistem, dan bukan “bagaimana”.
Sebuah use case merepresentasikan sebuah interaksi antara
aktor dengan sistem. (Dharwiyanti, 2003)
Gambar 2.6. Contoh use case diagram
(Dharwiyanti, 2003)
2. Class Diagram
Class diagram adalah sebuah spesifikasi yang jika
diinstansiasi
akan
merupakan
inti
menghasilkan
dari
sebuah
pengembangan
objek
dan
dan
desain
77
berorientasi objek. Class diagram menggambarkan keadaan
(atribut/properti) suatu sistem, sekaligus menawarkan
layanan
untuk
(metoda/fungsi)
memanipulasi
(Dharwiyanti,
keadaan
2003).
Class
tersebut
diagram
menggambarkan struktur dan deskripsi class, package dan
objek beserta hubungan satu sama lain seperti containment,
pewarisan, asosiasi, dan lain-lain. Class diagram memiliki
tiga area pokok :
1. Nama (dan stereotype)
2. Atribut
3. Metoda
Gambar 2.7 Contoh Class Diagram
(Dharwiyanti, 2003)
3. Activity Diagram
78
Activity diagram menggambarkan berbagai alir aktivitas
dalam sistem yang sedang dirancang, bagaimana masingmasing alir berawal, decision yang mungkin terjadi, dan
bagaimana mereka berakhir. Activity diagram juga dapat
menggambarkan proses paralel yang mungkin terjadi pada
beberapa eksekusi.
Activity diagram merupakan state diagram khusus, di
mana sebagian besar state adalah action dan sebagian besar
transisi di-trigger oleh selesainya state sebelumnya (internal
processing).
Oleh
karena
itu
activity
diagram
tidak
menggambarkan behaviour internal sebuah sistem (dan
interaksi antar subsistem) secara eksak atau tepat, tetapi
lebih
menggambarkan
proses-proses
dan
jalur-jalur
aktivitas dari level atas secara umum. (Dharwiyanti, 2003)
79
Gambar 2.8 Contoh Activity Diagram
(Dharwiyanti, 2003)
4. Sequence Diagram
Sequence diagram menggambarkan interaksi antar objek
di dalam dan di sekitar sistem (termasuk pengguna, display,
dan sebagainya) berupa message yang digambarkan terhadap
waktu. Sequence diagram terdiri atar dimensi vertikal (waktu)
dan dimensi horizontal (objek-objek yang terkait).
Sequence
diagram
biasa
digunakan
untuk
menggambarkan skenario atau rangkaian langkah-langkah
yang dilakukan sebagai respon dari sebuah event untuk
menghasilkan output tertentu. Diawali dari apa yang menjadi
trigger aktivitas tersebut, proses dan perubahan apa saja
yang terjadi secara internal dan output apa yang dihasilkan.
(Dharwiyanti, 2003)
80
Main ui
Object1
Object1
Object2
Actor1
Message1
Message1
Message1
Message1
Message2
Message2
Message2
Message2
Message1
Gambar 2.9 Contoh Sequence Diagram
(Sun Services, 2003)
5. State Chart Diagram (SCD)
Interaction diagram dan state chart menampilkan dua
pandangan yang saling melengkapi tentang perilaku dinamis
sebuah sistem. Interaksi diagram menunjukkan pesan-pesan yang
dilewatkan diantara obyek-obyek di dalam sistem selama periode
waktu yang pendek. Sedangkan state chart diagram menelusuri
individu-individu obyek melalui keseluruhan daur hidupnya,
menspesifikasikan semua urutan yang mungkin dari pesan-pesan
yang akan diterima obyek tersebut, bersama-sama dengan
tanggapan atas pesan-pesan tersebut.
81
State diagram menyediakan variasi simbol dan sejumlah ide
untuk pemodelan state diagram menampilkan state-state yang
mungkin dari sebuah obyek, event yang bisa dideteksi dan respon
atas event-event tersebut. Pendeteksian sebuah event dapat
menyebabkan sebuah obyek bergerak dari satu state ke state yang
lain atau transition. (Munawar, 2005)
82
2.12 Studi Literatur Sejenis
Dibawah ini penulis paparkan beberapa penelitian terdahulu yang pernah membahas mengenai data mining,
yang digunakan sebagai acuan untuk menyelesaikan tugas akhir.
Tabel 2.5 Perbandingan Pengembangan Literatur Sejenis
NO
Judul
Analisis
1
Gambaran Umum Sistem
Keranjang
Kelebihan
Kekurangan
analisis
Tahapan data mining
manajerial
masih dilakukan secara
Belanja
Penelitian ini bertujuan (1) mempelajari sebuah aplikasi analisis
Adanya
Pada Data Transaksi Penjualan
keranjang belanja (market basket analysis) yang berkaitan dengan
implikasi
( Studi Kasus Toserba Yogya
data transaksi penjualan yang menggunakan teknik assosiatif, (2)
yang
Banjar)
mengidentifikasi beberapa tipe dari kaidah asosiasi (association rules)
oleh pihak perusahaan
dapat
dipakai
manual
dengan
bantuan
software
yang berkaitan dengan data transaksi penjualan yaitu nilai-nilai
Microsoft Office Excel
Asal Literatur: Skripsi
support dan confidence, (3) mengetahui implikasi manajerial dari
2007
Peneliti : Tri Lestari
analisis keranjang belanja (market basket analysis). Penelitian ini
Minitab
Nim
dilaksanakan di Toserba Yogya Banjar, data yang digunakan adalah
ada data baru maka
data sekunder yang bersumber dari dokumen perusahaan berupa
diperlukan
data transaksi.
pengulangan
: H24052006
Tahun : 2009
Departemen
Fakultas
Manajemen
Ekonomi
dan
Manajemen Institu Pertanian
Bogor.
Penelitian
diolah dengan menggunakan software
Microsoft Office Excel 2007 dan software Minitab 14. Data dianalisis
dengan menggunakan algoritma apriori yang menghasilkan aturan
asosiasi, dengan pola “if then”.
dan
14.
software
Apabila
tahapan
data mining dari awal.
83
Aplikasi Data mining Market
Peneliti berkeinginan untuk mengatasi permasalahan absensi tersebut
Perangkat lunak telah
Dari
Basket Analysis Pada Tabel Data
dengan memanfaatkan metode data mining, khususnya metode market
dapat
kecepatan
Absensi
basket analysis, untuk mendeteksi kecurangan. Perangkat lunak yang
pada
dibuat
terutama
Elektronik
Mendeteksi
2
Untuk
Kecurangan
ini
akan
mentranformasikan
data
absensi
pegawai
Absensi (Check-Lock) Karyawan
menggunakan metode MaxDiff Histogram menjadi
format compact
di Perusahaan.
transaction yang selanjutnya akan diproses menggunakan Algoritma
diaplikasikan
dunia
pada
nyata,
PT.
hasil
pengujian
perangkat
lunak
dapat
disimpulkan
bahwa
Mulia Batara Semesta
penggunaan algoritma
Surabaya.
Pincer Search
untuk
Pincer Search menjadi frequent itemset. Pada akhirnya dari data
menggenerasi frequent
Asal Literatur : Jurnal
frequent itemset ini didapat association rule pegawai untuk disajikan
itemset
Peneliti
kepada pengguna, yaitu bagian HRD perusahaan.Dari hasil pengujian
dapat
mengatasi
dapat diketahui bahwa metode Data mining Market Basket Analysis
terjadinya
'bottleneck'
dapat dimanfaatkan untuk menggali pattern kebiasaan absensi (check-
pada proses tersebut.
:
Gregorius Satia
Budhi;
Felicia Soedjianto
lock) pegawai sebuah perusahaan. Dari sini kemungkinan terjadinya
Tahun : 2007
kecurangan saat melakukan absensi masuk / pulang dapat dideteksi.
Jurusan
Fakultas
Teknik
Informatika,
Teknologi
Industri,
Universitas Kristen Petra
masih
belum
84
Aplikasi
Data
mining
Penelitian ini bertujuan untuk membuat sebuah aplikasi data mining
Menggunakan
Menggunakan Aturan Asosiasi
menggunakan aturan asosiasi dengan metode apriori sebagai teknik
sebagai
Dengan Metode Apriori Untuk
analisis keranjang pasarnya. Data yang diambil dalam penelitian ini
pemrograman.
Analisis Keranjang Pasar Pada
adalah data transaksi penjualan disuatu apotek di Perumnas 1. Hasil
Memakai database Ms.
Data
dari aturan asosiasi yang didapat yaitu berupa kombinasi dari jenis
Acces. Banyaknya data
obat yang sering dibeli oleh konsumen. Dari hasil tersebut diharapkan
yang
dapat membantu manajemen apotek untuk merancang strategi
dapat
Asal Literatur : Jurnal
pemasaran obat di apoteknya. Aplikasi ini dibuat menggunakan
merepresentasikan
Peneliti : Leni Meiwati,
perangkat lunak Java dan didukung oleh media penyimpanan
pola belanja konsumen
database Microsoft Access.
yang diinginkan
Transaksi
Penjualan
Apotek
3
Metty Mustikasari
java
Belum adanya strategi
Bahasa
yang dapat diberikan
dari hasil penelitian ini.
dipakai
belum
Tahun : 2010
Jurusan
Sistem
Informasi
Fakutas Ilmu Komputer dan
Teknologi
Informasi,
Universitas Gunadarma
4
Data Mining Untuk Pembiayaan
Dalam penelitian ini, association rule digunakan untuk mengetahui
Menggunakan Borland
Belum adanya strategi
Murabahah
Menggunakan
pola hubungan keterkaitan antar data dalam pembiayaan murabahah.
Delphi
yang dapat diberikan
Association Rule (Studi Kasus
Untuk parameter yang digunkan adalah berdasarkan harga plafond ,
Bahasa Pemrograman
BMT MMU Sidogiri)
lama angsuran dan prosentase margin. Dari pola yang diperoleh
Memakai
database
diharapkan dapat memberikan informasi yang berharga bagi pihak
Interbase.
Banyaknya
Asal Literatur : Skripsi
manajemen bank dimana dalam hal ini adalah pihak BMT MMU
data
Peneliti : Alfiyatus Sholichah
Sidogiri, dimana informasi tersebut dapat digunakan sebagai alat
belum
7.0
Sebagai
dari hasil penelitian ini.
yang
dipakai
dapat
85
Nim
: 4550002
pendukung untuk mengambil kebijakan.
merepresentasikan
Tahun : 2009
pola belanja konsumen
yang diinginkan
Jurusan
Teknik
Informatika
Fakultas Sains dan Teknologi
Universitas Islam Negeri (UIN)
Maulana
Malik
Ibrahim
Malang.
Implemetasi
Data
Mining
Penelitian ini bertujuan untuk membuat sebuah aplikasi data mining
Menggunakan database
Belum adanya strategi
Algoritma Apriori Pada Sistem
menggunakan aturan asosiasi dengan metode apriori sebagai teknik
MYSQL Server
yang dapat diberikan
Penjualan
analisis keranjang pasarnya. Hasil dari aturan asosiasi yang didapat
yaitu berupa kombinasi dari jenis item
Asal Literatur : Skripsi
5
Peneliti
:
konsumen.
Muhammad
Afif
Dari
hasil
tersebut
dari hasil penelitian ini.
yang sering dibeli oleh
diharapkan dapat
membantu
manajemen perusahaan untuk merancang strategi pemasaran barang.
Syaifullah
Nim
: 06.11.1317 2010
Tahun : 2010
STMIK AMIKOM Yogyakarta
Penerapan Data Mining dalam
Dalam jurnal ini akan disajikan penggunaan
Penentuan
Aturan
Antar Jenis Item.
Asosiasi
data mining dalam
Pemodelan asosiasi ini
Tidak membuat Sistem,
menemukan pengetahuan mengenai asosiasi antar jenis item di CV JP
menggunakan
dan
Bogor. Pemodelan asosiasi ini menggunakan algoritma Apriori dan
algoritma Apriori dan
dapet menaikan kinerja
pemrosesannya dibantu dengan software Clementine.
pemrosesannya
perusahaan
hasilnya
belum
secara
86
6
Asal Literatur : Jurnal
dibantu
dengan
Peneliti : Yogi Yusuf W,
software Clementine.
siginifikan
F. Rian Pratikto,
Gerry T
Tahun
: 2006
Jurusan Teknik Industri,
Universtias
Katolik
Parahyangan
7
Penetapan Strategi Penjualan
Jurnal ini akan melakukan analisis terhadap data transaksi penjualan
Hasil dari penelitian
Tidak
Menggunakan Association Rules
sebuah perusahaan ritel umum yang bergerak di bidang fotografi,
diimplementasikan
sistem,
dalam Konteks CRM
fotokopi, medical imaging, printing, dan telekomunikasi yang memiliki
sehingga
variasi produk yang sangat beragam. Keanekaragaman produk ini
penjualan dari masing-
terhadap data transaksi
Asal Literatur : Jurnal
menghasilkan kemungkinan kombinasi produk yang lebih beragam
masing
semester pertama.
Peneliti : Bayu Adhi Tama
pula. Hasil penelitian ini menunjukkan bahwa penetapan strategi
produk pada semester
Tahun
penjualan dengan menggunakan data pada tengah semester pertama,
kedua
tren penjualan dari masing-masing kombinasi produk pada semester
peningkatan
kedua mengalami peningkatan yang signifikan.
signifikan.
: 2010
Fakultas Ilmu Komputer,
Universitas Sriwijaya
tren
kombinasi
mengalami
yang
membangun
melakukan
hanya
analisis
87
Model
8
Rule:
Multilevel
And
Pada penelitian ini diusulkan untuk mengkombinasi dua macam
Memakai
Multidimension Association Rule
model rule, yaitu: Multilevel Association Rule serta Multidimesional
model
untuk Analisa Market Basket
Association Rule menjadi bentuk lain. Aplikasi yang dibuat pada
kemudian
Pada PT. Maha Agung
penelitian ini menghasilkan sebuah model association rule baru yang
gabungkan
sehingga
data transaksi masih
kita namakan "Multilevel And Multidimension Association Rule".
mempunyai parameter
harus dilakukan secara
Asal Literatur : Jurnal
Pemanfaatan model association rule baru ini untuk menjawab
yang lebih baik untuk
manual
Peneliti
kebutuhan PT. Maha Agung ini terbukti tepat. Hal ini dapat dilihat
penelitian ini.
:
Gregorius Satia
Budhi,
2
macam
rule
yang
di
Tidak
dengan
terintegasi
sistem
sehingga
POS
pengolahan
dari hasil kuisioner calon pemakai yang cukup baik, yaitu sebesar
Yulia
Budiwati
89.6%.
Abadi
Tahun
: 2009
Universitas
Kristen
Petra
Surabaya
Aplikasi Data Mining Untuk
Dalam penelitian ini dengan memanfaatkan data induk mahasiswa
Memakai Database SQL
Tidak
Menampilkan
dan data kelulusan mahasiswa,
Server,
dengan
Informasi
dan
bahasa
informasi tentang tingkat kelulusan dengan data induk mahasiswa
(Studi Kasus di Fakultas MIPA
melalui teknik data mining. Kategori tingkat kelulusan di ukur dari
diperlukan
Universitas Diponegoro)
lama studi dan IPK. Algoritma yang digunakan adalah algoritma
penginputan
apriori, informasi yang ditampilkan berupa nilai
terhadap
Peneliti
Huda
: Nuqson Masykur
support
confidence dari masing-masing kategori tingkat kelulusan.
dan
pemrograman VB.Net
sistem
Tingkat Kelulusan Mahasiswa
Asal Literatur : Skripsi
9
diharapkan dapat menghasilkan
Terintergasi
akademik
sehingga
data
ulang
data
mahasiswa dan data
yang
lainnya,
diperlukan
Belum dapat
88
Nim
: J2F005280
merekomendasikan
Tahun : 2010
suatu
strategi
yang
diperlukan.
Program
Studi
Teknik
Informatika
Jurusan
Matematika
Fakultas Matematika dan Ilmu
Pengetahuan Alam
Universitas Diponegoro
10
Analsis Keranjang Belanja Pada
Penelitian ini mengenai analisis data mining dalam meningkatkan nilai
Hasil Penelitian sesuai
Hanya
Data
pelanggan
alam
dengan kondisi yang
Analisa
(Studi Kasus UD Kuta Batu
menggunakan metode CART. Mengaplikasikan metode Classification
ada, Data yang dipakai
memberikan
Jakarta)
And Regression Tree (CART) untuk menganalisis informasi yang
sesuai dengan metode
yang dapat dilakukan
tersembunyi dari database UD Kuta Batu Jakarta. Dari hasil analisis
yang digunakan
oleh perusahaan
Transaksi
Penjualan
terhadap
pembelian
produk
ornament
batu
Asal Literatur : Skripsi
melalui pohon keputusan (decision tree) yang dihasilkan oleh CART
Peneliti : Khaerudin
didapatkan
Tahun : 2007
keputusan dimasa mendatang.
Jurusan Sistem Informasi
Fakutas Ilmu Komputer dan
Teknologi Informasi,
Universitas Gunadarma
beberapa
informasi
berharga
untuk
pengambilan
Melakukan
Data,
Tidak
strategi
BAB III
METODOLOGI PENELITIAN
Dalam menyusun laporan tugas akhir ini, penulis melakukan studi
kasus pada Tendencies Store dengan menganalisa data transaksi
penjualan. Persiapan yang penulis lakukan adalah dengan mencari datadata dan informasi yang dibutuhkan meliputi beberapa unsur antara lain :
3.7
Lokasi dan Waktu Penelitian
Penelitian dilakukan di Tendencies Store dengan tujuan untuk
menganalisa
data
transaksi
penjualan.
Sehingga
dapat
membantu
menganalisa data transaksi penjualan untuk mendukung pembuatan
kebijakan maupun perencanaan strategi pemasaran yang efektif. Adapun
lokasi dan tempat penelitian yang penulis lakukan berada di Jakarta Selatan,
tepatnya di :
Nama Perusahaan
: Tendencies Store
Alamat
: Jln. Bintaro Utama I Blok J3 no. 11, Bintaro Jaya
Sektor Satu, Jakarta 12330 – Indonesia.
Telepon / Fax
:
+ 6221 - 7358204
E-mail
:
[email protected]
[email protected]
Waktu Penelitian :
Januari 2010 s.d Mei 2010.
47
/
48
3.8
Sarana Pendukung Aplikasi
Aplikasi ini dapat digunakan pada unit komputer yang
mempunyai spesifikasi sebagai berikut :
1. Perangkat Keras
a. Processor minimal Intel Pentium Dual Core 2.0 Ghz
b. Memory minimal 1 GB
c. Hard Drive space minimal 80 GB
d. Keyboard dan mouse
2. Perangkat Lunak
a. Windows 7
b. MS-SQL Server 2008
c. MS-Visual Studio 2008
d. IIS 7
3.9
Metode Pengumpulan Data
Dalam rangka menyusun tugas akhir ini, diperlukan data dan
informasi
seperti
database
penjualan
dan
lainnya.
Dalam
mengumpulkan data dan informasi tersebut penulis menggunakan
metode pengumpulan data observasi, metode interview dan studi
pustaka.
49
3.9.1 Observasi.
Observasi dilakukan langsung pada Tendencies Store terletak di
Jalan Bintaro Utama I Blok J3 no. 11, Bintaro Jaya Sektor Satu,
Jakarta 12330 – Indonesia. Observasi dilaksanakan pada Januari 2010
s.d Mei 2010. Penulis juga mengumpulkan data sekunder berupa data
transaksi penjualan pada Tendencies Store dari 14 mei hingga 20 Mei
2010. Dari hasil pengamatan, diketahui bahwa kegiatan pengolahan
data transaksi di Tendencies Store belum efektif dan efisien
disebabkan oleh banyaknya proses yang harus dijalanin tidak
sebanding dengan data yang ingin didapatkan.
3.9.2 Wawancara.
Wawancara dilakukan secara langsung dengan pihak-pihak
terkait dalam kegiatan operasional Tendencies Store yaitu Boyke
Vidykrisna Hutama selaku Marketing Communication dan Farah
selaku cashier. Beberapa masalah yang ada pada sistem berjalan dapat
disimpulkan dari hasil wawancara dengan pihak-pihak yang telah
disebutkan, sebagai berikut:
a.
Tidak adanya informasi tambahan yang di dapatkan dari data
transaksi penjualan yang ada.
b.
Customer jarang mendapatkan informasi secara visual item
mana saja yang mempunyai keterkaitan.
c.
terlalu banyak alur kerja yang menghambat efektifitas kinerja.
50
Untuk lebih lengkap hasil dari wawancara dapat dilihat pada
lampiran satu (1).
3.9.3 Studi Literatur Sejenis.
Studi literatur sejenis, dalam hal ini penulis membandingkan
apakah literatur sebelumnya dapat membantu dalam analisa dan
percangan sistem yang diusulkan. Selain itu
penulis juga
membandingkan apakah sistem yang dikembangkan memiliki
kelebihan dari sistem yang dibuat berdasarkan literatur sejenis atau
sebelumnya ditempat lain yang telah menggunakan sistem informasi.
Hasil perbandingan studi literatur sejenis ini dapat dilihat pada
landasan teori bab II.
3.10 Metode Pengembangan Sistem
Dalam menyusun tugas akhir ini penulis menggunakan
metodologi pengembangan sistem Rapid Application Development
(RAD). Metode ini diperkenalkan oleh James Martin pada tahun
1991 (Roger S Pressman, 2002). Model RAD Merupakan metode
pengembangan
sistem
secara
object-oriented
approach
yang
menekankan pada siklus pengembangan yang sangat singkat.. Hal
ini akan mempersingkat waktu dalam perancangan dan berusaha
51
memenuhi syarat-syarat bisnis yang cepat berubah. Ilustrasi
mengenai tahapan RAD bisa dilihat pada gambar 3.1.
Gambar 3.1 Tahapan-tahapan RAD
Dari
gambar
tersebut
terlihat
bahwa
dalam
metode
pengembangan sistem Rapid Application Design (RAD) terdiri dari
tiga tahapan yaitu perencanaan syarat-syarat, desain workshop RAD
dan implementasi (Kendall, 2005).
3.10.1 Fase Perencanaan Syarat (Requirement Planning).
Dalam fase ini diuraikan mengenai gambaran umum
Tendencies Store (sejarah singkat, visi dan misi perusahaan,
dan struktur organisasi), analisa sistem berjalan, analisa
52
sistem usulan. Uraian dari fase perencanaan syarat sebagai
berikut :
1. Gambaran Umum Tendencies Store.
Menguraikan tentang profil Tendencies Store, seperti
sejarah
PT Tendencies Store, visi, misi, moto, struktur
organisasi.
2. Analisa Sistem Berjalan.
a. Mendefinisikan proses bisnis yang telah didapat oleh
penulis
digambarkan
Pengolahan
Data
melalui
Transaksi
gambar
yang
4.2
berjalan
Proses
pada
Tendencies Store.
b. Menganalisis masalah yang ada pada proses pengolahan
data transaksi Tendencies Store, masalah-masalah yang
ada yaitu :
1. Tidak dapat mencegah terjadinya manipulasi
data.
2. Tidak adanya informasi tambahan yang di
dapatkan dari data transaksi penjualan yang ada.
53
3. Customer jarang mendapatkan informasi secara
visual
item
mana
saja
yang
mempunyai
keterkaitan.
4. Keterlambatan pengolahan data pada divisi sales
5. Terlalu banyak alur kerja yang menghambat
efektifitas kinerja.
c. Mengidentifikasi rumus perhitungan
Support
dan
Confidence dalam metode Market Basket Analysis.
3. Analisa Sistem Usulan.
Memberikan usulan yaitu dengan membuat analisa sistem
usulan
berupa
analisa
perancangan
data
mining
berdasarkan hasil analisa terhadap masalah yang ada
sebagai upaya perbaikan dari kekurangan-kekurangan
sistem yang berjalan.
3.10.2 Fase Perancangan (Workshop Design).
Pada tahap ini terbagi dalam tiga perancangan desain, yaitu :
1. Desain Sistem.
Dalam perancangan Sistem, penulis menggunakan diagramdiagaram UML (Unified Modelling Language) dalam mendesain
sistem. Diagram-diagram yang digunakan dalam desain sistem
54
adalah sebagai berikut : Use Case Diagram, Use Case Scenario,
Activity Diagra, Sequence Diagram dan State Chart Diagram.
2. Desain Database.
Desain database sistem diuraikan dalam bentuk diagram UML,
yaitu class diagram. Class diagram menggambarkan hubungan
antar kelas yang terjadi.
3. Desain Antarmuka.
Desain rancangan antarmuka sistem digambarkan dengan desain
antarmuka interface (GUI) untuk melihat rancangan tampilan
yang nantinya menjadi sebuah sistem.
3.10.3 Fase Konstruksi dan Pelaksanaan (Implementation).
Pada fase konstruksi dan fase pelaksanaan ini ada 4
(empat) tahapan utama yang akan dilakukan yaitu; Penerapan
tahapan
data
mining,
Konstruksi
perangkat
lunak,
Implementasi perangkat lunak, Pengujian perangkat lunak.
Penjelasan singkat dari tahapan-tahapan tersebut adalah
sebagai berikut:
1. Penerapan tahapan data mining
a. Pembersihan Data (Data Cleaning)
55
Hal ini dilakukan dengan cara membersihkan dan
mengklasifikasikan data-data apa saja yang ada di
dalam data sumber.
b. Integrasi Data (Data Integration)
Hal ini dilakukan dengan cara mengkonversi file excel
data transaksi melalui program aplikasi import export
data wizard yang sudah ada di dalam aplikasi MS.SQL
Server 2008
c. Seleksi Data (Data Selection)
Melakukan pembuatan dan pemilihan data source yang
akan dipakai dalam data mining.
d. Transformasi Data (Data Transformation)
Melakukan pembuatan dan pemilihan data source view
yang akan dipakai.
e. Proses Data mining (Analisa Data),
Melakukan pemilihan struktur data mining yang
diinginkan.
f. Evaluasi Pola (Pattern Evaluation),
Evaluasi pola dilakukan dengan melihat parameter
mana saja yang dapat menghasilkan pola yang sesuai
dengan kebutuhan bisnis perusahaan
g. Presentasi Pengetahuan (Knowledge Presentation)
56
Dilakukan dengan cara membuat dan mengaplikasikan
web cross sell application.
2. Konstruksi perangkat lunak.
Setelah sistem didesain sesuai dengan keinginan dan
kebutuhan pengguna, kemudian hasil desain tersebut
diimplementasikan dengan mengkonstruksikan perangkat
lunak sistem data mining web cross sell application.
3. Implementasi Perangkat Lunak.
Menentukan spesifikasi hardware dan kebutuhan software
yang dibutuhkan. Serta rancangan implementasi jaringan
dalam menerapkan di Tendencies Store.
4. Pengujian Perangkat Lunak.
Perangkat lunak sistem yang telah dikonstruksikan,
kemudian
diuji
agar
dapat
mengetahui
kesalahan-
kesalahan yang terdapat dalam perangkat lunak sistem dan
kemudian dapat diperbaiki agar sesuai dengan yang
diharapkan.
Pengujian
sistem
dilakukan
dengan
menggunakan metode blackbox testing yaitu dengan cara
meng-input-kan data ke dalam sistem dan melihat hasil
outputnya apakah sesuai dengan yang diharapkan.
57
3.11 Metode Analisa Data
Analisa data dilakukan dengan menggunakan metode market
basket analysis atau association rules. Dua tahapan yang dilakukan
adalah menemukan frequent itemset dan membentuk assosiation rules.
Pembentukan association rules dilakukan peneliti dengan cara
melakukan penghitungan support dan confidence
3.12 Gambaran Proses Perancangan dan Analisa Data Mining
Proses yang dilakukan dalam metode penelitian adalah sebagai berikut :
Sejarah Singkat
Observasi
Pengumpulan
Data
Metode
Pengumpulan Data
Gambaran Umum
Tendencies Store
Wawancara
Visi dan Misi
Struktur
Organisasi
Kebutuhan Kebutuhan Sistem
Studi Literatur
Analisa Sistem
Berjalan
Identifikasi
Masalah
Tujuan Data
Mining
Analisa Sistem
Usulan
Use Case
Diagram
Perencanaan Syarat
(Requirement Planning)
Use Case
Scenario
Activity Diagram
Tahap
Pengembangan
Sistem
Metode RAD
(Rapid Application
Devellopment)
Perancangan
(Workshop Design)
Desain Sistem
Sequence
Diagram
State Chart
Diagram
Desain Database
Class Diagram
Desain Antar
Muka
Rancangan GUI
(Graphical User
Interface)
Integrasi Data (Data
Integration)
Seleksi Data
(Data Selection)
Penerapan
Tahapan Data
Mining
SQL Server 2008
Transformasi Data
(Data Transformation)
Konstruksi
Perangkat Lunak
Visual Basic.net
2008
Proses Data Mining
(Analisa Data) / Market
Basket Analysis
Pengujian
Perangkat Lunak
Black Box Testing
Evaluasi Pola (Pattern
Evaluation)
Kesimpulan
Konstruksi dan
Pelaksanaan
(Implementation)
Pembersihan Data
(Data Claning)
Implementasi
Perangkat Lunak
Rancangan
Jaringan
Presentasi
Pengetahuan
(Knowledge
Presentation)
Gambar 3.2 Ilustrasi Proses Penelitian
57
BAB IV
ANALISA DAN PEMBAHASAN
Tahapan ini merupakan tahapan utama dalam penelitian, dalam tahapan
pengembangan sistem metode yang akan dipakai adalah Rapid Application
Development dan tahapan data mining.
4.1
Fase Perencanaan Syarat (Requirement Planning).
Dalam tahapan perencanaan syarat–syarat ini hal yang
akan dilakukan adalah mengidentifikasi masalah dan tujuan,
kebutuhan
serta
berorientasi
untuk
menyelesaikan
permasalahan-permasalahan yang ada.
4.1.1 Gambaran Umum Perusahaan
4.1.1.1 Sejarah Singkat
Sejarah
berdirinya
Tendencies
Store
didirikan pada tahun 2004. Tendencies dibentuk
oleh budaya muda yang dipersatukan bersama di
dalam
Tendencies,
mempromosikan
keaslian
bertujuan
integritas
untuk
dari
kebudayaan Tendencies, dan juga memberikan
secara simultan kepada komunitas sebuah merek
57
58
yang dikenal atas keotentikan dari kualitas dan
gaya.
Sekarang, setelah 6 tahun berdiri dengan dibantu
oleh beberapa orang dari generasi kami, yang secara
terus menerus mendeskripsikan keunikan identitas dan
sikap, Tendencies telah memiliki dua toko resmi, yaitu
di :
•
Jln. Bintaro Utama I Blok J3 no. 11, Bintaro Jaya
Sektor Satu, Jakarta 12330–Indonesia. Phone:
+6221.7358204
•
Jln. Raya Kalimalang Blok A2 no. 8-9 @2nd Floor
Burger & Grill, Jakarta Timur 13770 – Indonesia.
Phone : +6221.86906012
4.1.1.2 VISI dan MISI Tendencies Store
VISI :
“Menjadi perusahaan clothing yang terkemuka dengan
menjual produk-produk fashion yang berkualitas dan
terjangkau oleh semua kalangan”.
MISI :
• Membuat produk yang sesuai standar mutu.
• Membangun dengan efektif dan efisien.
59
• Membentuk perusahaan yang menghasilkan
keuntungan dan manfaat bagi karyawan dan
stakeholder.
• Berpartisipasi membantu pemerintah dalam
pengembangan industri kreatif di Indonesia.
4.1.1.3 Struktur Organisasi
Bussines
Director
Comissioner
Finance
General
Affair
Sales
Manager
Branding
Activation
Creative
Director
Gambar 4.1 Struktur Organisasi Tendencies
4.1.2 Analisa Sistem Berjalan
Tendencies Store menyediakan berbagai produkproduk kebutuhan primer seperti kemeja, kaus, gaun dan
lain-lain. Setiap hari ada puluhan dan bahkan mungkin
ratusan transaksi penjualan yang terjadi.
60
Untuk mengolah data transaksi penjualan tersebut
pihak Tendences Store menggunakan aplikasi REVOTA.
Proses pengolahan data transaksi penjualan di ilustrasikan
pada gambar 4.2. Dengan aplikasi REVOTA pihak
Tendencies dapat memasukan transaksi penjualan yang
terjadi di Tendencies, sehingga dapat diketahui beberapa
informasi seperti volume total penjualan, produk yang
paling banyak terjual dan produk yang paling sedikit
terjual.
Dari
informasi
tersebut
kemudian
pihak
manajemen akan mengatur strategi pemasaran seperti
melakukan pemotongan harga untuk produk-produk
tertentu.
Gambar 4.2 Proses Pengolahan Data Transaksi
4.1.2.1 Identifikasi Masalah
61
Dari hasil analisa sistem yang berjalan,
diketahui bahwa selama ini informasi yang
dihasilkan
dari
data
transaksi
penjualan
Tendencies Store adalah hanya mengenai volume
total penjualan, produk apa yang paling banyak
terjual dan produk apa yang paling sedikit terjual.
Adapun
masalah-masalah
yang
dapat
di
definisikan oleh penulis adalah sebagai berikut :
1. Tidak adanya informasi tambahan yang di dapatkan
dari data transaksi penjualan yang ada, sehingga
Business
Director
tidak
mendapatkan
data
pendukung lainnya dalam melakukan pengambilan
keputusan strategis.
2. Customer jarang mendapatkan informasi secara
visual item mana saja yang mempunyai keterkaitan.
3. Keterlambatan pengolahan data pada divisi sales
akan dapat membuat Businesss Director mengalami
keterlambatan dalam membuat strategi penjualan.
4. Terlalu banyak alur kerja yang menghambat
efektifitas kinerja. Penumpukan biasa beban kerja
biasa terjadi di divisi sales dan finance yang
dilakukan secara rangkap dan tumpang tindih
perkerjaan.
62
4.1.3 Analisa Sistem Usulan
Dalam tahapan analisa dan perancangan data
mining ini, seperti yang di jelaskan pada bab III bahwa
penelitian ini menggunakan metode pengembangan
sistem RAD (Rapid Application Development). Oleh karena
itu proses yang dilakukan dalam penelitian ini mengikuti
alur atau tahapan RAD.
Setelah melakukan analisa kebutuhan sistem, maka dapat
disimpulkan untuk membuat sebuah sistem yang bisa mengatasi
masalah serta memenuhi kebutuhan sistem. Adapun penulis
mengusulkan dengan meminimalisasi aktor yang terkait pada
Proses
pengolahan
data
transaksi
sehingga
dapat
mengefektifikan alur kerja yang ada. Penulis mengusulkan aktor
yang terkait menjadi 3 yaitu Admin, Manajer dan Customer.
Admin dapat mewakili cashier dan sales division. Sedangkan
Manajer merupakan perwakilan dari Bussines Director. Dan
aktor customer merupakan aktor yang berhubungan secara
langsung dengan admin melalui sistem ini. Dengan adanya
sistem ini memudahkan admin untuk mencatat transaksi yang
dilakukan oleh customer, mengorganisasikan item-item yang
ada di tendencies store dan secara otomatis menghasilkan itemitem laporan yang diperuntukkan bagi pimpinan. Laporan
63
tersebut dapat digunakan sebagai dasar pengambilan keputusan.
Apabila digambarkan maka sistem usulan adalah sebagai berikut
:
Gambar 4.3 Proses Pengolahan Data Transaksi Sistem Usulan
Keterangan :
64
1. Customer berinteraksi menggunakan aplikasi web
cross sell application untuk mendapatkan item
recommedation yang diinginkan.
2. customer berinteraksi secara langsung dengan
admin, apabila ada item barang yang ingin dibeli
oleh customer.
3. Admin melakukan penginputan data transaksi ke
dalam sistem.
4. Data transaksi yang telah di masukan kedalam
aplikasi akan secara langsung di olah sehingga
manajer dapat melihat data-data tersebut secara
realtime.
4.1.3.1 Kebutuhan-kebutuhan Sistem
Tahapan ini adalah tahapan yang dilakukan
oleh
penulis
bekerja
sama
dengan
pihak
Tendencies Store untuk menentukan kebutuhankebutuhan sistem. Dari hasil analisa sistem yang
berjalan, penulis dapat mengambil kesimpulan
bahwa sistem yang akan dibuat haruslah dapat
mengakomodir
berikut :
kebutuhan-kebutuhan
sebagai
65
1. Aplikasi data mining memerlukan input data
berupa data transaksi penjualan.
2. Diperlukannya
aplikasi
yang
mampu
mengolah data transaksi penjualan.
3. Memerlukan
menghasilkan
aplikasi
informasi
yang
mampu
mengenai
aturan
assosiasi (association rules), untuk mengetahui
pola belanja konsumen.
4. Diperlukannya penyajian data yang baik dan
relevan sehingga customer bisa mendapatkan
informasi yang layak.
Diharapkan dengan pengimplementasian sistem
usulan tersebut maka permasalahan yang ada
akan dapat terpecahkan.
4.1.3.2 Tujuan Data Mining
Dari hasil analisa terhadap sistem yang berjalan
penulis
melihat
belum
optimalnya
pemanfaatan
pengolahan data transaksi penjualan. Pertimbangan
penulis didasarkan pada pengolahan data transaksi
penjualan dengan aplikasi REVOTA selama ini hanya
66
menghasilkan
informasi
mengenai
volume
total
penjualan, produk yang sering terjual dan produk yang
sedikit terjual.
Data transaksi penjualan Tendencies Store
masih memiliki potensi untuk menghasilkan
informasi lain guna mendukung pengambilan
keputusan yang strategis. Salah satunya adalah
informasi
mengenai
pola
belanja
konsumen
dengan melihat assosiasi produk yang dibeli oleh
konsumen. Sebagai contoh misalnya konsumen
yang membeli kaus, kemungkinan besar ia akan
membeli produk lain juga contohnya adalah
celana. Untuk menggali informasi data transaksi
penjualan Tendencies Store, penulis menggunakan
teknik data mining dengan metode market basket
analysis.
Tujuan dari penelitian ini adalah untuk
mengetahui
pola
belanja
konsumen
dengan
menggali informasi mengenai assosiasi produk
dari
database
penjualan
tersebut
yang
pada
meliputi
Tendencies
nantinya
dapat
data
transaksi
Store.
Informasi
digunakan
untuk
67
mendukung
pengambilan
keputusan
yang
strategis, seperti pengaturan penempatan barang
yang baru atau desain katalog untuk promosi.
4.2
Workshop Design (Perancangan)
Tahap workshop design adalah tahapan merancang
aplikasi dan memperbaiki rancangan. Rancangan aplikasi
yang penulis lakukan meliputi :
4.2.1 Desain Sistem
4.2.1.1
Penentuan Actor
Pada sistem yang diusulkan ini, penulis
memisahkan Actor menjadi 3 (tiga) tingkatan,
yaitu
Admin,
Manager
dan
Customer.
Wewenang masing-masing aktor tersebut adalah
sebagai berikut :
1. Admin
68
Admin
merupakan
menempati
tingkatan
aktor
yang
tertinggi
pada
sistem. Admin memiliki wewenang yaitu:
a. Melakukan operasi Data Management
tehadap data-data yang berhubungan
dengan barang yang ada.
b. Melakukan operasi Data management
user
account.
Siapa
sajakah
yang
mendapat hak akses sebagai admin
dan manager.
c. Melakukan
pencarian
Item
Recomendation.
2. Manager
Pada sistem ini, Manager merupakan
tingkatan yang berada di bawah Admin.
Adapun
wewenang
yang
dimiliki
tingkatan Manager adalah :
a. Melihat dan melakukan pencarian
Item Recomendation.
69
b. Melihat laporan transaksi dan hasil
analisa data yang dihasilkan pada
tahapan proses data mining.
3. User
Pada
sistem
tingkatan
Manager.
ini,
yang
Adapun
User
berada
merupakan
di
bawah
wewenang
yang
dimiliki tingkatan User adalah :
a. Melihat dan melakukan pencarian
Item Recomendation.
4.2.1.2
Use Case Diagram
Use Case Diagram digunakan untuk
menjelaskan apa yang akan dilakukan oleh
sistem
serta
aktor-aktor
yang
akan
berhubungan dengan proses-proses yang
ada pada sistem.
Setelah aktor teridentifikasi maka dapat
dilakukan permodelan Use Case Diagram.
Tabel 4.1 Daftar Permodelan Use Case Diagram
70
No.
Nama Use Case
1.
Login
2.
Logout
3.
Data Products
4.
Data Brands
5.
Data Category
6.
Data Type
7.
Data User
8.
Transaksi
9.
Laporan
10.
Search Item
Deskripsi
Use Case menggambarkan kegiatan login
ke dalam sistem dengan memasukkan data
pengguna untuk di verifikasi oleh sistem
Use Case menggambarkan kegiatan keluar
dari sistem.
Use Case menggambarkan kegiatan
manajemen data products ke dalam sistem
Use Case menggambarkan kegiatan
manajemen data brands ke dalam sistem.
Use Case menggambarkan kegiatan
manajemen data category ke dalam sistem.
Use Case menggambarkan kegiatan
manajemen data type ke dalam sistem.
Use Case menggambarkan kegiatan
manajemen data user ke dalam sistem.
Use Case menggambarkan kegiatan
pencatatan data transaksi ke dalam sistem.
Use Case menggambarkan kegiatan
manager melihat dan mencetak laporan.
Use Case menggambarkan kegiatan actor
melakukan pencarian item rekomendasi di
dalam sistem
Aktor
Admin dan
Manager
Admin
Admin
Admin
Admin
Admin
Admin
Admin
Manager
Admin,
Manager, dan
Customer
71
Login
<<include>>
Verifikasi User
Data
Products
Admin
Data
Brands
<< extends >>
<< extends >>
Data
Category
<< extends >>
Search
Data
<< extends >>
Data
Type
<< extends >>
<< extends >>
Data
User
Data
Transactions
Manager
Laporan
<<include>>
Search
Item
Lihat Laporan
<< include >>
<< extends >>
Item
Recommendation
Customer
Logout
<<include>>
Session Destroy
Gambar 4.4 Use Case Diagram Web Cross Sell Application
4.2.1.3 Use Case Scenario
Use case scenario merupakan penjelasan
yang lebih terperinci mengenai masingmasing use case yang terjadi di dalam sistem.
Tabel 4.2 Use Case Scenario untuk Use Case Login
Nama Use Case
Login
Cetak Laporan
72
Aktor
Deskripsi
Pra Kondisi
Pemicu
Bidang
Event
Khas
Suatu
Admin dan Manager
Use case ini menjelaskan tentang proses login yang dilakukan
oleh actor untuk melakukan pekerjaan yang bersangkutan.
Orang tersebut harus sudah terdaftar sebagai pengguna sistem.
Use case ini diinisiasi saat admin melakukan pilihan Manajemen
Data Master dan Data Transaksi.
Dan Manager saat melihat dan mencetak laporan.
Aksi Aktor
Respon Sistem
Langkah 1 : input username
dan password kemudian klik
login.
Langkah 2 : cek username dan
password
Langkah 3 : aktor sudah
masuk ke dalam halaman
utama.
Alternatif langkah 2 :
aktor salah memasukkan username atau password, sistem akan
memberikan informasi bahwa data yang dimasukkan salah.
Maka aktor melakukan pengulangan login.
Use Case selesai saat aktor masuk ke dalam sistem
Actor dapat melakukan manajemen data master dan transaksi
atau melihat dan mencetak laporan.
Hanya Admin dan Manager yang dapat masuk ke dalam sistem
Bidang Alternatif
Kesimpulan
Post Kondisi
Aturan Bisnis
Tabel 4.3 Use Case Scenario untuk Use Case Logout
Logout
Admin dan Manager
Use case ini menjelaskan tentang proses Logout yang
dilakukan oleh actor untuk melakukan pekerjaan yang
bersangkutan.
Orang tersebut harus sudah terdaftar sebagai pengguna
sistem.
Use case ini diinisiasi saat admin melakukan pilihan logout
Nama Use Case
Aktor
Deskripsi
Pra Kondisi
Pemicu
Bidang
Event
Khas
Suatu
Aksi Aktor
Langkah 1 : klik menu logout
Respon Sistem
Langkah 2 : inisiasi use case
session destroy
Kesimpulan
Post Kondisi
Langkah 3 : aktor telah
keluar dari sistem dan
kembali ke halaman utama.
Use Case selesai saat aktor keluar ke dalam sistem
Actor dapat melakukan pilihan menu yang ada di halaman
73
utama
Hanya Admin dan Manager yang telah masuk ke dalam sistem
yang dapat menginisiasi use case ini.
Aturan Bisnis
Tabel 4.4 Use Case Scenario untuk Use Case Data Products
Nama Use Case
Aktor
Deskripsi
Pra Kondisi
Pemicu
Bidang
Event
Khas
Suatu
Data Products
Admin
Use case ini menjelaskan tentang proses manajemen data
products yang dilakukan oleh aktor untuk melakukan
pekerjaan yang bersangkutan.
Orang tersebut harus sudah terdaftar sebagai pengguna
sistem.
Use case ini diinisiasi saat admin melakukan pilihan menu
data produtcs, Untuk menambah, merubah, menghapus dan
menyimpan data products.
Aksi Aktor
Respon Sistem
Langkah
1
:
input Langkah 2 : cek username dan
username dan password password
kemudian klik login.
Langkah
3
:
sistem
menampilkan halaman utama
yang berisi menu sesuai dengan
role dari user tersebut
Langkah 4 : klik menu
data products.
Langkah 5 : menampilkan form
data products , beberapa tombol
navigasi, [tambah], [ubah],
[hapus], dan [simpan] serta list
data.
Langkah 6 : admin
memasukan data products
ke dalam form yang telah
disediakan.
Langkah 7 : setelah data
dimasukkan, data dapat
diubah, hapus, simpan
dengan
meng-klik
navigasi [ubah], [hapus],
[simpan]
Langkah 8 : data disimpan ke
dalam
database.
Kemudian
sistem menampilkan informasi
data
products yang
telah
74
diperbaharui.
Langkah 9 : klik menu home
dan kembali ke halaman utama.
Bidang Alternatif
Alternatif langkah 2 :
aktor salah memasukkan username atau password, sistem akan
memberikan informasi bahwa data yang dimasukkan salah.
Maka aktor melakukan pengulangan login
Use case selesai saat admin berhasil menyimpan data.
Data Products telah disimpan dan telah diperbaharui. Sistem
kembali pada halaman utama
Admin, aktor tersebut harus mempunyai password.
Kesimpulan
Post Kondisi
Aturan Bisnis
Tabel 4.5 Use Case Scenario untuk Data Brands
Nama Use Case
Aktor
Deskripsi
Pra Kondisi
Pemicu
Bidang Khas Suatu Event
Data Master (Data brands)
Admin
Use case ini menjelaskan tentang proses manajemen data
brands yang dilakukan oleh aktor untuk melakukan
pekerjaan yang bersangkutan.
Orang tersebut harus sudah terdaftar sebagai pengguna
sistem.
Use case ini diinisiasi saat admin melakukan pilihan menu
data brands, Untuk menambah, merubah, menghapus dan
menyimpan data brands.
Aksi Aktor
Respon Sistem
Langkah 1 : input Langkah 2 : cek username dan
username dan password password
kemudian klik login.
Langkah 3 : sistem menampilkan
halaman utama yang berisi menu
sesuai dengan role dari user
tersebut
Langkah 4 : klik menu
data brands.
Langkah 5 : menampilkan form
data brands, beberapa tombol
navigasi,
[tambah],
[ubah],
[hapus], dan [simpan] serta list
data.
Langkah 6 : admin
memasukan
data
brands ke dalam form
75
yang telah disediakan.
Langkah 7 : setelah
data
dimasukkan,
data dapat diubah,
hapus, simpan dengan
meng-klik
navigasi
[ubah],
[hapus],
[simpan]
Langkah 8 : data disimpan ke
dalam database. Kemudian sistem
menampilkan informasi data
brands yang telah diperbaharui.
Langkah 9 : klik menu home dan
kembali ke halaman utama.
Bidang Alternatif
Kesimpulan
Post Kondisi
Aturan Bisnis
Alternatif langkah 2 :
aktor salah memasukkan username atau password, sistem
akan memberikan informasi bahwa data yang dimasukkan
salah.
Maka aktor melakukan pengulangan login
Use-Case selesai saat admin berhasil menyimpan data.
Data brands telah disimpan dan telah diperbaharui. Sistem
kembali pada halaman utama
Admin, aktor tersebut harus mempunyai password.
Tabel 4.6 Use Case Scenario untuk Use Case Data Category
Nama Use Case
Aktor
Deskripsi
Pra Kondisi
Pemicu
Bidang Khas Suatu Event
Data Master (Data category)
Admin
Use case ini menjelaskan tentang proses manajemen data
category yang dilakukan oleh aktor untuk melakukan
pekerjaan yang bersangkutan.
Orang tersebut harus sudah terdaftar sebagai pengguna
sistem.
Use case ini diinisiasi saat admin melakukan pilihan menu
data category, Untuk menambah, merubah, menghapus dan
menyimpan data category.
Aksi Aktor
Langkah 1 : input
username dan password
kemudian klik login.
Respon Sistem
Langkah 2 : cek username dan
password
Langkah 3 : sistem menampilkan
halaman utama yang berisi menu
sesuai dengan role dari user
tersebut
Langkah 4 : klik menu
76
data category.
Langkah 5 : menampilkan form
data category, beberapa tombol
navigasi,
[tambah],
[ubah],
[hapus], dan [simpan] serta list
data.
Langkah 6 : admin
memasukan
data
category ke dalam form
yang telah disediakan.
Langkah 7 : setelah
data
dimasukkan,
data dapat diubah,
hapus, simpan dengan
meng-klik
navigasi
[ubah],
[hapus],
[simpan]
Langkah 8 : data disimpan ke
dalam database. Kemudian sistem
menampilkan informasi data
category yang telah diperbaharui.
Langkah 9 : klik menu home dan
kembali ke halaman utama.
Bidang Alternatif
Kesimpulan
Post Kondisi
Aturan Bisnis
Alternatif langkah 2 :
aktor salah memasukkan username atau password, sistem
akan memberikan informasi bahwa data yang dimasukkan
salah.
Maka aktor melakukan pengulangan login
Use-Case selesai saat admin berhasil menyimpan data.
Data category telah disimpan dan telah diperbaharui.
Sistem kembali pada halaman utama
Admin, aktor tersebut harus mempunyai password.
Tabel 4.7 Use Case Scenario untuk Use Case Data Type
Nama Use Case
Aktor
Deskripsi
Pra Kondisi
Pemicu
Bidang Khas Suatu Event
Data Master (Data type)
Admin
Use case ini menjelaskan tentang proses manajemen data
type yang dilakukan oleh aktor untuk melakukan pekerjaan
yang bersangkutan.
Orang tersebut harus sudah terdaftar sebagai pengguna
sistem.
Use case ini diinisiasi saat admin melakukan pilihan menu
data type, Untuk menambah, merubah, menghapus dan
menyimpan data type.
Aksi Aktor
Respon Sistem
77
Langkah 1 : input
username dan password
kemudian klik login.
Langkah 2 : cek username dan
password
Langkah 3 : sistem menampilkan
halaman utama yang berisi menu
sesuai dengan role dari user
tersebut
Langkah 4 : klik menu
data type.
Langkah 5 : menampilkan form
data type, beberapa tombol
navigasi,
[tambah],
[ubah],
[hapus], dan [simpan] serta list
data.
Langkah 6 : admin
memasukan
data
category ke dalam form
yang telah disediakan.
Langkah 7 : setelah
data
dimasukkan,
data dapat diubah,
hapus, simpan dengan
meng-klik
navigasi
[ubah],
[hapus],
[simpan]
Langkah 8 : data disimpan ke
dalam database. Kemudian sistem
menampilkan informasi data type
yang telah diperbaharui.
Langkah 9 : klik menu home dan
kembali ke halaman utama.
Bidang Alternatif
Kesimpulan
Post Kondisi
Aturan Bisnis
Alternatif langkah 2 :
aktor salah memasukkan username atau password, sistem
akan memberikan informasi bahwa data yang dimasukkan
salah.
Maka aktor melakukan pengulangan login
Use-Case selesai saat admin berhasil menyimpan data.
Data type telah disimpan dan telah diperbaharui. Sistem
kembali pada halaman utama
Admin, aktor tersebut harus mempunyai password.
Tabel 4.8 Use Case Scenario untuk Use Case Data Transaksi
Nama Use Case
Aktor
Data Master (Data transaksi)
Admin
78
Deskripsi
Pra Kondisi
Pemicu
Bidang Khas Suatu Event
Bidang Alternatif
Use case ini menjelaskan tentang proses manajemen data
transaksi yang dilakukan oleh aktor untuk melakukan
pekerjaan yang bersangkutan.
Orang tersebut harus sudah terdaftar sebagai pengguna
sistem.
Use case ini diinisiasi saat admin melakukan pilihan menu
data transaksi, Untuk menambah, merubah, menghapus
dan menyimpan data transaksi.
Aksi Aktor
Respon Sistem
Langkah 1 : input Langkah 2 : cek username dan
username dan password password
kemudian klik login.
Langkah 3 : sistem menampilkan
halaman utama yang berisi menu
sesuai dengan role dari user
tersebut
Langkah 4 : klik menu
data transaksi.
Langkah 5 : menampilkan form
data transaksi, beberapa tombol
navigasi,
[tambah],
[ubah],
[hapus], dan [simpan] serta list
data.
Langkah 6 : admin
memasukan
data
transaksi ke dalam
form
yang
telah
disediakan.
Langkah 7 : setelah
data
dimasukkan,
data dapat diubah,
hapus, simpan dengan
meng-klik
navigasi
[ubah],
[hapus],
[simpan]
Langkah 8 : data disimpan ke
dalam database. Kemudian sistem
menampilkan informasi data
transaksi yang telah diperbaharui.
Langkah 9 : klik menu home dan
kembali ke halaman utama.
Alternatif langkah 2 :
aktor salah memasukkan username atau password, sistem
akan memberikan informasi bahwa data yang dimasukkan
79
Kesimpulan
Post Kondisi
Aturan Bisnis
salah.
Maka aktor melakukan pengulangan login
Use-Case selesai saat admin berhasil menyimpan data.
Data transaksi telah disimpan dan telah diperbaharui.
Sistem kembali pada halaman utama
Admin, aktor tersebut harus mempunyai password.
Tabel 4.9 Use Case Scenario untuk Use Case Laporan
Nama Use Case
Aktor
Deskripsi
Pra Kondisi
Pemicu
Bidang Khas Suatu Event
Laporan
Manager
Use case ini menjelaskan tentang proses laporan yang
dilakukan oleh aktor untuk melakukan pekerjaan yang
bersangkutan.
Aktor tersebut harus sudah terdaftar sebagai pengguna
sistem.
Use case ini diinisiasi saat admin melakukan pilihan menu
Laporan, Untuk simpan dan cetak Laporan.
Aksi Aktor
Respon Sistem
Langkah 1 : input Langkah 2 : cek username dan
username dan password password
kemudian klik login.
Langkah 3 : sistem menampilkan
halaman manager yang berisi
menu sesuai dengan role dari user
tersebut
Langkah 4 : klik menu
data Laporan. Dan
memilih jenis laporan.
Langkah 5 : menampilkan
halaman laporan-laporan yang di
plilih oleh actor.
Langkah 6 : manager
mengklik
tombol
cetak atau simpan
laporan.
Langkah 7 : laporan tercetak atau
tersimpan
Bidang Alternatif
Langkah 8 : klik menu
home dan kembali ke
halaman utama.
Alternatif langkah 2 :
aktor salah memasukkan username atau password, sistem
akan memberikan informasi bahwa data yang dimasukkan
salah.
Maka aktor melakukan pengulangan login
80
Kesimpulan
Post Kondisi
Use-Case selesai saat admin berhasil menyimpan data.
Data transaksi telah disimpan dan telah diperbaharui.
Sistem kembali pada halaman utama
Tabel 4.10 Use Case Scenario untuk Use Case Search Item
Search Item
Admin, Manager dan Customer
Use case ini menjelaskan tentang proses pencarian item
recommendation.
Actor sudah menjalankan sistem aplikasi.
Nama Use Case
Aktor
Deskripsi
Pra Kondisi
Pemicu
Bidang Khas Suatu Event
Kesimpulan
Post Kondisi
Aturan Bisnis
Use case ini diinisiasi saat aktor melakukan pilihan
pencarian item, Untuk mendapatkan item-item mana saja
yang berassosiasi satu dengan yang lainnya.
Aksi Aktor
Respon Sistem
Langkah 1 : pilih
halaman utama
Langkah 2 : sistem menampilkan
halaman
utama
dan
form
pencarian
item
yang
direkomendasikan
Langkah 3 : actor
memasukan inputan
item dan mengklik
search item
Langkah 4 : menampilkan list
data sesuai dengan parameter
inputan.
Use-Case selesai saat actor mendapatkan list data sesuai
denga parameter inputan.
list data recommedation item sesuai dengan parameter
inputan yang di inputkan oleh actor.
Actor harus memasukan inputan sesuai dengan format
yang berlaku.
4.2.1.4 Activity Diagram
Mengingat
adanya
proses-proses
yang
memiliki kesamaan alur, maka pada sistem
81
ini, penulis hanya memaparkan Activity
diagram yang mungkin terjadi yaitu :
1. Activity Diagram untuk Use Case Login
Admin / Manager
Sistem
Form Login
Ditampilkan
Mengisi
Username
Password
Username
Verifkasi User
Password
Match
Not Match
Login
Notifikasi
Kesalahan
Halaman
Admin/
Manager
Sukses
Batal
Gambar 4.5 Activity Diagram untuk Use Case Login
Activity
diagram
ini
merupakan
rancangan rangkaian proses yang akan
terjadi
ketika
aktor
memilih
untuk
melakukan login. Sistem akan menampilkan
form
login.
Aktor
lalu
memasukkan
Username, Password yang sesuai. Sistem
akan melakukan pengecekan terhadap data
yang dimasukkan oleh aktor meliputi
kesesuaian Username dengan password. Jika
82
kesesuaian antara Username, password maka
actor tersebut sukses untuk melakukan login
dan aktor tersebut memiliki kewenangan
sesuai role di dalam sistem. Jika tidak maka
akan ditampilkan notifikasi kesalahan.
2. Activity Diagram untuk Use Case Logout
Admin / Manager
Sistem
Pilih Log Out
Cek Session
tidak
ya
Halaman
Utama
Session
Destroy
Sukses
Gambar 4.6 Activity Diagram untuk Use Case
Logout
Activity
diagram
ini
merupakan
rangkaian proses yang akan terjadi ketika
aktor memilih untuk melakukan logout.
Aktor memilih tombol logout. Sistem akan
melakukan pengecekan terhadap session
user. Jika sesuai
maka session akan di
83
destroy. Dan user akan ke halaman utama.
Jika tidak maka tetap di dalam sistem.
3. Activity Diagram untuk Use Case Data
Products
Admin
Sistem
Login State
Memilih Menu Data Products
Halaman admin ditampilkan
Halaman Data Products
ditampilkan
Input data dan memilih Aksi
simpan
ubah
simpan
hapus
batal
List data batal
List data Tersimpan
Gambar 4.7 Activity Diagram untuk Use Case Data Products
Activity
diagram
ini
merupakan
rangkaian proses yang akan terjadi ketika
aktor
memilih
untuk
melakukan
manajemen data products. Actor harus sudah
memasuki
sistem.
Dengan
melakukan
84
activity login. Kemudian actor diharapkan
untuk memilih halaman data products dan
sistem akan menampilkan halaman yang
diinginkan. Actor kemudian memasukan
data sesuai dengan parameter data yang
diberikan. actor juga harus memilih aksi
yang dapat dilakukan yaitu simpan, ubah,
hapus. Apabila aksi tersebut telah berhasil
dieksekusi maka list data tersimpan akan
ditampilkan.
List
data
tersimpan
merupakan state di mana data berhasil
dimasukan ke dalam sistem atau database.
Apabila tidak maka akan sebaliknya list
data batal yang akan ditampilkan. List data
batal merupakan state dimana data tidak
berhasil
dimasukan
dimasukan.
atau
tidak
jadi
85
4. Activity Diagram untuk Use Case Data
Brands
Admin
Sistem
Login State
Memilih Menu Data Brands
Halaman admin ditampilkan
Halaman Data Brands
ditampilkan
Input data dan memilih Aksi
simpan
ubah
simpan
hapus
batal
List data batal
List data Tersimpan
Gambar 4.8 Activity Diagram Use Case Data Brands
Activity
diagram
ini
merupakan
rangkaian proses yang akan terjadi ketika
aktor
memilih
untuk
melakukan
manajemen data brands. Actor harus sudah
memasuki
sistem.
Dengan
melakukan
activity login. Kemudian actor diharapkan
untuk memilih halaman data brands dan
sistem akan menampilkan halaman yang di
86
inginkan. Actor kemudian memasukan data
sesuai
dengan
parameter
data
yang
diberikan. actor juga harus memilih aksi
yang dapat dilakukan yaitu simpan, ubah,
hapus. Apabila aksi tersebut telah berhasil
dieksekusi maka list data tersimpan akan
ditampilkan.
List
data
tersimpan
merupakan state di mana data berhasil
dimasukan ke dalam sistem atau database.
Apabila tidak maka akan sebaliknya list
data batal yang akan ditampilkan. List data
batal merupakan state dimana data tidak
berhasil
dimasukan
atau
tidak
jadi
dimasukan.
5. Activity Diagram untuk Use Case Data
Category
87
Admin
Sistem
Login State
Memilih Menu Data Category
Halaman admin ditampilkan
Halaman Data Category
ditampilkan
Input data dan memilih Aksi
simpan
ubah
simpan
hapus
batal
List data batal
List data Tersimpan
Gambar 4.9 Activity Diagram Use Case Data Category
Activity
diagram
ini
merupakan
rangkaian proses yang akan terjadi ketika
aktor
memilih
untuk
melakukan
manajemen data Category. Actor harus
sudah
memasuki
sistem.
Dengan
melakukan activity login. Kemudian actor
diharapkan untuk memilih halaman data
Category dan sistem akan menampilkan
halaman yang di inginkan. Actor kemudian
memasukan data sesuai dengan parameter
data yang diberikan. actor juga harus
memilih aksi yang dapat dilakukan yaitu
simpan, ubah, hapus. Apabila aksi tersebut
88
telah berhasil dieksekusi maka list data
tersimpan akan ditampilkan. List data
tersimpan merupakan state di mana data
berhasil dimasukan ke dalam sistem atau
database.
sebaliknya
Apabila
list
tidak
data batal
maka
yang
akan
akan
ditampilkan. List data batal merupakan
state dimana data tidak berhasil dimasukan
atau tidak jadi dimasukan.
6. Activity Diagram untuk Use Case Data
Type
89
Admin
Sistem
Login State
Memilih Menu Data Type
Halaman admin ditampilkan
Halaman Data Type ditampilkan
Input data dan memilih Aksi
simpan
ubah
simpan
hapus
batal
List data batal
List data Tersimpan
Gambar 4.10 Activity Diagram Use Case Data Type
Activity diagram ini merupakan rangkaian
proses yang akan terjadi ketika aktor memilih
untuk melakukan manajemen data Type. Actor
harus
sudah
memasuki
sistem.
Dengan
melakukan activity login. Kemudian actor
diharapkan untuk memilih halaman data Type
dan sistem akan menampilkan halaman yang
di inginkan. Actor kemudian memasukan data
sesuai dengan parameter data yang diberikan.
actor juga harus memilih aksi yang dapat
90
dilakukan yaitu simpan, ubah, hapus. Apabila
aksi tersebut telah berhasil dieksekusi maka list
data tersimpan akan ditampilkan. List data
tersimpan merupakan state di mana data
berhasil dimasukan ke dalam sistem atau
database. Apabila tidak maka akan sebaliknya
list data batal yang akan ditampilkan. List data
batal merupakan state dimana data tidak
berhasil dimasukan atau tidak jadi dimasukan.
7. Activity
Diagram
untuk
Use
Case
Transaksi
Admin
Sistem
Login State
Memilih Menu Data Transaksi
Halaman admin ditampilkan
Halaman Data Transaksi
ditampilkan
Input data dan memilih Aksi
simpan
simpan
ubah
hapus
batal
List data batal
List data Tersimpan
Gambar 4.11 Activity Diagram Use Case Data Transaksi
91
Activity diagram ini merupakan rangkaian
proses yang akan terjadi ketika aktor memilih
untuk melakukan manajemen data Transaksi.
Actor harus sudah memasuki sistem. Dengan
melakukan activity login. Kemudian actor
diharapkan untuk memilih halaman data
Transaksi dan
sistem akan
menampilkan
halaman yang di inginkan. Actor kemudian
memasukan data sesuai dengan parameter
data yang diberikan. actor juga harus memilih
aksi yang dapat dilakukan yaitu simpan, ubah,
hapus. Apabila aksi tersebut telah berhasil
dieksekusi maka list data tersimpan akan
ditampilkan. List data tersimpan merupakan
state di mana data berhasil dimasukan ke
dalam sistem atau database. Apabila tidak maka
akan sebaliknya list data batal yang akan
ditampilkan. List data batal merupakan state
dimana data tidak berhasil dimasukan atau
tidak jadi dimasukan.
92
8. Activity Diagram untuk Use Case Laporan
Manager
Sistem
Login State
Memilih Jenis laporan
Halaman Laporan ditampilkan
Laporan Ditampilkan
Memilih Aksi
Simpan
Cetak
Cetak Laporan
Simpan Laporan
Gambar 4.12 Activity Diagram Use Case Laporan
Activity diagram ini merupakan rangkaian
proses yang akan terjadi ketika aktor memilih
untuk melakukan use case laporan. Actor harus
sudah memasuki sistem. Dengan melakukan
activity login. Kemudian actor diharapkan
untuk memilih halaman data laporan dan
sistem akan menampilkan halaman yang di
93
inginkan. Actor. Actor memilih jenis laporan
dan kemudian memilih aksi yang dapat
dilakukan yaitu simpan dan cetak laporan.
9. Activity Diagram untuk Use Case Search
Item
Admin / Manager/Customer
Memilih Halaman Pencarian
Sistem
Halaman Pencarian Ditampilkan
input keyword
validasi keyword
List Data Ditampilkan
data tidak ditemukan
List Data Sebelumnya
ditampilkan
Gambar 4.13 Activity Diagram Use Case Search Item
Activity Diagram diatas menggambarkan proses
yang terjadi ketika seorang actor melakukan
pencarian terhadap item recommendation yang ada
di dalam database. Actor memulainya dengan
memilih halaman pencarian item dan kemudian
94
memasukan keyword yang sesuai. Setelah itu sistem
akan
memvalidasi
keyword
tersebut.
Dan
menampilkan hasil eksekusi dari fungsi pencarian.
Apabila
tidak
ditemukan
maka
data
yang
ditampilkan merupakan data top count (item yang
paling banyak dibeli) dari item rekomendasi. Bila
pencarian
berhasil
maka
list
data
item
recommendation akan ditampilkan.
4.2.1.5
Sequence Diagram
1. Sequence Diagram Use Case Login
Acces Control
Management
GUI Login
Admin /
Manager
db_tb_user
1: [Masuk ke Form Login]
2: [kirim]
menampilkan form login
3: [Input Username
Password]
4: [kirim]
username & password
5: [kirim]
username & password
6: [cek]
username,password dan role
8: [kirim]
username, password salah
11: [kirim]
menampilkan halaman utama
10: [kirim]
tampilkan halaman utama
7: [kirim]
username, password salah
9: [kirim]
username, password benar
95
Gambar 4.14 Sequence Diagram Use Case Login
1. Actor menginisiasi login method dengan
menekan tombol form login di halaman
utama.
2. Tampilan akan menampilkan form login.
3. Aktor melakukan inisiasi sequence dengan
memanggil
method
memasukkan
(username & password).
4. Tampilan akan mengirimkan username
dan password ke control manajemen login.
5. Kiriman
username
dan
password
diteruskan ke objek.
6. Control akan melakukan cek username
dan password ()
7. Jika username dan password salah, maka
control akan mengirimkan pesan salah
username dan password ke tampilan.
8. Tampilan akan menampilkan pesan salah
kepada aktor.
9. Jika username dan password benar, maka
control akan mengirimkan kepada objek.
96
Objek akan mengirimkan pesan berhasil ke
control.
10. Control meneruskan pesan berhasil ke
tampilan.
11. Tampilan akan menampilkan halaman
utama ke pada aktor.
2. Sequence Diagram Use Case Logout
Admin /
Manager
Acces Control
Management
db_tb_user
1: [Pilih Menu Logout]
2: [cek]
session
3: [kirim]
username & password
5: [kirim]
tampilkan halaman utama
4: [kirim]
session destroy
Gambar 4.15 Sequence Diagram Use Case Logout
1. Actor menginisiasi Logout method dengan
menekan tombol logout.
2. Method
Acces
pengecekan session.
Control
melakukan
97
3. Method Acces Control akan mengirimkan
username
dan
password
ke
objek
database.
4. Objek
database
mengirimkan
session
destroy.
5. Method
Acces
Control
menginisiasi
tampilan halaman utama. Aktor akan di
alihkan ke halaman utama.
3. Sequence
Diagram
Use
Case
Data
Products
Data
Management
GUI : Page Data
products
Admin
db_tb_products
1: [Pilih Page Data]
2: [Tampilkan]
Page Data
3: [Kirim]
Input Data
alternatif flow
4: [Kirim]
Data Paramater
5: [Kirim]
Modify Parameter
6: [Kirim]
Delete Parameter
alternatif flow
12: [Kirim]
Tampilkan data
8: [Notifikasi]
kesalahan Parameter
11: [Kirim]
List Data
7: [cek]
Validasi Parameter
9: [Kirim]
Query Data
10: [Kirim]
Notif. Query data
98
Gambar 4.16 Sequence Diagram Use Case Data
Products
1.
Actor menginisiasi Use Case Data Products
dengan menekan tombol page data products.
2.
Page data products di tampilkan ke actor.
3.
Input data dikirim ke objek control data
page.
4.
Parameter yang telah dikirim di berikan ke
objek control data management. Flow untuk
input data.
5.
Sequence ini adalah alternatif flow untuk
update data.
6.
Sequence ini adalah alternatif flow untuk
delete data.
7.
Objek control data management melakukan
pengecekan
terhadap
parameter
yang
diterima.
8.
Bila ada kesalahan akan di kirimkan oleh
control data management ke objek page
data.
9.
Objek
control
data
management
mengirimkan query data.
10. Objek database mengirimkan notifikasi.
99
11. Objek
control
data
management
mengirimkan list data ke objek page data.
12. Objek page data menampilkan data kepada
actor.
4. Sequence
Diagram
Use
Case
Data
Brands
Data
Management
GUI : Page Data
Brands
Admin
db_tb_Brands
1: [Pilih Page Data]
2: [Tampilkan]
Page Data
3: [Kirim]
Input Data
alternatif flow
4: [Kirim]
Data Paramater
5: [Kirim]
Modify Parameter
6: [Kirim]
Delete Parameter
alternatif flow
12: [Kirim]
Tampilkan data
8: [Notifikasi]
kesalahan Parameter
11: [Kirim]
List Data
7: [cek]
Validasi Parameter
9: [Kirim]
Query Data
10: [Kirim]
Notif. Query data
Gambar 4.17 Sequence Diagram Use Case Data Brands
100
1. Actor menginisiasi Use Case Data Master
Brands dengan menekan tombol page data
Brands.
2. Page data Brands di tampilkan ke actor.
3. Input data dikirim ke objek control data
page.
4. Parameter yang telah dikirim di berikan
ke objek control data management. Flow
untuk input data.
5. Sequence ini adalah alternatif flow untuk
update data.
6. Sequence ini adalah alternatif flow untuk
delete data.
7. Objek
control
melakukan
data
pengecekan
management
terhadap
parameter yang diterima.
8. Bila ada kesalahan akan di kirimkan oleh
control data management ke objek page
data.
9. Objek
control
data
management
mengirimkan query data.
10. Objek database mengirimkan notifikasi.
101
11. Objek
control
data
management
mengirimkan list data ke objek page data.
12. Objek page data menampilkan data kepada
actor.
5. Sequence
Diagram
Use
Case
Data
Category
Data
Management
GUI : Page Data
Category
Admin
db_tb_category
1: [Pilih Page Data]
2: [Tampilkan]
Page Data
3: [Kirim]
Input Data
alternatif flow
4: [Kirim]
Data Paramater
5: [Kirim]
Modify Parameter
6: [Kirim]
Delete Parameter
alternatif flow
12: [Kirim]
Tampilkan data
8: [Notifikasi]
kesalahan Parameter
11: [Kirim]
List Data
7: [cek]
Validasi Parameter
9: [Kirim]
Query Data
10: [Kirim]
Notif. Query data
102
Gambar 4.18 Sequence Diagram Use Case Data
Category
1. Actor menginisiasi Use Case Data Master
Category dengan menekan tombol page
data Category.
2. Page data Category di tampilkan ke actor.
3. Input data dikirim ke objek control data
page.
4. Parameter yang telah dikirim di berikan
ke objek control data management. Flow
untuk input data.
5. Sequence ini adalah alternatif flow untuk
update data.
6. Sequence ini adalah alternatif flow untuk
delete data.
7. Objek
control
melakukan
data
pengecekan
management
terhadap
parameter yang diterima.
8. Bila ada kesalahan akan di kirimkan oleh
control data management ke objek page
data.
103
9. Objek
control
data
management
mengirimkan query data.
10. Objek database mengirimkan notifikasi.
11. Objek
control
data
management
mengirimkan list data ke objek page data.
12. Objek page data menampilkan data kepada
actor.
6. Sequence Diagram Data Type
104
Data
Management
GUI : Page Data
Type
Admin
db_tb_Type
1: [Pilih Page Data]
2: [Tampilkan]
Page Data
3: [Kirim]
Input Data
4: [Kirim]
Data Paramater
5: [Kirim]
Modify Parameter
alternatif flow
6: [Kirim]
Delete Parameter
alternatif flow
8: [Notifikasi]
kesalahan Parameter
11: [Kirim]
List Data
12: [Kirim]
Tampilkan data
7: [cek]
Validasi Parameter
9: [Kirim]
Query Data
10: [Kirim]
Notif. Query data
Gambar 4.19 Sequence Diagram Data Type
1. Actor menginisiasi Use Case Data Type
dengan menekan tombol page data Type.
2. Page data Type di tampilkan ke actor.
3. Input data dikirim ke objek control data
page.
4. Parameter yang telah dikirim di berikan
ke objek control data management. Flow
untuk input data.
5. Sequence ini adalah alternatif flow untuk
update data.
105
6. Sequence ini adalah alternatif flow untuk
delete data.
7. Objek
control
melakukan
data
management
pengecekan
terhadap
parameter yang diterima.
8. Bila ada kesalahan akan di kirimkan oleh
control data management ke objek page
data.
9. Objek
control
data
management
mengirimkan query data.
10. Objek database mengirimkan notifikasi.
11. Objek
control
data
management
mengirimkan list data ke objek page data.
12. Objek page data menampilkan data kepada
actor.
7.
Sequence Diagram Transaksi
106
Data
Management
GUI : Page Data
Transaction
Admin
db_tb_transaction
1: [Pilih Page Data]
2: [Tampilkan]
Page Data
3: [Kirim]
Input Data
4: [Kirim]
Data Paramater
5: [Kirim]
Modify Parameter
alternatif flow
6: [Kirim]
Delete Parameter
alternatif flow
8: [Notifikasi]
kesalahan Parameter
9: [Kirim]
Query Data
10: [Kirim]
Notif. Query data
11: [Kirim]
List Data
12: [Kirim]
Tampilkan data
7: [cek]
Validasi Parameter
Gambar 4.20 Sequence Diagram Transaksi
1. Actor
menginisiasi
Use
Case
Data
Transaksi dengan menekan tombol page
data Transaksi.
2. Page data Transaksi di tampilkan ke
actor.
3. Input data dikirim ke objek control data
page.
4. Parameter yang telah dikirim di berikan
ke objek control data management. Flow
untuk input data.
107
5. Sequence ini adalah alternatif flow untuk
update data.
6. Sequence ini adalah alternatif flow untuk
delete data.
7. Objek
control
melakukan
data
pengecekan
management
terhadap
parameter yang diterima.
8. Bila ada kesalahan akan di kirimkan oleh
control data management ke objek page
data.
9. Objek
control
data
management
mengirimkan query data.
10. Objek database mengirimkan notifikasi.
11. Objek
control
data
management
mengirimkan list data ke objek page data.
12. Objek page data menampilkan data kepada
actor.
108
8.
Sequence Diagram Use Case Laporan
GUI : Page Data
Laporan
Manager
Control
Laporan
db_tb_transactions
1: [Pilih Page Data]
2: [Tampilkan]
Page Data
3: [Kirim]
Pilih Jenis Laporan
4: [Kirim]
Data Paramater Laporan
6: [cek] Eksekusi
Query
5: [Kirim]
Query Data
7: [Kirim]
Tampilkan Data laporan
8: [Kirim]
Pilih Aksi
10: [cek]
cek aksi
9: [Kirim]
Parameter Aksi
11: [Kirim]
Cetak Data Laporan
12: [Kirim]
Simpan Laporan
alternatif flow
Gambar 4.21 Sequence Diagram Use Case Laporan
1. Actor menginisiasi Use Case Laporan
dengan memilih page Laporan.
2. Page laporan di tampilkan ke actor.
3. Actor memilih jenis laporan.
4. Parameter yang telah dikirim di berikan
ke objek control laporan.
5. Objek control laporan mengirimkan query
data ke objek database.
6. Objek
database
melakukan cek
dan
eksekusi query data yang dikirimkan oleh
objek control Laporan.
109
7. Objek
database
mengirimkan
hasil
eksekusi ke actor.
8. Actor memilih pilihan aksi (simpan atau
cetak).
9. Objek
control
laporan
mengirimkan
parameter pilihan aksi.
10. Objek control laporan melakukan cek
parameter aksi.
11. Objek control laporan mengirimkan hasil
aksi cetak data.
12. Objek control laporan mengirimkan hasil
aksi simpan data laporan. (alternative
flow)
9. Sequence Diagram Use Case Search Item
110
Page Data
Validasi Data
db_tb_transactions
Admin / Manager
2: [Cek]
Page Data yang dipilih
1: [Pilih Page Data]
3: [Tampilkan Page Data]
4: [Kirim]
Input Keyword
5: [kirim]
Query Data
6: [Eksekusi]
Query Data
7: [Notifikasi]
Tampilkan Data
Gambar 4.22 Sequence Diagram Search Item
1. Actor
menginisiasi
sequence
dengan
melakukan pilih page data.
2. Method melakukan pengecekan page data.
3. Mengirim tampilan page data.
4. Method mengirimkan inputan keyword.
5. Method validasi data mengirimkan query data.
6. Method melakukan eksekusi terhadap query
data yang dikirimkan.
7. Method menampilkan hasil query ke page
data.
4.2.1.6
State Chart Diagram
111
Diagram ini menggambarkan state apa saja
yang dimiliki sebuah objek, menyebabkan dari
state mana sebuah objek dapat berpindah ke
state lain. Diagram ini juga mengidentifikasi
state awal dan akhir, jalur dari transisi state,
pemicu yang menyebabkan objek meninggalkan
suatu state tertentu.
1. State Chart Diagram Login
Form Login
tampil
Username
Password
Salah
Memasukan Username
dan Password
Username Password Benar
Halaman
Utama
Gambar 4.23 State Chart Diagram Login
Gambar 4.23 statechart login, state awal dimulai
dengan tampil form login. Kemudian aktor yang
terkait memasukkan username dan password, jika
112
username atau password salah maka sistem akan
menampilkan pesan salah. Jika username dan
password benar maka sistem akan menampilkan
halaman utama. Bila tidak ada proses, maka state
berakhir.
2. State Chart Diagram Logout
klik menu
logout
batal
session destroy
sukses
Halaman
Utama
Gambar 4.24 State Chart Diagram Logout
Gambar 4.24 statechart logout, state awal dimulai
dengan actor menekan tombol logout. Pengecekan
session di lakukan. Jika tidak valid maka batal
untuk melakukan logout. Jika valid maka session
113
sukses di destroy. Maka sistem akan menampilkan
halaman utama. Bila tidak ada proses, maka state
berakhir.
3. State Chart Diagram Data Products
Login ke dalam
Sistem
Halaman Utama
Ditampilkan
Memilih Page Data
Form Data Products
Memilih Aksi
Memilih
Memasukan data
Memilih
Mengubah Data
Memilih
Menghapus Data
Aksi terpilih
data disimpan dan
ditampilkan
menyimpan data
Proses Manajemen
Data
Gambar 4.25 State Chart Diagram Data Products
Gambar 4.25 State Chart Diagram Data Products,
state awal dimulai dengan actor memasuki sistem.
Dan kemudian memilih page data yang di
inginkan. Dalam hal ini page data products,
setelah itu actor memilih untuk melakukan aksi
yang telah disediakan yaitu memasukan data,
mengubah data, menghapus data. Aksi yang
dipilih kemudian di eksekusi dalam proses
manajemen data dan hasilnya ditampilkan kepada
114
actor. Bila tidak ada proses atau data sudah
tersimpan, maka state berakhir.
4. State Chart Diagram Data Brands
Login ke dalam
Sistem
Halaman Utama
Ditampilkan
Memilih Page Data
Form Data Brands
Memilih Aksi
Memilih
Memasukan data
Memilih
Mengubah Data
Memilih
Menghapus Data
Aksi terpilih
data disimpan dan
ditampilkan
menyimpan data
Proses Manajemen
Data
Gambar 4.26 State Chart Diagram Data Brands
Gambar 4.26 State Chart Diagram Data Brands,
state awal dimulai dengan actor memasuki sistem.
Dan kemudian memilih page data yang di
inginkan. Dalam hal ini page data Brands, setelah
itu actor memilih untuk melakukan aksi yang
telah
disediakan
yaitu
memasukan
data,
mengubah data, menghapus data. Aksi yang
dipilih kemudian di di eksekusi dalam proses
manajemen data dan hasilnya ditampilkan kepada
actor. Bila tidak ada proses atau data sudah
tersimpan, maka state berakhir.
115
5. State Chart Diagram Data Category
Login ke dalam
Sistem
Halaman Utama
Ditampilkan
Memilih Page Data
Form Data Category
Memilih Aksi
Memilih
Memasukan data
Memilih
Mengubah Data
Memilih
Menghapus Data
Aksi terpilih
data disimpan dan
ditampilkan
menyimpan data
Proses Manajemen
Data
Gambar 4.27 State Chart Diagram Data Category
Gambar
4.27
State
Chart
Diagram
Data
Category, state awal dimulai dengan actor
memasuki sistem. Dan kemudian memilih page
data yang di inginkan. Dalam hal ini page data
Category, setelah itu actor memilih untuk
melakukan aksi yang telah disediakan yaitu
memasukan data, mengubah data, menghapus
data. Aksi yang dipilih kemudian di eksekusi
dalam proses manajemen data dan hasilnya
ditampilkan kepada actor. Bila tidak ada proses
atau data sudah tersimpan, maka state berakhir.
6. State Chart Diagram Data Master Type
116
Login ke dalam
Sistem
Halaman Utama
Ditampilkan
Memilih Page Data
Form Data Type
Memilih Aksi
Memilih
Memasukan data
Memilih
Mengubah Data
Memilih
Menghapus Data
Aksi terpilih
data disimpan dan
ditampilkan
menyimpan data
Proses Manajemen
Data
Gambar 4.28 State Chart Diagram Data Type
Gambar 4.28 State Chart Diagram Data Type,
state awal dimulai dengan actor memasuki sistem.
Dan kemudian memilih page data yang di
inginkan. Dalam hal ini page data Type, setelah
itu actor memilih untuk melakukan aksi yang
telah
disediakan
yaitu
memasukan
data,
mengubah data, menghapus data. Aksi yang
dipilih kemudian di eksekusi dalam proses
manajemen data dan hasilnya ditampilkan kepada
actor. Bila tidak ada proses atau data sudah
tersimpan, maka state berakhir.
7. State Chart Diagram Data Transaksi
117
Login ke dalam
Sistem
Halaman Utama
Ditampilkan
Memilih Page Data
Form Data Transaksi
Memilih Aksi
Memilih
Memasukan data
Memilih
Mengubah Data
Memilih
Menghapus Data
Aksi terpilih
data disimpan dan
ditampilkan
menyimpan data
Proses Manajemen
Data
Gambar 4.29 State Chart Diagram Data Transaksi
Gambar
4.29
State
Chart
Diagram
Data
Transaksi, state awal dimulai dengan actor
memasuki sistem. Dan kemudian memilih page
data yang di inginkan. Dalam hal ini page data
Transaksi, setelah itu actor memilih untuk
melakukan aksi yang telah disediakan yaitu
memasukan data, mengubah data, menghapus
data. Aksi yang dipilih kemudian di eksekusi
dalam proses manajemen data dan hasilnya
ditampilkan kepada actor. Bila tidak ada proses
atau data sudah tersimpan, maka state berakhir.
8. State Chart Diagram Laporan
118
Login ke dalam
Sistem
Halaman Manager
Ditampilkan
Memilih Page Data
Form Laporan
Memilih Aksi
Simpan Laporan
Cetak Laporan
Aksi terpilih
Laporan Dicetak /
Disimpan
Gambar 4.30 State Chart Diagram Laporan
Gambar 4.30 State Chart Diagram Laporan, state
awal dimulai dengan actor memasuki sistem. Dan
kemudian memilih page laporan. Setelah itu actor
memilih untuk melakukan aksi yang telah
disediakan yaitu simpan laporan atau mencetak
laporan. Aksi yang dipilih kemudian di eksekusi.
Hasilnya ditampilkan kepada actor. Bila tidak ada
proses lagi, maka state berakhir.
9. State Chart Diagram Search Item
Pilih Halaman
Pencarian
Halaman Pencarian
Ditampilkan
Input Keyword
Klik Search
List Data
Tampil
Data
ditampilkan
Gambar 4.31 State Chart Diagram Search Item
Proses
Pencarian
119
Gambar 4.31 State Chart Diagram Search Item,
state awal dimulai dengan memilih halaman
pencarian. Setelah itu halaman pencarian di
tampilkan
dan
actor
memasukan
keyword
pencarian, dilanjutkan dengan menekan tombol
search. Aksi ini akan di eksekusi Hasilnya
ditampilkan kepada actor dalam bentuk list data.
Bila tidak ada proses lagi, maka state berakhir.
4.3
Desain Basis Data
4.3.1 Identifikasi Objek.
Sebelum melakukan permodelan class diagram,
maka perlu dilakukannya identifikasi objek-objek yang
ada dalam ruang lingkup penelitian ini. Objek – objek
yang ada adalah sebagai berikut:
Tabel 4.11 Daftar Objek
Brand
Idb
code_brand
brand_name
Type
code_type
type_name
code_category
Category
120
code_category
category_name
Products
article_code
article_name
Colour
Sex
Transactions
Idtrans
Notrans
Tanggal
code_brand
article_code
article_name
Size
code_category
code_type
Colour
Qty
Price
User
Iduser
Username
Password
Role
Dari
daftar
objek
potensial
yang
sudah
teridentifikasi, maka peneliti menyeleksi objek yang akan
diusulkan, sebagai berikut :
Tabel 4.12 Analisis Daftar Obyek
Objek Potensial
Alasan
Brand
√
Master brand
Idb
X
Atribut brand
code_brand
X
Atribut brand
brand_name
X
Atribut brand
Type
√
Master type
code_type
X
Atribut type
121
type_name
X
Atribut type
code_category
X
Atribut type
Category
√
Master category
code_category
X
Atribut category
category_name
X
Atribut category
Products
√
Master products
article_code
X
Atribut products
article_name
X
Atribut products
Colour
X
Atribut products
Sex
X
Atribut products
Transactions
√
Master transactions
Idtrans
X
Atribut transactions
Notrans
X
Atribut transactions
Tanggal
X
Atribut transactions
code_brand
X
Atribut transactions
article_code
X
Atribut transactions
article_name
X
Atribut transactions
Size
X
Atribut transactions
code_category
X
Atribut transactions
code_type
X
Atribut transactions
Colour
X
Atribut transactions
Qty
X
Atribut transactions
Price
X
Atribut transactions
User
√
Master user
Iduser
X
Atribut user
Username
X
Atribut user
Password
X
Atribut user
Role
X
Atribut user
Setelah
daftar
objek
ditentukan,
kemudian
ditentukan kandidat class dengan cara menganalisa objek
tersebut.
Dapat
ditentukan
kandidat
class
dengan
menentukan objek dan attribut tersebut. Masing-masing
attribut objek tidak dimasukkan ke dalam kandidat class.
Dari hasil analisa di atas maka akan ditemukan class
122
penelitian ini, class-class tersebut dijabarkan dalam tabel
dibawah ini.
Tabel 4.13 Daftar class yang Diusulkan
Nama Class
Brand
Type
Category
products
Transactions
User
4.3.2 Perancangan Class Diagram
Class diagram ini merupakan representasi dari
tabel-tabel yang ada di database. Pada class diagram
dalam penelitian ini enam class utama dengan lima
class
yang
saling
berhubungan,
yaitu
class
Transactions, Category, Products, Brands, Type,
dan
User.
Dalam
implementasinya,
class
Transactions, Category, User, Products, Brands,
Type dan User itu disebut dengan entity yang
tersimpan pada database.
123
Gambar 4.32 Class Diagram
Pada gambar 4.32 permodelan class diagram menjelaskan
keterhubungan antara class yang terdapat pada penelitian ini.
Class diagram memiliki lima (5) class, yaitu : product, brand,
type, category, transactions.

Antara class category dan type memiliki keterhubungan
asosiasi one to many, yaitu satu category mempunyai
banyak type.

Antara
class
category
dan
transactions
memiliki
keterhubungan composite one to many, yaitu satu category
124
terdapat di minimal satu transactions dan maksimal
banyak transactions.

Antara class type dan category memiliki keterhubungan
asosiasi one to one, yaitu satu type hanya bisa di punyai
oleh satu category.

Antara class type dan products memiliki keterhubungan
asosiasi one to many, yaitu satu type bisa berada di
banyak products.

Antara
class
type
dan
transactions
memiliki
keterhubungan composite one to many, yaitu satu type
terdapat di minimal satu transactions dan maksimal
banyak transactions.

Antara
class
brands
dan
products
memiliki
keterhubungan asosiasi one to many, yaitu satu brands
bisa berada di banyak products.

Antara
class
brands
dan
transactions
memiliki
keterhubungan composite one to many, yaitu satu brands
terdapat di minimal satu transactions dan maksimal
banyak transactions.
125

Antara
class
products
dan
brands
memiliki
keterhubungan asosiasi one to many, yaitu satu brands
bisa berada di banyak transactions.

Antara class products dan type memiliki keterhubungan
asosiasi one to many, yaitu satu products bisa berada di
banyak type.

Antara
class
products
dan
transactions
memiliki
keterhubungan composite one to many, yaitu satu
products terdapat di minimal satu transactions dan
maksimal banyak transactions.
4.3.3 Struktur Data
Untuk
perancangan
database,
penulis
menggunakan enam table yaitu tb_product,
tb_brand, tb_type, tb_category, tb_transactions.
Tabel ini adalah tabel yang didapatkan setelah
menganalisis
data
transaksi
Tendencies Store.
1. Tabel tb_brand.
a.
b.
c.
d.
File name
File type
Primary Key
Foreign Key
: tb_brand
: Master
: code_brand
: -
penjualan
126
Tabel 4.14 Tabel Database tb_brand
No
Name
Type
Size
Int
4
1.
Idb
2.
code_brand
varchar
5
3.
brand_name
varchar
40
2. Tabel tb_type.
a.
b.
c.
d.
File name
File type
Primary Key
Foreign Key
: tb_type
: Master
: code_type
: code_category
Tabel 4.15 Tabel Database tb_type
No
Name
Type
Size
1.
code_type
int
4
2.
type_name
Varchar
30
3.
code_category
int
4
3. Tabel tb_ categories.
a.
b.
c.
d.
File name
File type
Primary Key
Foreign Key
: tb_ categories
: Master
: code_ category
: -
Tabel 4.16 Tabel Database tb_categories
No
Name
Type
Size
1.
code_category
int
4
2.
category_name
varchar
30
4. Tabel tb_ product.
a. File name
: tb_ product
127
b. File type
c. Primary Key
d. Foreign Key
: Master
: article_code
: -
Tabel 4.17 Tabel Database tb_product
No
Name
Type
Size
1.
article_code
varchar
20
2.
article_name
varchar
40
3.
Colour
varchar
10
4.
Sex
varchar
1
5.
code_brand
varchar
5
6.
code_type
int
4
5. Tabel tb_ transactions.
a. File name
b. File type
c. Primary Key
d. Foreign Key
: tb_ transactions
: transaksi
: notrans
: code_category, code_type,
article_code, code_brand
Tabel 4.18 Tabel Database tb_transactions
No
Name
Type
Size
1.
Idtrans
int
4
2.
Notrans
varchar
25
3.
Tanggal
Date
4..
code_brand
varchar
5
5.
article_code
varchar
20
6.
article_name
varchar
40
7.
Size
varchar
3
8.
code_category
int
4
9.
code_type
int
4
10.
Colour
varchar
10
128
11.
Qty
int
4
12.
Price
money
4
.
4.4
Desain Antar Muka (User Interface)
Rancangan tampilan user interface web cross-sell application
dapat dilihat pada gambar-gambar dibawah ini:
4.4.1 Halaman Admin
a. Halaman Login Untuk Admin dan Manajer
Logo
Username
Password
Login
Gambar 4.33 Desain Antar Muka Halaman Login
b. Halaman Data Master Category
129
Logo
Transcations
Header
| Category | Type | Brands | Products
Code Category
Sub Menu
Save
Cancel
Categoory Name
Footer
Gambar 4.34 Desain Antar Muka Halaman Data Master Category
c. Halaman Data Master Type
Logo
Transcations
Header
| Category | Type | Brands | Products
Code Category
V
Sub Menu
Save
Cancel
Code Type
Type Name
Footer
Gambar 4.35 Desain Antar Muka Halaman Data Master Type
d. Halaman Data Master Brands
130
Logo
Transcations
Header
| Category | Type | Brands | Products
Code Brand
Sub Menu
Add
Cancel
Brand Name
Footer
Gambar 4.36 Desain Antar Muka Halaman Data Master Brands
e. Halaman Data Master Products
Logo
Transcations
Header
| Category | Type | Brands | Products
Article Code
Sub Menu
Add
Cancel
Article Name
Colour
Footer
Gambar 4.37 Desain Antar Muka Halaman Data Master Products
f. Halaman Data Master User
131
Logo
Header
Transcations
| Category | Type | Brands | Products
Sub Menu
username
Add
Cancel
password
Role
Footer
Gambar 4.38 Desain Antar Muka Halaman Data Master User
g. Halaman Transaksi
Logo
Transcations
Header
| Category | Type | Brands | Products
Sub Menu
Article code
Type
Shoppinh cart
category
Price
Add
Cancel
Footer
Gambar 4.39 Desain Antar Muka Halaman Data Transaksi
i. Halaman About Me
Untuk admin dan Manajer
132
Logo
Header
Tentang Aplikasi
About Me
Thanks to
My Photo
Content
Footer
Gambar 4.40 Desain Antar Muka About Me
4.4.2 Halaman Untuk Admin, Manager, Customer
Halaman Pencarian Data Item Recomendation
Logo
Header
Accescories
Banner
Bags
Wallet
Short Pants
Pants
Search
Shoes
Sandal
Dress
List Data Rekomendasi Item
Jacket
Hat
T-Shirt
Sweater
Polo shirt
Cardiga
Banner
Banner
Banner
Footer
Gambar 4.41 Desain Antar Muka Halaman Pencarian Data Item
Recomendation
4.4.2 Halaman Manager
Halaman Manager Dashboard
133
Logo
Header
Navigatiom
Chart 1
Chart2
Chart 3
Graphic
Footer
Gambar 4.42 Desain Antar Muka Halaman Manager Dashboard
4.5
Fase Konstruksi dan Pelaksanaan (Implementation)
4.5.1
Penerapan Tahapan Data Mining
Dalam
penelitian
ini
penulis
menggunakan
software MS-SQL Server 2008 untuk melakukan proses
data mining dengan metode market basket analysis.
Tahapan tahapan tersebut adalah sebagai berikut :
134
4.5.1.1 Pembuatan Database di Sql Server 2008
1. Mengaktifkan Service Database Engine dan
Analysis
Service
pada
Configuration
Manager dengan klik Start  All Program
 SQL Server 2008  Configuration Tools 
SQL Server Configuration Manager. Seperti
terlihat pada gambar 4.43 berikut :
Gambar 4.43 Manajemen Konfigurasi Sql Server
Yang harus diaktifkan atau dijalankan adalah servis Sql
Server (untuk menjalankan database Sql Server) dan Sql Server
Analysis Services (untuk menjalankan servis data mining)
2. Koneksi ke Database dengan klik Start  All
Program  SQL Server 2008 SQL Server
Management Studio, kemudian pada server
135
type pilih Database Engine. Seperti terlihat
pada gambar 4.44
Gambar 4.44 Koneksi ke Basis Data
Dalam melakukan koneksi ke dalam database
yang harus di perhatikan adalah server name.
Server name ini bisa diisi dengan localhost atau .
apabila database yang diakases ada di komputer
lokal. Bisa juga dengan menggunakan Ip address
apabila database yang ingin diakses ada di
komputer lain dalam suatu jaringan.
3. Untuk membuat database hal yang harus
dilakukan adalah pilih folder database pada
136
pilihan
tree
di
window
sebelah
kiri.
Kemudian klik kanan pada folder tersebut
dan pilih new database.
Gambar 4.45 Tree View dari skema Sql Server 2008
4. Akan muncul window seperti di bawah ini,
kita cukup memasukan nama dari database
yang akan digunakan dan menekan tombol
ok.
137
Gambar 4.46 Pembuatan Basis Data
Apabila langkah tersebut telah sukses maka
berlanjut ke pada proses data mining yang
mengacu kepada tahapan data mining yang
telah disebutkan di bab II.
4.5.1.2 Pembersihan data (data cleaning)
Proses
Pertama
yang
dilakukan
adalah
Pembersihan Data. Hal ini dilakukan dengan
cara membersihkan dan mengklasifikasikan
data-data apa saja yang ada di dalam data
sumber. Dalam penelitian ini data sumber yang
138
di pakai adalah transaksi penjualan dari
Tendencies Store yang berbentuk file excel.
Gambar 4.47 Data Awal Transaksi Penjualan Tendencies Store
Data tersebut di lakukan pembersihan dan
pengklasifikasian data sehingga menjadi 5 tabel
yang akan digunakan dalam aplikasi data
mining Tendencies Store.
139
Gambar 4.48 Pembersihan dan Pengklasifikasian Data
Transaksi
Dari data sumber awal gambar 4.47 dilakukan pembersihan
dan pengklasifikasian data dengan cara merubahnya kedalam
bentuk data seperti yang ada di gambar 4.48 sehingga lebih
mudah
untuk
melakukan
tahapan
selajutnya.
Adapun
klasifikasi data dipisahkan berdasarkan tabel yang di bagi per
sheet excel.
4.5.1.3 Integrasi Data (Data Integration)
Selanjutnya adalah tahapan integrasi data ke dalam
database.
Hal
ini
dilakukan
dengan
cara
mengkonversi file excel tersebut melalui program
140
aplikasi import export data wizard yang sudah ada
di dalam paket Sql Server 2008. Untuk memulainya
tekan start ==> kemudian pilih import export data.
Gambar 4.49 Cara memulai Impor dan Ekspor Data
Selanjutnya maka akan tampil window di bawah ini.
Gambar 4.50 Wizard Impor dan Ekspor Sql Server 2008
141
Tekan
tombol
next
untuk
melanjutkan,
sehingga akan keluar seperti gambar di bawah
ini.
Gambar 4.51 Proses Pemilihan Data Sumber
Pada pilihan Data Source pilih Microsoft Excel
karena sumber data yang digunakan adalah
dari file Excel. Kemudian kita harus memasukan
path dari file yang akan digunakan. Tekan
142
browse
kemudian
pilih
data
yang
akan
digunakan. Seperti gambar diatas.
Langkah selanjutnya adalah mendefinisikan
Destination data. Pada pilihan Destination pilih
Sql Server Native Client 10.0 dan kemudian
Server Name localhost yang di representasikan
dengan ( . ) . Pilihan database kita memilih
database yang akan digunakan. Tekan Next
untuk melanjutkan prosesnya.
Gambar 4.52 Proses Pemilihan Data Destination
143
Proses selanjutnya kita cukup tekan next
apabila kita ingin langsung mengkonversi data
excel tersebut, tanpa melakukan penambahan
query lainnya.
Gambar 4.53 Proses Pemilihan Atribut Pengkopian Data
Selanjutnya akan tampil window di seperti
dibawah, pada proses ini tersebut yang harus
dilakukan adalah memilih tabel mana saja yang
akan di konversi dan kemudian mendefiniskan
nama dari tabel tersebut. Kemudian tekan next.
144
Gambar 4.54 Proses pemilihan source table and view
Setelah tombol Next di tekan maka akan tampil
window di bawah ini, pada tahapan ini
merupakan pemilihan apakah proses-proses
tersebut akan di save atau tidak. apabila kita
menekan next maka akan tampil window
summary dari data yang akan di konversi.
Seperti yang terlihat pada gambar 4.55 tekan
finish maka proses konversi akan dieksekusi.
145
Gambar 4.55 Proses Penyimpanan Langkah-langkah Impor
dan Ekspor
Gambar 4.56 Proses Penyelesaian Impor dan Ekspor Data
146
4.5.1.4 Seleksi data (Data Selection)
Dalam tahapan seleksi data yang dilakukan adalah
memilih data source (sumber data) yang akan
dilakukan pengolahan data mining. Langkah yang
harus dilakukan adalah membuat aplikasi data
mining dengan memakai sql server sebagai pengolah
datanya. Dilakukan dengan cara dibawah ini.
1. Buka
SQL
Server
Business
Intelligence
Development dengan Start  All Program 
SQL Server 2008  SQL Server Business
Intelligence
Development
2008.
Seperti
terlihat pada gambar 4.57.
Gambar 4.57 SQL Server Business Intelligence Development
147
2. Setelah IDE visual studio untuk pembuatan data
mining terbuka kita mulai untuk membuat
Project baru dengan klik File  New  Project,
kemudian pilih Analysis Service Project. Seperti
terlihat pada gambar 4.58 berikut :
Gambar 4.58 Proses Pembuatan Proyek Analysis Service baru
Gambar diatas menjelaskan proses pembuatan project
analysis service baru yang akan dipakai untuk melakukan
pengolahan data mining setelah memasukan nama dari
project tersebut maka kita diminta untuk mendefinisikan
lokasi dimana project tersebut akan disimpan.
148
3. Setelah project berhasil dibuat maka yang harus
dilakukan adalah melakukan
seleksi data
source dengan cara klik New Data Source 
pilih Next  dan tentukan koneksi yang akan
digunakan.
Gambar 4.59 Proses Pembuatan Data Source
149
Gambar 4.60 Proses Pemilihan Data Source untuk Koneksi Data
Mining
Gambar
diatas
menerangkan
data
source
diatas
menggunakan server lokal (.) dengan nama database yang
dipakai
(initial
catalog)
TendenciesDM.
Jika
ingin
melakukan pembuatan baru Koneksi yang dipakai bisa
dengan cara mengklik tombol New dan akan keluar
window seperti di gambar 4.61 di window tersebut kita di
minta untuk mendefinisikan server name, authentication
serta database yang dipakai.
150
Gamba
r 4.61
Manajemen Koneksi Basis Data
Gambar 4.62 Impersonation Information
151
Gambar 4.62 mendefinisikan data source hanya bisa dipakai
oleh account dari analysis service dengan username dan
password seperti diatas.
Gambar 4.63 Proses Penyelesaian Pembuatan Data Source
4.5.1.5 Transformasi Data (Data Transformation)
Tahapan transformasi data adalah tahapan dimana
data yang akan diolah dengan data mining di
tranformasikan kedalam bentuk data yang dapat
dimengerti oleh server data mining oleh karena itu
kita diharuskan untuk membuat data source view.
Dilakukan dengan cara sebagai berikut
1. Membuat Data Source View dengan klik
New Data Source  pilih Next  dan
152
tentukan koneksi yang akan digunakan
pilih table yang akan digunakan.
Gambar 4.64 Proses Pembuatan Data Source View
153
Gambar 4.65 Proses Pemilihan Data Source untuk Data Source View
Gambar 4.66 Proses Pemilihan Relasi Primary Key
154
Gambar diatas menerangkan relasi dari data yang akan
dipakai (relasi antar tabel berdasarkan primary key dan
foreign key)
Gambar 4.67 Proses Pemilihan Table dan View
Di dalam gambar 4.67 menerangkan tabel apa saja yang
digunakan didalam aplikasi data mining ini.
155
Gambar 4.68 Proses Penyelesaian Pembuatan Data Source View
4.5.1.6 Proses Data Mining
Tahapan Proses Data mining merupakan tahapan
pengolahan data dengan metode data mining yang
ditentukan oleh peneliti, metode data mining yang
dipakai adalah association rule. Hal yang harus
dilakukan dalam tahapan ini adalah membua mining
structure dan mining model. Dapat dilakukan dengan
cara sebagai berikut :
1. Membuat Mining Structure, tahap ini akan
dibangun mining structure dan mining model
156
menggunakan
teknik
association
rules.
Caranya klik kanan pada tree menu di
window sebelah kanan kemudian pilih new
mining structure. Maka akan keluar window
seperti di bawah ini. Cukup klik next untuk
memulai membuat mining structures.
Gambar 4.69 Proses Pembuatan Data Mining
2. Setelah itu kita akan diminta untuk
mendefinisikan mining structure beserta
157
relasi table yang akan dipakai. Pilihlah
from existing relational database or data
warehouse untuk memakai data yang
sudah di buat sebelumnya.
Gambar 4.70 Proses Pemilihan Struktur Data Mining
3. Tahapan
selanjutnya
yang
harus
adalah
dilakukan
mendefinisikan
158
metode mining model apa yang kan
dipakai. Dalam penelitian ini model
yang dipakai adalah association rules.
Gambar 4.71 Proses Pemilihan Teknik Data Mining
4. Langkah selanjutnya adalah memilih
data source view yang akan dipakai. Data
159
source yang dipakai dalam penelitian ini
adalah TendeciesDM yang telah dibuat
pada tahapan sebelumnya. Disini kita
tinggal memilih data source yang ingin
kita pakai. Seperti gambar berikut ini.
Gambar 4.72 Proses Pemilihan Data Source View
5. Setelah
data
source
di
pilih
maka
selanjutnya kita akan memilih tables yang
akan digunakan secara spesifik, table
160
yang
kan
digunakan
ada
lah
table
transactions, karena di table inilah data
transaksi dari Tendencies Store berada.
Gambar 4.73 Proses Pemilihan Tabel Database
6. Selanjutnya adalah memilih parameter
field apa saja yang akan diolah oleh data
161
mining.
Field
yang
dipilih
adalah
id_category, category_name, no_trans.
Gambar 4.74 Proses Pemilihan Columns Basis Data
Gambar 4.75 Proses Penyelesaian Data Mining
Peneliti memilih parameter category sebagai parameter
yang merepresentasikan item barang di Tendencies
Store. Jika peneliti mengambil parameter lebih detail
(product_name) maka pola keterhubungan antara item
162
barang akan sulit terlihat, dikarenakan terlalu banyak
item yang dipakai dalam pengolahan data mining
sehingga tingkat hubungan per itemnya menjadi tidak
relevan.
7. Selanjutnya pada gambar 4.76 kita di
minta untuk memasukan banyaknya
data yang dipakai dalam pengolahan
data mining. Disini kita memakai 50%
dari total transaksi (total transaksi
dalam
penelitian
ini
adalah
600
transaksi) untuk dilakukan pengolahan
data mining yang dipilih secara random
oleh sistem.
Gambar 4.76 Proses Pembuatan Set Pengujian Data
163
8. Langkah
selanjutnya
adalah
memberikan nama pada mining model
yang akan dipakai oleh aplikasi data
mining Tendecies Store.
Gambar 4.77 Proses Pembuatan Model Data Mining
4.5.1.6.1 Prinsip Kerja Metode Market Basket Analysis
Metode market basket analysis atau disebut
juga dengan metode association rule memiliki dua
tahapan
untuk
menemukan
informasi
(knowledge) dari suatu database. Tahapan pertama
164
adalah menemukan frequent itemset dan tahapan
kedua
adalah
membentuk
aturan
assosiasi
berdasarkan frequent itemset. Pada sub-bab ini
peneliti ingin menjelaskan dan mensimulasikan
prinsip kerja dari market basket analysis. Data
yang dipakai adalah data transaksi Tendencies
Store sebanyak 239 item transaksi (dapat di lihat
pada lampiran B) dan minimum support yang
peneliti tentukan adalah sebesar 5%. Langkah
yang akan dilakukan adalah sebagi berikut.
1. Mencari frequent itemset
Pada tahap ini peneliti mencari kombinasi item
yang memenuhi syarat minimum support dalam database
transaksi Tendencies Store.
Untuk mengetahui nilai support adalah dengan
menghitung frekuensi kemunculan kombinasi itemset
dalam suatu database.
Frekuensi kombinasi dimulai dari 1-itemset sampai
n-itemset. Untuk setiap (n+1)-itemset diperoleh dengan
menggabungkan (n)-itemset yang memenuhi nilai
minimum support. Proses pembentukan kombinasi nitemset terus berulang sampai tidak ada lagi kombinasi
165
n-itemset yang memenuhi nilai minimum support. Rumus
perhitungan minimum support adalah sebagai berikut :
Support( A )  JumlahTransaksiMengandungA X 100%
Jumlah transaksi
Tabel 4.19 Frekuensi Kombinasi 1-Itemset
Kombinasi Item
Frekuensi Item Set
Support
20
29
1
12
8
1
13
5
22
13
4
6
25
27
7
20
114
19
8,36
12,13
0,41
5,02
3,34
0,4
5,4
2,09
9,20
5,43
1,67
2,51
10,46
11,29
2,92
8,36
47,6
7,94
ACCECORIES
BAG
BELT
BLAZER
BOXER
CARDIGAN
DRESS
HAT
JACKET
PANTS
POLO SHIRT
SANDAL
SHIRT
SHOES
SKIRT
SWEATER
TSHIRT
WALLET
Pada tabel 4.19 itemset yang memenuhi syarat minimum
support
5%
adalah
itemset
ACCECORIES,
BAG,
BLAZER, DRESS, PANTS, SHIRT, SHOES, SWEATER,
TSHIRT, WALLET. Itemset tersebut dimasukan sebagai
kandidat 2 itemset.
Tabel 4.20 C1 (kandidat 2-itemset)
166
Kombinasi item
Support
ACCECORIES
8,36
BAG
12,13
BLAZER
5,02
DRESS
5,43
PANTS
5,43
SHIRT
10,46
SHOES
11,29
SWEATER
8,36
TSHIRT
47,69
WALLET
7,94
Pada Tabel 4.20 merupakan tabel kandidat 2 itemset
inilah yang akan digunakan untuk sebagai dasar
pembentuk kombinasi 2 itemset.
Tabel 4.21 Frekuensi Kombinasi 2-Itemset
Kombinasi item
Frekuensi Item Set
Support
BAG, SHIRT
8
3,34
BAG, TSHIRT
2
0,83
BAG, SHOES
0
0
BAG, ACCECORIES
0
0
BAG, BLAZER
4
1,67
BAG, DRESS
0
0
BAG,PANTS
1
0,41
BAG, SWEATER
4
1,67
BAG, WALLET
1
0,41
SHIRT,TSHIRT
3
1,25
SHIRT,SHOES
1
0,41
SHIRT, ACCECORIES
0
0
SHIRT, BLAZER
0
0
SHIRT, DRESS
1
0,41
SHIRT, PANTS
0
0
167
SHIRT, SWEATER
1
0,41
SHIRT, WALLET
2
0,83
TSHIRT, SHOES
12
5,02
TSHIRT, ACCECORIES
5
2,09
TSHIRT, BLAZER
4
1,67
TSHIRT, DRESS
5
2,09
TSHIRT, PANTS
3
1,25
TSHIRT, SWEATER
5
2,09
TSHIRT, WALLET
15
6,27
SHOES, ACCECORIES
2
0,83
SHOES, BLAZER
0
0
SHOES, DRESS
1
0,41
SHOES, PANTS
3
1,25
SHOES, SWEATER
1
0,41
SHOES, WALLET
2
0,83
ACCECORIES, BLAZER
0
0
ACCECORIES, DRESS
2
0,83
ACCECORIES, PANTS
1
0,41
ACCECORIES, SWEATER
0
0
ACCECORIES, WALLET
0
0
BLAZER, DRESS
0
0
BLAZER, PANTS
0
0
BLAZER, SWEATER
1
0,41
BLAZER, WALLET
0
0
DRESS, PANTS
0
0
DRESS, SWEATER
1
0,41
DRESS, WALLET
0
0
PANTS, SWEATER
0
0
PANTS, WALLET
0
0
SWEATER, WALLET
2
0,83
Pada tabel 4.21 itemset yang memenuhi syarat minimum
support 5% adalah itemset TSHIRT , SHOES dan
TSHIRT, WALLET itemset tersebut dimasukan dan
168
dibentuk menjadi kandidat 3 itemset. Seperti yang ada
di tabel 4.22
Tabel 4.22 C2 (kandidat 3-itemset)
Kombinasi item
TSHIRT, SHOES
TSHIRT, WALLET
Support
5,02
6,27
Dikarenakan pada tabel 4.22 kandidat 3 itemset telah
memenuhi minimum support maka sudah langsung
dapat dibentuk menjadi kombinasi 3 itemset seperti
tabel 4.23 dibawah ini.
Tabel 4.23 Frekuensi Kombinasi 3-Itemset
Kombinasi item
TSHIRT, SHOES, WALLET
Dari tabel 4.23 diatas peneliti tidak melakukan
perhitungan minimum support di karenakan itemset
pada kombinasi 3 itemset mengandung kombinasi 2
itemset yang tidak memenuhi minimum support pada
kombinasi 2 itemset dalam hal ini kombinasi {SHOES,
WALLET} oleh karena itu kombinasi 3 itemset dapat
diabaikan.
169
2. Membentuk aturan assosiasi
Setelah semua frequent itemset telah diketahui,
selanjutnya adalah membentuk aturan assosiasi yang
memenuhi nilai confidence. Untuk mengetahui nilai
confidence perhitungannya adalah sebagai berikut :
Confidence : P( A  B) 
Dari
 TransaksiMengandungAdanB X 100%
 TransaksiMengandungA
tahap
pertama
frequent
itemset
yang
dihasilkan adalah sebagai berikut :
{ TSHIRT  SHOES } , { TSHIRT  WALLET }
Nilai confidence dari aturan-aturan tersebut adalah :
Confidence { TSHIRT  SHOES } = 12/114 X 100 % = 10,52 %
Confidence { TSHIRT  WALLET } = 15/114 X 100 % = 13,15 %
Sehingga aturan assosiasi yang dihasilkan dari
tabel 4.22 adalah sebagai berikut :
{ TSHIRT  SHOES } = [Support 5,02%, Confidence 10,52
%]
170
{ TSHIRT  WALLET } = [Support 6,27%, Confidence
13,15%]
Pada aturan { TSHIRT  SHOES } bisa diperoleh
informasi bahwa sebanyak 5,02 % konsumen membeli
t-shirt dan shoes secara bersamaan dan konsumen yang
membeli t-shirt mempunyai kemungkinan 10,52 %
untuk juga membeli shoes. Begitupun dengan aturan {
TSHIRT  WALLET } bisa diperoleh informasi bahwa
sebanyak 6,27 % konsumen membeli t-shirt dan wallet
secara bersamaan dan konsumen yang membeli t-shirt
mempunyai kemungkinan 13,15% untuk juga membeli
wallet.
4.5.1.7 Evaluasi Pola (Pattern Evaluation)
Hasil dari proses pembuatan data mining diatas adalah
mining model dengan nama TbTransactions. Pada
tahapan ini peneliti melakukan evaluasi terhadap pola
yang telah di buat pada tahapan sebelumnya. Untuk
171
melihat hasil atau pola dari mining model tersebut
adalah dengan cara sebagai berikut.
1.
Double click pada mining model yang telah
dibuat diatas sehingga muncul window
seperti dibawah ini:
Gambar 4.78 Hasil proses Pembuatan Mining Model
Pada gambar 4.78 dapat dijelaskan bahwa kotak di tengah
tersebut merupakan representasi dari tabel transaksi yang
telah kita definisikan pada tahapan sebelumnya.
172
2. Untuk melihat hasil itemset data mining pilih tab
mining model viewer dan kemudian pilih tab
itemsets. Kita bisa memilih paramater algoritma
dengan merubah value dari minimum support
dan minimun itemset size.
Gambar 4.79 Contoh Hasil Proses Data Mining Tendencies Store
3. Untuk melihat hasil rules data mining
pilih tab mining model viewer dan
kemudian pilih tab rules. Kita bisa
memilih paramater algoritma dengan
merubah value dari minimum probability.
173
Gambar 4.80 Contoh Hasil rule Data Mining Tendecies Store
Sebagai perusahaan fashion retail maka dapat di pastikan
bahwa tujuan bagi Tendencies Store adalah menjual
sebanyak banyak nya item atau barang yang mereka
miliki untuk mendapatkan keuntungan. Oleh karena itu
biasanya pihak business director (manager) tentu ingin
mengetahui item apa saja yang paling banyak terjual itu
dapat dilihat dengan melakukan cara poin pertama. Hasil
itemset data mining dengan nilai minimum support 25 (dapat
diartikan sebagai minimal jumlah item yang dibeli oleh
174
konsumen di dalam data transaksi adalah 10)
adalah
sebagai berikut :
Gambar 4.81 Hasil 1-itemset Data Mining Tendecies Store
Dari gambar 4.81 diatas dapat dilihat bahwa 5 item yang
mempunyai penjualan terbanyak adalah TSHIRT, SHIRT,
WALLET, BAG, SHOES.
Sedangkan untuk mendapatkan kombinasi itemset apa saja
yang paling banyak dibeli dapat dilihat dengan cara
175
mengubah minimum itemset menjadi 2 hasilnya adalah
sebagai berikut :
Gambar 4.82 Hasil 2-itemset Data Mining Tendecies Store
Dari gambar 4.82 diatas dapat dilihat bahwa terdapat 6
itemset yang mempunyai penjualan terbanyak adalah
{WALLET , TSHIRT},
TSHIRT}, {SHIRT
{BAG , TSHIRT}, {SHOES ,
, TSHIRT}, {PANTS , TSHIRT},
{SWEATER, TSHIRT}.
176
Dari hasil penelusuran dengan menggunakan cara poin kedua
berdasarkan 6 itemset diatas maka dapat disimpulkan sebagai
berikut :
Tabel 4.24 Association Rule Data Mining Tendencies Store
No
Itemset
Support
Confidence
1
{WALLET => TSHIRT}
25
25 / 37 x 100% = 6,8%
2
{BAG => TSHIRT}
14
14 / 36 x 100% = 3,9%
3
{SHOES => TSHIRT}
13
13 / 30 x 100% = 4,3%
4
{SHIRT => TSHIRT}
12
12 / 46 x 100% = 3%
5
{PANTS => TSHIRT}
12
12 / 26 x 100% = 4,6%
6
{SWEATER => TSHIRT}
12
12 / 20 x 100% = 6 %
Dari tabel 4.24 diatas dapat diartikan sebagai berikut
1. kemungkinan konsumen yang membeli WALLET dan juga akan
membeli TSHIRT adalah sebanyak 6,8%
2. kemungkinan konsumen yang membeli BAG dan juga akan
membeli TSHIRT adalah sebanyak 3,9%
3. kemungkinan konsumen yang membeli SHOES dan juga akan
membeli TSHIRT adalah sebanyak 4,3%
4. kemungkinan konsumen yang membeli SHIRT dan juga akan
membeli TSHIRT adalah sebanyak 3%
5. kemungkinan konsumen yang membeli PANTS dan juga akan
membeli TSHIRT adalah sebanyak 4,6%
6. kemungkinan konsumen yang membeli SWEATER dan juga akan
membeli TSHIRT adalah sebanyak 6%
177
4.5.1.8 Implementasi Aplikasi
Istilah cross-sell application dapat diartikan sebagai
upaya untuk menjual produk lain yang dibutuhkan
pelanggan berdasarkan item produk yang ada dalam
keranjang belanjanya. Dalam merancang web cross-sell
application penulis menggunakan software MS-Visual
Visual Studio 2008, meski berbasis web tetapi aplikasi
hanya dijalankan dalam lingkup lokal (localhost).
Gambar 4.83 menampilkan tampilan interface web crosssell application, gambar 4.84 menampilkan tampilan
interface
halaman
administrator,
gambar
4.85
menampilkan interface halaman manajer. Untuk gambar
interface secara lengkap dapat dilihat pada halaman
lampiran
178
Gambar 4.83 Antar Muka Halaman Utama Web Cross-Sell Application
Gambar 4.84 Antar Muka Halaman Administrator
179
Gambar 4.85 Antar Muka Halaman Manager
4.5.1.9 Pengujian Web Cross-Sell Application
Untuk menggunakan web cross-sell application user
harus mengetikkan item produk pada textbox, apabila
item produk yang dimasukkan lebih dari satu gunakan
tanda ” ; ” (semicolons) sebagai pemisahnya. Daftar item
produk yang ingin dimasukkan dapat dilihat pada
menu category yang ada di samping kiri. Selanjutnya
klik input items kemudian item produk yang diketikkan
untuk menampilkan daftar rekomendasi items produk.
Untuk lebih jelasnya perhatikan gambar 4.85.
180
Gambar 4.86 Contoh Hasil Web Cross-Sell Application
Dari gambar 4.86 dapat diartikan bahwa konsumen
yang membeli ACCECORIES dan BAG juga memiliki
kemungkinan
TSHIRT,
untuk
WALLET,
membeli
SANDAL,
SHOES
Selanjutnya
SHIRT,
hasil
rekomendasi ini dapat ditindak lanjuti oleh pihak
Tendencies Store. Pengujian fungsi (Black Box Testing)
dari sistem secara lengkap dapat dilihat pada halaman
lampiran.
4.5.1.10
Implementasi Jaringan
181
Rancangan jaringan pada penelitian ini menggunakan
jaringan intranet, karena jaringan ini hanya berjalan dalam
area Tendencies Store. Topologi yang digunakan adalah
topologi
star
dengan
satu
server
pusat
data
yang
tersentralisasi yang menghubungkan beberapa client dengan
menggunakan switch diantaranya, admin, manager, dan
customer.
Skema Jaringan Intranet Tendencies Store
192.168.1.1
Admin
Web and
Data Mining Server
192.168.1.X
Switch
Manajer
192.168.1.X
Customer
Gambar 4.87 : Arsitektur Jaringan Client Server Tendencies
Store
Pada penelitian ini penulis melakukan simulasi
implementasi jaringan terhadap aplikasi web cross sell
application sebagai berikut :
182
1. Satu komputer di konfigurasi sebagai application dan
database server, disisi inilah pengolahan data mining
terjadi. Komputer ini hanya boleh digunakan oleh
admin dan manajer. Komputer ini diberikan ip address
class c (192.168.1.1)
2. Komputer admin dihubungkan ke sebuah switch.
Switch ini digunakan untuk menghubungkan komputer
server ke komputer client. Alasan penggunaan switch
pada skema jaringan ini adalah untuk mengakomodir
permintaan Tendencies Store yang ingin menambah
jumlah pc client apabila sistem ini bisa berjalan dengan
baik.
3. Switch kemudian di hubungkan ke komputer client
yang juga diberikan ip address class c (192.168.1.X).
huruf X menandakan ip host yang bisa kita berikan ke
pada pc ini. Nomor host tidak boleh sama dengan
komputer server.
183
BAB V
KESIMPULAN DAN SARAN
Penelitian analisa dan perancangan data mining dengan metode market
basket analysis untuk analisa pola belanja konsumen pada tendencies store dapat
mengurangi permasalahan-permasalahan yang berhubungan dengan pengolahan
data untuk mendapatkan informasi yang diperlukan oleh manajer dalam
mengambil dan mengembangkan kebijakan strategis perusahaan. Penelitian ini
juga memberikan solusi bagi customer untuk mendapatkan informasi terkait item
dan product dari tendencies store.
Setelah melakukan serangkaian penelitian, seperti yang tertera pada bab III
dan Bab IV, pada bab ini penulis menguraikan kesimpulan yang dapat ditarik dari
rangkaian penelitian tersebut Penulis juga memberikan saran yang akan
bermanfaat bagi pihak-pihak yang akan melanjutkan pengembangan penelitian
ini.
5.1. Kesimpulan
Dari penelitian dan tulisan yang telah penulis uraikan, maka dapat
ditarik kesimpulan sebagai berikut :
1.
Tahapan data mining tersebut menghasilkan pola belanja konsumen
yang dapat digunakan manajer untuk membuat strategi bisnis
perusahaan. Setelah proses data
mining dijalankan dengan
memberikan nilai minimum support 12
maka didapatkanlah
sebanyak 6 asosiasi item yang ada di Tendencies Store yaitu
184
{WALLET , TSHIRT}, {BAG , TSHIRT}, {SHOES , TSHIRT},
{SHIRT , TSHIRT}, {PANTS , TSHIRT}, {SWEATER, TSHIRT}.
Dengan asosiasi item yang tertinggi adalah WALLET dan TSHIRT
sebesar 6,8 % . Sehingga dapat disimpulkan konsumen yang
membeli WALLET dan juga membeli TSHIRT adalah 6,8% .
5.2. Saran
Peneltian dan aplikasi ini tentu saja masih mempunyai kekurangan.
Masih banyak hal yang dapat dilakukan untuk mengembangkan aplikasi ini
agar menjadi lebih baik lagi, antara lain :
1.
Pengembangan aplikasi ini dapat dilakukan dengan menyediakan
integrasi layanan secara online sehingga memungkinkan kemudahan
dalam pengaksesan dan juga pengolahan data yang terbaru. Akan
tetapi hal yang patut diperhatikan adalah keamanan database
management system. Ini diperlukan agar data-data tersebut tidak
tersentuh oleh pihak yang tidak memiliki kepentingan di dalam
system tersebut.
2.
Pengembangan aplikasi ini juga dapat dikembangkan dengan
mengintegrasikan aplikasi ini dengan aplikasi expert system ataupun
artificial intelegence sehingga manajer mendapatkan masukan secara
otomatis tanpa harus melakukan analisa manual terlebih dahulu
terhadap informasi yang telah diolah oleh aplikasi data mining ini.
185
3.
Penelitian ini masih memerlukan pengembangan lebih lanjut untuk
mendapatkan hasil yang lebih optimal dengan cara melakukan
penelitian memakai metode data mining yang lain. Ataupun
membandingkan hasil metode data mining yang satu dengan metode
yang lainnya sehingga didapatkan hasil komparasi yang baik.
186
Jakarta, 28 Mei 2010
SURAT KETERANGAN
Dengan ini menerangkan bahwa mahasiswa/mahasiswi yang tercantum
di bawah ini:
Nama
: Friday Kurniasih
NIM
: 2060 9300 4112
Jurusan
: Sistem Informasi
Fakultas
: Sains dan Teknologi
Universitas : Universitas Islam Negeri Syarif Hidayatullah Jakarta
Berhak untuk melakukan interview dan observasi di Tendecies Store
sehubungan dengan penyelesaian penulisan ilmiah dalam rangka
memenuhi tugas akhir perkuliahan.
Demikian surat keterangan ini dibuat untuk dipergunakan sebagaimana
mestinya.
Dengan hormat,
Boyke Vidykrisna Hutama
Marketing Communication
187
Lampiran Hasil Pengujian Fungsi
(Black Box)
Pengujian dilakukan dalam 2 (dua) tahap yaitu pengujian mandiri
yang dilakukan oleh penulis sekaligus pengembang aplikasi, dan
pengujian lapangan yang dilakukan oleh calon pemakai aplikasi ini.
Pengujian Mandiri
Penulis melakukan pengujian dengan metode Black Box yang hanya
mengujikan fungsionalitas dari sistem dengan hasil sebagai berikut :
Tabel : Hasil Pengujian Mandiri
No
1
Modul
Login
Prasyarat
Login
Tambah data
Login
Hasil
sebagai Dapat masuk kedalam OK
actor
2
Hasil yang diharapkan
sistem
sebagai Dapat
admin,
menambahkan OK
data Data
sudah ada di
database
3
Ubah Data
Login
Login Dapat mengubah data OK
sebagai admin, sesuai dengan kunci dari
Data
sudah atribut yang akan diubah
ada
dalam
database
4
Hapus Data
Login
sebagai Dapat menghapus data OK
188
admin,
data sesuai dengan kunci dari
sudah ada di atribut
database
5
Search
Item Ada
yang
akan
dihapus
di Dapat melakukan dan OK
Recommendation halaman
utama
mensimulasikan
assosiasi item product.
Pengujian Lapangan
Penulis meminta 5 (tiga) orang responden untuk melakukan uji coba
terhadap aplikasi ini. Responden yang dipilih terdiri atas 1 (satu) orang
bagian admin, 1 (satu) orang dari Store Manager dan
3 (tiga) orang
customer. Secara ringkas, hasil pengujian yang di dapatkan adalah sebagai
berikut :
Tabel : Pengujian Lapangan
No
Pengujian
Penilaian
A.
Pengujian Black Box
1.
Fitur aplikasi secara keseluruhan
Baik
2.
Fitur untuk Admin
Baik
3.
Fitur untuk Manager
Baik
4.
Fitur untuk Customer
Baik
5.
Tampilan Aplikasi
Baik
189
LAMPIRAN SOURCE CODE
Index.aspx
<%@
Page
Language="vb"
AutoEventWireup="false"
CodeBehind="index.aspx.vb" Inherits="TendenciesDMApp.index" %>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" >
<head runat="server">
<title>Welcome to Tendencies® </title>
<link
rel="icon"
type="image/vnd.microsoft.icon"
href="http://10dencies.com/img/favicon.ico"/>
<link
rel="shortcut
icon"
type="image/x-icon"
href="http://10dencies.com/img/favicon.ico"/>
<link
href="global.css"
rel="stylesheet"
type="text/css"
media="all"/>
</head>
<body id="index">
<form id="form1" runat="server">
<div>
<div
<div
<!-<div
id="page">
id="wrapper">
Header -->
class="logo" id="header">
<h1
id="logo"><a
href="index.aspx"
title="Welcome
Tendencies® Store"><img src="images/logo.jpg" alt="Welcome
Tendencies® Online Store"/></a></h1>
<div id="header_right">
<!-- Block user information module HEADER -->
<div id="user_not_logged" class="header_user">
<div class="login right">
<div class="left">
<div class="clear"></div>
</div>
<div class="right">
</div>
<div class="clear"></div>
</div>
<div class="register right">
</div>
<div class="price right">
</div>
<div class="clear"></div>
</div>
<!-- /Block user information module HEADER -->
</div>
to
to
190
<div class="clear"></div>
<div id="main-menu">
<ul>
</ul>
</div>
<div class="clear"></div>
</div>
<div id="columns">
<div id="left_column" class="column">
<div class="menu-side"></div>
<!-- Left -->
<!-- Block categories module -->
<div id="categories_block_left">
<ul class="list">
<li>
<a
href="listAccecories.aspx"
title=""
style="background-image:
url(images/category/Accessories.jpg";);">Accessories</a>
<ul>
<li><a
href="listBag.aspx"
title=""
style="background-image:
url(images/type/bags.jpg";);">Bags</a></li>
<li><a
href="listBelt.aspx"
title=""
style="background-image:
url(images/type/belt.jpg";);">Belt</a></li>
<li class="last"><a href="listWallet.aspx" title=""
style="background-image:
url(images/type/wallet.jpg";);">Wallet</a></li>
</ul>
</li>
<li>
<a
title=""
style="background-image:
url(images/category/bottoms.jpg";);">Bottoms</a>
<ul>
<li>
<a
href="listBoxer.aspx"
title=""
style="background-image:
url(images/type/boxer.jpg";);">Boxers</a></li>
<li>
<a
href="listLegging.aspx"
title=""
style="background-image:
url(images/type/leggings.jpg";);">Legging</a></li>
<li>
<a
href="listLongpants.aspx"
title=""
style="background-image:
url(images/type/longpants.jpg";);">Long
Pants</a></li>
<li>
<a
href="listShort.aspx"
title=""
style="background-image:
url(images/type/shorts.jpg";);">Short</a></li>
<li class="last"><a href="listSkirt.aspx" title=""
style="background-image:
url(images/type/skirts.jpg";);">Skirts</a></li>
</ul>
</li>
<li>
<a
title=""
style="background-image:
url(images/category/foots.jpg";);">Foots</a>
<ul>
191
<li>
<a
href="listShoes.aspx"
title=""
style="background-image:
url(images/type/shoes.jpg";);">Shoes</a></li>
<li
class="last">
<a
href="listSandal.aspx"
title=""
style="background-image:
url(images/type/sandal.jpg";);">Sandal</a></li>
</ul>
</li>
<li>
<a
title=""
style="background-image:
url(images/category/heads.jpg";);">Heads</a>
<ul>
<li
class="last">
<a
href="listHat.aspx"
title=""
style="background-image:
url(images/type/hat.jpg";);">Hats</a></li>
</ul>
</li>
<li
class="last">
<a
title=""
style="background-image:
url(images/category/tops.jpg";);">Tops</a>
<ul>
<li>
<a
href="listDress.aspx"
title=""
style="background-image:
url(images/type/dresses.jpg";);">Dresses</a></li>
<li>
<a
href="listFancytops.aspx"
title=""
style="background-image: url(images/type/fancytops.jpg";);">Fancy
Tops</a></li>
<li>
<a
href="listOuterwears.aspx"
title=""
style="background-image:
url(images/type/outerwears.jpg";);">Outerwears</a></li>
<li>
<a
href="listShirt.aspx"
title=""
style="background-image:
url(images/type/shirts.jpg";);">Shirts</a></li>
<li>
<a
href="listTshirt.aspx"
title=""
style="background-image:
url(images/type/tshirts.jpg";);">TShirts</a></li>
<li>
<a
href="listBlazer.aspx"
title=""
style="background-image:
url(images/type/blazer.jpg";);">Blazer</a></li>
<li>
<a
href="listJacket.aspx"
title=""
style="background-image:
url(images/type/jacket.jpg";);">Jacket</a></li>
<li>
<a
href="listPoloshirt.aspx"
title=""
style="background-image: url(images/type/poloshirt.jpg";);">PoloShirt</a></li>
<li>
<a
href="listSweater.aspx"
title=""
style="background-image:
url(images/type/sweater.jpg";);">Sweater</a></li>
<li class="last"><a href="listCardigan.aspx" title=""
style="background-image:
url(images/type/cardigan.jpg";);">Cardigan</a></li>
</ul>
</li>
</ul>
</div>
<!-- /Block categories module -->
</div>
<!-- Center -->
192
<div id="center_column">
<!-- Module Editorial -->
<div id="banner1" class="banner_group">
<a href="index.aspx" title=""><img src="images/banner1_logo.jpg"
alt="" /></a>
</div>
<div id="banner2" class="banner_group">
</div>
<div class="banner_group">
<div
id="banner3"
src="images/banner3_logo.jpg" alt=""/></div>
<div
id="banner4"
src="images/banner4_logo.jpg" alt=""/></div>
<div
id="banner5"
src="images/banner5_logo.jpg" alt=""/></div>
<div class="clear"></div>
</div>
<h1> </h1>
class="banner"><img
class="banner"><img
class="banner"><img
<div id="SearchDM">
<div
style="text-align:center;
font-size:35px;
paddingbottom:45px; padding-top:15px;">Cross Sell Application</div>
<div align="center">
<asp:TextBox
ID="txtSearch"
runat="server"
Width="400px" Height="25px"></asp:TextBox>
<asp:Button ID="btnSearch" runat="server" Text="Input
Items" Width="125px" Height="25px" />
</div>
<div
style="width:50%;
text-align:right;"><span
style=" text-align:center;">Search the item you want for our
recommendation</span>
</div>
<div class="clear"> </div>
<div style="min-height:400px;">
<table width="75%" align="center">
<tr>
<td valign="top">
<span style="font-size: 12pt; text-align:center;
font-family: Arial Black">Category List</span>
<div>
<asp:GridView
ID="GridView1"
runat="server"
AllowPaging="True" AutoGenerateColumns="False"
BackColor="LightGoldenrodYellow"
BorderColor="Tan" BorderWidth="1px" CellPadding="2"
DataSourceID="skripsi"
ForeColor="Black"
GridLines="None" Style="font-size: 10pt; text-align: center">
<Columns>
<asp:BoundField
DataField="category_name"
HeaderText="Category"
SortExpression="Category" />
</Columns>
193
<FooterStyle BackColor="Tan" />
<PagerStyle
BackColor="PaleGoldenrod"
ForeColor="DarkSlateBlue" HorizontalAlign="Center" />
<SelectedRowStyle
BackColor="DarkSlateBlue" ForeColor="GhostWhite" />
<HeaderStyle
BackColor="Tan"
FontBold="True" />
<AlternatingRowStyle
BackColor="PaleGoldenrod" />
</asp:GridView>
<asp:SqlDataSource ID="skripsi" runat="server"
ConnectionString="<%$
ConnectionStrings:TendenciesDMConnectionString %>"
ProviderName="<%$
ConnectionStrings:TendenciesDMConnectionString.ProviderName
%>"
SelectCommand="SELECT
DISTINCT
category_name
FROM
tb_categories">
</asp:SqlDataSource>
</div>
</td>
<td valign="top">
<span
style="font-size:
12pt;
text-align:center;
font-family: Arial Black">Shopping Cart</span>
<div>
<asp:GridView
ID="dgShop"
runat="server"
BackColor="White" BorderColor="#CCCCCC"
BorderStyle="None"
BorderWidth="1px"
CellPadding="3" HorizontalAlign="Center"
Style="font-size: 12pt">
<RowStyle ForeColor="#000066" />
<FooterStyle
BackColor="White"
ForeColor="#000066" />
<PagerStyle
BackColor="White"
ForeColor="#000066" HorizontalAlign="Left" />
<SelectedRowStyle
BackColor="#669999"
Font-Bold="True" ForeColor="White" />
<HeaderStyle
BackColor="#006699"
FontBold="True" ForeColor="White" />
</asp:GridView>
</div>
</td>
<td valign="top">
<span style="font-size: 12pt; text-align:center; fontfamily: Arial Black">Our Recomendation Item</span>
<div>
<asp:GridView
ID="dgRecom"
runat="server"
BackColor="ControlDark" BorderColor="#000000"
BorderStyle="Double"
BorderWidth="1px"
CellPadding="3" HorizontalAlign="Center"
Style="font-size:
12pt"
AllowPaging="True"
PageSize="20"
EmptyDataText="There Is No Data That can be
displayed" >
194
<SelectedRowStyle
BackColor="#000099"
Font-Bold="True" ForeColor="White" />
<HeaderStyle
Height="25"
VerticalAlign="Middle" HorizontalAlign="Center" ForeColor="White"
Font-Bold="True" BackColor="#666666"></HeaderStyle>
<PagerStyle
ForeColor="Black"
HorizontalAlign="Center" BackColor="#666666" ></PagerStyle>
<AlternatingRowStyle BackColor="#CCCCCC" />
</asp:GridView>
</div>
</td>
</tr>
</table>
</div>
</div>
<!-- /Module Editorial --><!-- MODULE Home Featured Products -->
<div id="clear"></div>
<!-- /MODULE Home Featured Products --><!-- Module Editorial -->
<h1>Partners</h1>
<div class="partner_group">
<div
id="partner1"
class="partner"><img
src="images/partner1_logo.jpg" alt=""/></a>
</div>
<div
id="partner2"
class="partner"><img
src="images/partner2_logo.jpg" alt=""/></a>
</div>
<div id="partner3" class="partner">
<img src="images/partner3_logo.jpg" alt=""/></div>
<div class="clear"></div>
</div>
<!-- /Module Editorial --></div>
<div class="clear"></div>
<div id="floating">
<!-- /Block recent news module -->
</div>
</div>
</div>
<!-- Footer -->
<div id="footer">
<div id="footer-social">
<ul>
<li><a
href="http://www.facebook.com/10dencies"
id="facebook">Facebook</a></li>
<li><a
href="http://www.youtube.com/tendenciesstore"
id="youtube">YouTube</a></li>
195
<li><a
href="http://www.twitter.com/10dencies"
id="twitter">Twitter</a></li>
<li><a
href="http://www.foursquare.com/venue/3772833"
id="foursquare">Foursquare</a></li>
</ul>
<div class="clear"></div>
</div>
<div align="center" id="footer-menu">
<!-- MODULE Block various links -->
<ul
style="text-align:center"
class="block_various_links"
id="block_various_links_footer">
<li
class="first_item"><a
href="contact.aspx"
title="">Contact us</a></li>
<li
class="item"><a
href="login.aspx"
title="Login">Login</a></li>
</ul>
<!-- /MODULE Block various links -->
<div class="clear"></div>
</div>
<div id="footer-copyright">Copyright © 2011 Tendencies, All
right reserved.
<span>Created By: Friday Kurniasih</span>
<span>Theme by: xinix </span>
<div class="clear"></div>
</div>
</div>
</div>
<script type="text/javascript">
$(function() {
$("#header").addClass("logo");
});
</script>
</div>
</form>
</body>
</html>
196
Index.aspx.vb
Imports Microsoft.AnalysisServices.AdomdClient
Imports System.Data.Linq
Partial Public Class index
Inherits System.Web.UI.Page
Protected Overrides Sub OnInit(ByVal e As EventArgs)
'
' CODEGEN: This call is required by the ASP.NET Web Form
Designer.
'
InitializeComponent()
MyBase.OnInit(e)
End Sub
Private Sub InitializeComponent()
End Sub
Protected Sub btnSearch_click(ByVal sender As Object, ByVal e
As System.EventArgs) Handles btnSearch.Click
Dim alInputItems As New ArrayList()
Dim splitchar As Char() = {";"c}
Dim
szInputItems
As
Me.txtSearch.Text.Split(splitchar, 20)
String()
Dim i As Integer
For i = 0 To szInputItems.Length - 1
alInputItems.Add(szInputItems(i).Trim())
Next i
dgShop.DataSource = alInputItems
dgShop.DataBind()
Dim alRecomItems As New ArrayList(5)
GetRecom(alInputItems, alRecomItems)
dgRecom.DataSource = alRecomItems
dgRecom.DataBind()
End Sub
Private Shared Sub GetRecom( _
ByVal vInputItems As ArrayList, _
ByRef vRecomItems As ArrayList)
=
197
Dim strDMX1 As String = "SELECT FLATTENED Predict([Tb
Transactions], INCLUDE_STATISTICS, $AdjustedProbability, 5) From
[mm] NATURAL PREDICTION JOIN (SELECT ("
Dim strDMX2 As String = ") AS [Tb Transactions]) AS t"
Dim cItems As Integer = vInputItems.Count
Dim strDMX As String = ""
Dim i As Integer
For i = 0 To cItems - 1
Dim item As String = vInputItems(i).ToString()
item = item.Replace("'", "''")
strDMX += "SELECT" + "'" + item + "' AS " + "[Category
Name]"
If i < cItems - 1 Then
strDMX += " UNION "
End If
Next i
' MsgBox(strDMX1 + strDMX + strDMX2)
strDMX = strDMX1 + strDMX + strDMX2
' Connect to Analysis Server and execute query.
Dim asSession As New AnalysisServerSession
asSession.Connect()
If False = asSession.ExecuteAndFetchResult(strDMX) Then
Return
End If
vRecomItems.Clear()
While asSession.asDataReader.Read()
198
Dim
type
As
asSession.asDataReader.GetDataTypeName(0)
String
=
If type = "DBTYPE_WVARCHAR" Or type = "String" Then
Try
Dim
val
asSession.asDataReader.GetString(0)
As
String
=
vRecomItems.Add(val)
Catch e As Exception
Console.WriteLine(e.Message)
End Try
End If
End While
' Disconnect from Analysis Server.
asSession.DisConnect()
End Sub
Public Class AnalysisServerSession
Protected
asCommand
Microsoft.AnalysisServices.AdomdClient.AdomdCommand
Protected
asConnection
Microsoft.AnalysisServices.AdomdClient.AdomdConnection
Public
asDataReader
Microsoft.AnalysisServices.AdomdClient.AdomdDataReader
Public szServer As String = "."
Public szCatalog As String = "TendenciesDM"
As
As
As
Public Sub New()
asCommand = Nothing
asConnection = Nothing
asDataReader = Nothing
End Sub 'New
Public Function Connect() As Boolean
Dim asConnectionString As String = _
"Provider=MSOLAP.3;Data Source=" + _
szServer + ";Initial Catalog=" + szCatalog
asConnection = New AdomdConnection(asConnectionString)
asConnection.Open()
Return True
End Function 'Connect
199
Public Function ExecuteAndFetchResult(ByVal strCommand As
String) As Boolean
If asConnection Is Nothing Then
Return False
End If
If asCommand Is Nothing Then
asCommand = New AdomdCommand()
End If
strCommand = strCommand.Replace("NaN", "null")
strCommand = strCommand.Replace("Infinity", "null")
Try
If Not (asDataReader Is Nothing) Then
If Not asDataReader.IsClosed Then
asDataReader.Close()
End If
End If
asCommand.Connection = asConnection
asCommand.CommandText = strCommand
asDataReader = asCommand.ExecuteReader()
Catch e As Exception
Log(e.Message)
Return False
End Try
Return True
End Function 'ExecuteAndFetchResult
Public Function DisConnect() As Boolean
Try
If Not (asConnection Is Nothing) Then
asConnection.Close()
End If
If Not (asCommand Is Nothing) Then
asCommand.Connection = Nothing
End If
If Not (asDataReader Is Nothing) Then
asDataReader.Close()
End If
Catch e As Exception
Console.WriteLine(e.Message)
End Try
Return True
End Function 'DisConnect
Private Sub Log(ByVal message As String)
'Log the message to some place
System.Diagnostics.Debug.Assert(False, message)
Return
End Sub 'Log
End Class 'AnalysisServerSession
End Class
200
LAMPIRAN HASIL WAWANCARA
Nama
: Boyke Vidykrisna Hutama
Jabatan
: Marketing Communication
Hari / Tanggal : Rabu, 14 April 2010
Tempat
: Tendecies Store Bintaro
Hasil resume wawancara saya terhadap Mas Boy, adalah sebagai berikut :
Tanya : Mas Boy, bagaimana gambaran umum atau sejarah singkat dari
Tendencies?
Jawab : Tendencies merupakan distro yang dibuat untuk melengkapi gaya
hidup di indonesia, yang berorientasi pada keontektikan style yang
diwakili oleh divisi Creatif kami. Untuk selengkap nya bisa dilihat di
website kami.
Tanya : Apakah yang menjadi visi dan misi Tendencies ?
Jawab : visi dari tendencies adalah
“Menjadi perusahaan clothing yang
terkemuka dengan menjual produk-produk fashion yang berkualitas dan
terjangkau oleh semua kalangan”. Sedangkan untuk misi silahkan di
cek di website.
Tanya : Apa kendala yang di rasakan dalam mengkomunikasikan item-item
atau produk unggulan dari tendecies ?
201
Jawab : kendala kami adalah kami tidak memiliki sistem visual lainnya selain
website, yang mampu memberikan rekomendasi item, baik dari
pemilihan product maupun kategori yang terkait sau dengan yang
lainnya.
Tanya : Bagaimana minat customer terhadap produk- produk dari tendencies?
Jawab : Minat customer sangatlah beragam. Oleh karena itu kami mencoba
untuk selalu menjadi yang terdepan dalam hal originalitas gaya yang
kami adopsi.
Tanya : Bagaimana pelayanan pihak tendencies terhadap customer?
Jawab : Selama ini pelayanan kami terhadap customer kurang efektif,
dikarenakan penyampaian secara visual item yang menjadi hot sales
harus menunggu data dari divisi sales manager yang seringkali
terlambat memberikan data-data tersebut.
Tanya : Bagaimana proses kegiatan transaksi yang berjalan di tendencies dan
apakah hasil yang di dapat sudah sesuai dengan kebutuhan Bussines
Director ?
Jawab : Selama ini kegiatan kegiatan transaksi berjalan dengan menggunakan
aplikasi reovta, Semua kegiatan dilakukan secara komputerisasi mulai
dari pencatatan transaksi serta laporan. Akan tetapi masih diperlukan
pengolahan data lebih lanjut untuk mendapatkan laporan yang
202
diinginkan oleh pihak BD untuk menentukan strategi yang diperlukan
bagi tendencies.
Tanya : Dokumen apa saja yang digunakan dalam proses tersebut?
Jawab : Dokumen yang dibutuhkan untuk proses tersebut adalah laporan
penjualan dan transaksi serta laporan stock.
Tanya : Kendala apa yang dialami dalam proses tersebut..
Jawab : Kendala yang kami rasakan yaitu tidak adanya suatu sistem yang
dapat membantu kegiatan tersebut dan masih harus dilakukan secara
manual.
Note :
Boyke Vidykrisna Hutama
Marketing Communication
203
DAFTAR PUSTAKA
Barry, A. J. Michael & Linoff, S. Gordon. 2004. Data Mining Techniques. Wiley
Publishing, Inc. Indianapolis : xxiii + 615 hlm.
Dharwiyanti, Sri, “Pengantar Unified Modelling Language (UML)”, Ilmu
Komputer ; 2003
HM, Jogiyanto. 2005. Analisis & Desain SIstem Informasi : Pendekatan
Terstruktur Teori dan Praktek Aplikasi Bisnis. Yogyakarta: Andi.
Irmansyah, Faried. 2003. Pengantar Database. www.IlmuKomputer.com.
Kadir, Abdul. 2003. Pengenalan Sistem Informasi. Penerbit Andi. Jakarta: v +
463 hlm.
Kadir, Abdul. 2005. Dasar Pemograman Web dengan ASP.
Penerbit Andi.
Jakarta, ISBN:979-731-691-2.
Kendall, Edward J & Kendall Julia A. 2005. System Analysis And Design Sixth
Edition. Pearson Education, Inc. new Jersey : 714 hlm.
Nugroho, Adi. 2005. Analisis & Perancangan SIstem Informasi dengan
Metodologi Berorientasi Objek: Edisi Revisi. Bandung: Informatika.
Pant, Somendra. 1995. Strategic Information Systems Planning: A Review.
Atlanta:
1995
Information
Resources
Management
Association
International Conference.
Pilone,Dan, “UML 2.0 in Nutshell”, O'Reilly ; 2005
Pressman, Roger S. 2003. Rekayasa Perangkat Lunak Pendekatan Praktisi-Buku
Satu, Yogyakarta : Andi Yogyakarta : xx + 647 hlm.
204
Rizky Soetam. Panduan Belajar SQL Server 2005 Express Edition. 2008. ISBN:
978-602-8117-73-9. Prestasi Belajar Publisher.
Satzinger, John W., System Analysis and Design Method In A Changing World
Fifth Edition, 2009, Course Technology, Boston USA.
Schach R., Stephen. 2005. Object-Oriented & Classical Software Engineering
Sixth Edition. Mc Graw Hill (higher education). ISBN = 0-07-286551-2.
Sommerville,Ian, “Software Engineering 7th edition”, 2004
Sukamto, Rosa A, “Rapid Application Development (RAD), Prototyping”, 2009
Whitten, Jeffrey L. 2004. Systems Analysis & Design Methods: Sixth Edition.
New York: McGraw-Hill.
Whitten, Jeffrey L. 2007. Systems Analysis & Design for the Global Enterprise:
Seventh Edition. New York: McGraw-Hill.