Penentuan pola sekuensial data transaksi

PENDAHULUAN
Latar Belakang
Perkembangan teknologi informasi yang
sangat pesat yang terjadi dewasa ini menuntut
manusia untuk mampu beradaptasi dengan
perkembangan tersebut. Upaya adaptasi yang
dilakukan manusia dapat dilihat dari banyaknya
kegiatan yang dilakukan secara komputerisasi
sehingga menghasilkan data dalam jumlah yang
besar. Dengan ketersediaan data yang semakin
melimpah tersebut, penemuan pengetahuan
yang berguna dari suatu database yang besar
semakin populer dan menarik perhatian.
Penemuan pengetahuan yang berguna
tersebut dapat dilakukan menggunakan teknik
data mining. Data mining merupakan proses
ekstraksi informasi atau pola dalam database
yang berukuran besar (Han & Kamber 2006).
Salah satu teknik data mining adalah sequential
pattern mining yang berguna untuk menemukan
pola sekuensial yang terdapat pada database
yang pertama kali diperkenalkan oleh Agrawal
dan Srikant pada tahun 1995.
Pada database, salah satu data yang sering
dijumpai adalah data transaksi. Data transaksi
merupakan data konsumen atau pelanggan pada
sebuah lembaga komersil maupun non-komersil
yang berisi id konsumen, waktu transaksi, dan
item transaksi. Dari data transaksi seperti halnya
transaksi supermarket, dapat ditemukan pola
sekuensial untuk mengetahui keterkaitan
antarbarang atau item.
Salah satu algoritme yang dapat digunakan
untuk mengetahui pola sekuensial dari suatu
data transaksi yaitu Sequential PAttern
Discovery using Equivalence classes (SPADE).
Algoritme SPADE merupakan algoritme
berbasis candidate generation and test dan
merupakan penyempurnaan dari algoritme
penentuan pola sekuensial terdahulu yakni
Apriori. Pada perkembangannya, algoritme
SPADE masih jarang diimplementasikan
sehingga diperlukan kajian yang lebih dalam
dengan harapan bahwa apabila implementasi
algoritme SPADE berhasil, maka penerapan
algoritme berbasis patterrn growth akan
semakin menarik untuk dilakukan.
Dengan mengadopsi fungsi-fungsi pada
algoritme SPADE, akan dilihat kecenderungan
pembelian barang oleh customer dalam kurun
waktu tertentu. Sebagai contoh, customer biasa
membeli kebutuhan pokok di awal bulan karena
sebagian besar mendapatkan gaji pada periode
tersebut. Kejadian seperti ini sebenarnya
terekam dalam database, hanya saja belum
tergali informasi tentang itu. Dengan mencari
pola-pola dari database menggunakan algoritme
SPADE, akan terlihat keterkaitan jenis barang
yang dibeli oleh pembeli pada waktu tertentu
(Zaki 2001). Hal ini dapat dimanfaatkan oleh
pemilik supermarket dalam pengambilan
keputusan terkait dengan penjualan barang.
Tujuan Penelitian
Penelitian
ini
bertujuan
untuk
mengimplementasikan algoritme SPADE untuk
melihat keterkaitan antara beberapa item dari
suatu data transaksi pembelian.
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini dibatasi pada
penerapan
algoritme
SPADE
dengan
menggunakan data transaksi pembelian Sinar
Mart Swalayan selama periode 1 bulan
terhitung sejak 1 Maret hingga 31 Maret 2004.
Data transaksi pembelian tersebut berisi id
pembeli, waktu pembelian berdasarkan tanggal,
dan juga jenis barang atau item yang dibeli.
Analisis dilakukan terhadap kelompok data
tersebut sehingga menghasilkan informasi
mengenai pola pembelian barang atau item yang
digambarkan dalam bentuk frequent sequences
dan juga association rule.
Manfaat Penelitian
Hasil penelitian ini diharapkan mampu
melihat keterkaitan antarbarang yang dibeli oleh
pembeli pada data transaksi pembelian.
Keterkaitan antara barang atau item tersebut
dapat digunakan sebagai bahan pertimbangan
dalam
pengambilan
keputusan
yang
berhubungan dengan penjualan barang atau item
pada periode berikutnya. Selain itu, penelitian
ini juga diharapkan dapat menjadi dasar
penelitian selanjutnya yang terkait dengan
penentuan pola sekuensial sehingga didapatkan
algoritme yang memiliki kinerja yang lebih
efektif dan efisien.
TINJAUAN PUSTAKA
Knowledge Discovery from Data (KDD)
Knowledge Discovery from Data (KDD)
adalah suatu proses mengekstrak ilmu
pengetahuan atau informasi yang berasal dari
kumpulan data dalam jumlah besar (Han &
Kamber 2006). Data mining adalah proses
penemuan pengetahuan yang menarik dari
kumpulan data yang tersimpan pada database,
data warehouse, dan media penyimpanan
informasi lainnya. Tahapan-tahapan proses
KDD dapat diilustrasikan pada Gambar 1.
1