Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 ISSN : 2301-9425 ANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN Chintia Oktavia Simbolon (0911456) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisimangaraja No.338 Simpang Limun Medan www.stmik-budidarma.ac.id // Email: [email protected] ABSTRAK Kebutuhan terhadap obat adalah merupakan hal yang penting bagi manusia, khususnya bagi orang yang menderita suatu penyakit. Kita dapat membeli obat di tempat penyedia obat seperti apotek atau juga kita bisa mendapatkannya di rumah sakit. Setiap harinya akan terjadi transaksi penjualan dan pembelian obat di tempat tersebut. Untuk mengetahui obat apa saja yang dibeli oleh para konsumen, dapat dilakukan dengan menggunakan algoritma apriori. dan untuk mendapatkan hasil yang lebih baik digunakan Tools Tanagra. Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien adalah analisis pola frequensi tinggi(frequent pattern mining). Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur , yaitu : support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi. Kata Kunci: Obat, Penjualan, Algoritma Apriori, Support, Confidence 1. Pendahuluan Kebutuhan terhadap obat adalah juga merupakan hal yang penting bagi manusia, khususnya bagi orang yang menderita suatu penyakit. Setiap harinya akan terjadi transaksi penjualan dan pembelian obat di tempat tersebut. Oleh karena itu setiap rumah sakit atau apotek harus memiliki sistem pengolahan data yang baik agar data-data yang dihasilkan dari transaksi tersebut dapat berguna untuk dibuat menjadi sebuah laporan bulanan atau tahunan. Di Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran terjadi beberapa transaksi penjualan dan pembelian obat. Data transaksi terus bertambah setiap harinya dan di rumah sakit tersebut data-data transaksi penjualan hanya disimpan sebagai arsip atau pembukuan dan tidak diketahui apa manfaat dari data-data yang ada tersebut untuk selanjutnya. Algoritma apriori merupakan algoritma market basket analysis yang digunakan untuk menghasilkan association rule, dengan pola “if then ”.Market basket analysis merupakan salah satu teknik dari data mining yang mempelajari tentang perilaku kebiasaan konsumen dalam membeli barang secara bersamaan dalam satu waktu. Teknik tersebut bisa diterapkan dalam data yang sangat besar seperti data transaksi pembelian. Dalam teknik data mining terdapat beberapa algoritma untuk menyelesaikannya. Beberapa algoritma tersebut antara lain algoritma hash-based, algoritma apriori,dan algoritma FP-Growth. Sedangkan dalam penelitian ini akan menggunakan algoritma apriori. 2. Landasan Teori 2.1 Analisa Dalam menguraikan suatu pokok masalah, perlu melakukan analisa masalah. Analisa menurut kamus bahasa Indonesia berarti penyelidikan terhadap suatu peristiwa (karangan atau perbuatan) untuk mengetahui keadaan sebenarnya (baik sebab maupun duduk perkara). Sehingga dengan melakukan suatu analisa, kita bisa menguraikan pokok permasalahan dari berbagai kemungkinan yang bisa terjadi[3]. Berikut ini adalah pengertian dan definisi analisa: 1. Menurut Jeffrey Liker Analisa adalah waktu untuk mengumpulkan bukti, waktu untuk berulangkali bertanya "mengapa?" dan untuk menemukan sumber suatu masalah, yaitu akarnya 2. Menurut Hanif Al Fatta Analisa merupakan tahap awal dalam pengembangan sistem dan merupakan tahap fundamental yang sangat menentukan kualitas sistem informasi yang dikembangkan. 3. Menurut Husein Umar Analisa merupakan suatu proses kerja dari rentetan tahapan pekerjaan sebelum riset didokumentasikan melalui tahapan penulisan laporan. 2.2 Data Data berasal dari kata “datum”, yang berarti fakta yang mengandung arti pengolahan data. Data Analisa Data Penjualan Obat Dengan Menggunakan Algoritma Apriori Pada Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran. Oleh : Chintia Oktavia Simbolon 54 Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 merupakan kumpulan kejadian yang diangkat dari suatu kenyataan. Data dapat berupa symbolsymbol, gambar-gambar, kata-kata, angka-angka, huruf- huruf, yang menunjukan suatu ide, objek, kondisi atau situasi. Data juga merupakan bahan yang akan diolah menjadi suatu bentuk yang lebih bermanfaat. 2.3 Data Mining Data mining merupakan suatu proses pendukung pengambil keputusan dimana kita mencari pola informasi dalam data. Pencarian ini dapat dilakukan oleh pengguna, misalnya dengan menggunakan query atau dapat dibantu dengan suatu aplikasi yang secara otomatis mencari pola informasi pada basis data. Pencarian ini disebut discovery. Discovery adalah proses pencarian dalam basis data untuk menemukan pola yang tersembunyi tanpa ide yang didapatkan sebelumnya atau hipotesa tentang pola yang ada. Dengan kata lain aplikasi mengambil inisiatif untuk menemukan pola dalam data tanpa pengguna berpikir mengenai pertanyaan yang relevan terlebih dulu. Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan didalam database. Data mining adalah proses yang menggunakan teknik statistic, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar[1]. Berikut ini beberapa defenisi data mining dikutip dari beberapa sumber ; 1. “Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual.”(Pramudiono, 2006) 2. “Data mining adalah analisis dari peninjauan kumpulan data untuk menemukan hubungan yang tidak diduga dan meringkas data dengan cara yang berbeda cdengan sebelumnya, yang dapat dipahami dan bermanfaat bagi pemilik data.”(Larose, 2005). 2.4 Algoritma Apriori Algoritma Apriori adalah suatu algoritma dasar yang diusulkan oleh Agrawal & Srikant pada tahun 1994 untuk penentuan frequent itemsets untuk aturan asosiasi boolean. Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analysis atau market basket analysis. Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur , yaitu : support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, ISSN : 2301-9425 sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi. 2.5 Analisis Pola Frekuensi Tinggi Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai support dalam basis data. Nilai support sebuah item diperoleh dengan menggunakan rumus berikut: (Kusrini, Emha Taufiq Luthfi, 2010 : 150-151) Sementara, nilai support dari 2 item diperoleh dengan menggunakan rumus : Frequent itemset menunjukkan itemset yang memiliki frekuensi kemunculan lebih dari nilai minimum yang ditentukan ( ). Misalkan = 2, maka semua itemsets yang frekuensi kemunculannya lebih dari atau sama dengan 2 kali disebut frequent. Himpunan dari frequent k-itemset dilambangkan dengan Fk. 2.6 Pembentukan Aturan Asosiasi Setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan asosiasi yang memenuhi syarat minimum untuk confidence dengan menghitung confidence aturan asosiatif A B. Nilai confidence dari aturan A B diperoleh dengan rumus berikut[1]: Untuk menentukan aturan asosiasi yang akan dipilih maka harus diurutkan berdasarkan Support × Confidence. Aturan diambil sebanyak n aturan yang memiliki hasil terbesar. Tanagra Tanagra adalah software data mining bebas untuk tujuan akademik dan penelitian. Ini mengusulkan beberapa metode data mining dari analisis eksplorasi data, pembelajaran statistik, pembelajaran mesin dan daerah database. Tanagra adalah "proyek open source" karena setiap peneliti dapat mengakses ke kode sumber, dan menambahkan algoritma sendiri, sejauh dia setuju dan sesuai dengan lisensi distribusi perangkat lunak. 3. Analisa Dan Pembahasan 3.1 Analisa Analisa Data Penjualan Obat Dengan Menggunakan Algoritma Apriori Pada Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran. Oleh : Chintia Oktavia Simbolon 55 Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 3.1.1 Analisa masalah Pada Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran. Penelitian dilakukan di Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran. Dan berdasarkan hasil penelitian yang dilakukan pengolahan data pembelian obat masih dilakukan secara manual. Di Rumah Sakit Umum Daerah H.Abdul Manan Simatupang Kisaran terjadi beberapa transaksi penjualan dan pembelian obat. Data transaksi terus bertambah setiap harinya dan di rumah sakit tersebut data-data transaksi pembelian hanya disimpan sebagai arsip atau pembukuan dan tidak diketahui apa manfaat dari data-data yang ada tersebut untuk selanjutnya. Sistem pengolahan data yang ada di Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran belum berjalan dengan baik karena datadata pembelian yang ada dalam pembukuan hanya dibiarkan menumpuk dan terus bertambah tanpa diketahui untuk apa selanjutnya data-data tersebut. ISSN : 2301-9425 Kandidat kombinasi 2 itemset diambil dari kandidat pertama 1 itemset yang mencapai ataupun melebihi support minimal. Tabel 3 : Kandidat Kombinasi 3.2.2 Pembentukan Aturan Asosiasi Setelah semua pola frekuensi tinggi ditemukan. Kemudian dihitung confidence masing-masing kombinasi item. Iterasi berhenti ketika semua item telah dihitung sampai tidak ada kombinasi item lagi. Tabel 4 : Aturan Asosiasi 3.2 Pembahasan 3.2.1 Penerapan Algoritma Apriori Data transaksi merupakan data yang diperoleh dari penjualan harian.berikut ini merupakan representasi dari data transaksi penjualan obat pada Rumah Sakit Umum Daerah H.Abdul Manan Simatupang Kisaran. Tabel 1 : Representasi Transaksi penjualan Tabel 5 : Aturan Asosiasi Final. Penentuan Kandidat Pertama (C1) Penentuan Kandidat Pertama diperoleh dari item-item yang terdapat pada representasi data penjualan 6 item yang paling diminati setiap bulannya. Berikut ini adalah tabel item yang menjadi Kandidat pertama Tabel 2 : Daftar Kandidat Penentuan kandidat kombinasi 2 itemset (C2) 4. Algoritma Dan Implementasi 4.1 Algoritma Support Input : Amoxilin Ciprolaxacim CTM Dextrose 5% Donperiden Gliben Klamid ← item Norit Ranitidin Ringer Lactat Sanmol ← item Sulfas Perasus ← item Transaksi per bulan Output : support; ← item ← item ← item ← item ← item ← item ← item ← item Analisa Data Penjualan Obat Dengan Menggunakan Algoritma Apriori Pada Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran. Oleh : Chintia Oktavia Simbolon 56 Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 Proses : Support (Amoxilin) 5.1.2 ISSN : 2301-9425 Algoritma Confidence Input : Ciprolaxacim ← item Gliben Klamid ← item Donperiden ← item Dextrose 5% ← item Output : confidence; Proses : Confidence (Ciprolaxacim, Gliben Klamid) Support (Ciprolaxacim) Support (CTM) Confidence ( Support 5%) (Dextrose Confidence (Donperiden, Dextrose 5%) Confidence (Dextrose 5%, Support (Donperiden) , Ciprolaxacim) ) If confidence >= 80% then confidence terpenuhi Else Tereliminasi; Support Klamid) (Gliben Support (Norit) Support Support Lactat) (Ringer Support (Sanmol) Support Ferasus) (Sulfas If support >= 60% then min support terpenuhi Else Tereliminasi; 5. Penutup 5.1 Kesimpulan Berdasarkan riset dan pembahasan yang telah dilakukan, dapat diberikan beberapa kesimpulan sebagai berikut : 1. Pengimplementasian Algoritma Apriori pada Tanagra versi 1.4 dimulai dengan penginputan data tabular pada Microsoft.Excel, yang kemudian dikoneksikan ke dalam tools tanagra, dan mulailah pembentukan support dan confidence dan kemudian terbentuklah asosiasi final . 2. Pengimplementasian Algoritma Apriori pada Tanagra versi 1.4 berpengaruh pada nilai support dan confidence. Jika data yang digunakan semakin banyak maka perhitungan support dan confidence menjadi lebih sulit. 3. Setelah dilakukan pengimplementasian Algoritma Apriori pada Tangra versi 1.4, maka hasil pengolahan data penjualan obat paling banyak terjual pada Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran adalah Ciprolaxacim, Gliben Klamid, Donperiden, Dextrose 5%. 5.2 Saran Adapun saran yang akan penulis sampaikan yaitu : 1. Pada penelitian selanjutnya daharapkan data yang digunakan dikembangkan tidak hanya data bulanan saja, tapi data tahunan yang lebih besar. Analisa Data Penjualan Obat Dengan Menggunakan Algoritma Apriori Pada Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran. Oleh : Chintia Oktavia Simbolon 57 Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus 2013 ISSN : 2301-9425 2. Pada penelitian selanjutnya diharapkan dapat membahas obat penyakit lain yang tidak hanya obat penyakit dalam saja. 3. Pada penelitian ini Tools yang digunakan tanagra versi 1,4 karena tanagra versi 1,4 memiliki kelemahan yaitu pada pembuatan tabel tabular untuk dabase nya, karena jika data penjualan mencapai ribuan dan item mencapai puluhan bahkan ratusan, maka pembuatan tabel tabular akan semakin sulit diharapkan pada penelitian selanjutnya dapat menggunakan tools lain yang dapat mempermudah dalam pembuatan table tabular. Daftar Pustaka [1]. Kusrini, Emha Taufiq Luthfi, Algoritma Data Mining, [2]. Dana Sulistiyo Kusumo, Moch. Arief Bijaksana, Dhinta Darmantoro, Data Mining Dengan Algoritma Apriori Pada RDBMS Oracle, 2003 [3]. http://carapedia.com/pengertian_definisi_analis a_info2180.html, 23 Mei 2013 [4]. http://carapedia.com/pengertian_definisi_data_ menurut_para_ahli_info505.html, 23 Mei 2013 [5]. http://indonesia.smetoolkit.org/indonesia/id/co ntent/id/435/Pengelolaan-Bahan Anda, 23 Mei 2013 [6]. http://id.wikipedia.org/wiki/Obat , 23 Mei 2013 [7]. http://sitarokab.go.id/downlotperda.php, 23 Mei 2013 [8]. google, eric.univlyon2.fr/~ricco/tanagra/en/tanagra.html, 23 Mei 2013 [9]. http://id.wikipedia.org/wiki/Microsoft_Excel, 23 Mei 2013 Analisa Data Penjualan Obat Dengan Menggunakan Algoritma Apriori Pada Rumah Sakit Umum Daerah H. Abdul Manan Simatupang Kisaran. Oleh : Chintia Oktavia Simbolon 58