17. Jurnal Kenendy
-
Upload
deniajah69 -
Category
Documents
-
view
225 -
download
0
Transcript of 17. Jurnal Kenendy
-
8/10/2019 17. Jurnal Kenendy
1/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
93
IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA
SISTEM PERSEDIAAN ALAT-ALAT KESEHATAN
Kennedi Tampubolon1)
, Hoa Sa!ai"#)
, $obb% Re&a')
1)Dosen Tetap Prodi D3-Manajemen Informatika STMIK Budi Darma Medan. Jl. Sisinamanaraja
!o. 33" Sp. #imun Medan. $)%akultas Teknik dan Ilmu Komputer & 'ni(ersitas Bakrie KampusKuninan Ka*asan +pi,entrum Jl. . asuna Said Ka(. /-$$ Jakarta 1$0$.
3)Proram
Pas,asarjana STMIK ++S2 Jl. . Samali !o. 1 Kali4ata 1$56+mail 7 kenned.tampu4olon8mail.,om 9oasarai98mail.,om 4o44:.re;a8eres9a.a,.id
A$STRAK
Menambang data atau upaya untuk menggali informasi dan pengetahuan yang berharga pada database
yang sangat besar disebut data mining atau Knowledge Discovery in Database disingkat KDD. Salah satu
algoritma yang paling populer pada teknik data mining adalah algoritma Apriori. Sedangkan dalam penemuan
pola kombinasi hubungan antar item-setsdigunakan Association Rules ( Aturan Asosiasi ).
Data Mining telah diimplementasikan ke berbagai bidang, diantaranya bidang bisnis atau
perdangangan, bidang pendidikan, dan telekomunikasi. Dibidang bisnis misalnya hasil implementasi data mining
menggunakan algoritma Apriori dapat membantu para pebisnis dalam kebijakan pengambilan keputusan
terhadap apa yang berhubungan dengan persediaan barang. Misalnya pentingnya sistem persediaan barang disuatu Apotek dan jenis barang apa yang menjadi prioritas utama yang harus di stok untuk mengantisipasi
kekosongan barang. Karena minimnya stok barang dapat berpengaruh pada pelayanan konsumen dan pendapatan
Apotek. leh sebab itu ketersediaan berbagai jenis alat!alat kesehatan di Apotek sebagai salah satu supplier alat!
alat kesehatan, mutlak untuk mendukung kelancaran penyalurannya kepada konsumen, sehingga aktivitas
pelayanan konsumen berjalan dengan baik.
Seiring dengan masalah diatas, data mining mampu menciptakan lingkungan bisnis yang inteligen,
untuk menghadapi semakin tingginya tingkat persaingan bisnis Apotek dimasa yang akan datang.
Ka(a Kuni "Data Mining, Aturan Asosiasi, Algoritma Apriori, Alat-alat Kesehatan.
ABSTRACT
Extracting data or an effort to retrieve valuale !no"ladge and information in a large dataase is called data
mining or Kno"ledge Discover# in Dataase or usuall# shortened as KDD . $ne of the most popular algorithm
in data mining technic is Apriori Algorithm, "hile the discover# of %relational comination pattertn amongitemset used Assosiation Rules&.
Data mining has een implemented into the various fields li!e ' usiness or trade, education and
telecommunication. n ussiness for instance, the implementation result of data mining use algorithm Apriori
"hich can give a hand to help the *usinessmen ma!e decision on supplies. +or example, the necessit# of supplies
s#stem in a drugstore as one of the mecical stuff supplier, and to determine "hich product as the priorit# should
e supplied to anticipate out of stoc! of supplies availailit# in the store, as the results "ill also affect to the
consumer service and dail# income. Medical tools are essential unit should e supplied and eing and essential
factor "hich "ill impact to the consumer trust to a hospital or another medical service. hat is "h# the
availailit# of medical tools in drugstores is completel# needed to support the succes of distriution to the
consumers, so the activit# of medical service to consumers run thoroughl#.
n this case, data mining is seen as ale to uildt intelligent usiness environment as solution for competing
increated compitition among the drugstores in future.
Ke%*o!ds "Data Mining, Association Rules, Apriori Algorithm, Medical tools.
1+ PENDAHLAN
Data Mining diartikan sebagai menambang data
atau upaya untuk menggali informasi yang berharga
dan berguna pada database yang sangat besar #
Agrawal, $., Srikant, %&&' (. )al terpenting dalam
teknik data mining adalah aturan untuk menemukan
pola frekuensi tinggi antar himpunan itemset yang
disebut fungsi Association Rules #Aturan Asosiasi(.
*eberapa algoritma yang termasuk dalam Aturan
Asosiasi adalah seperti A Algorithm, Apriori
Algorithm, D/ Algorithm, dan /artition Algorithm
#Shuruti Aggarwal,+%-(. amun diantara algoritma!
algoritma tersebut, penulis memilih Algoritma Apriori
dalam aplikasinya pada penelitian.
*elakangan ini data mining telah
diimplementasikan keberbagai bidang, diantaranya
dalam bidang bisnis atau perdangangan, bidang
pendidikan, dan telekomunikasi. Dibidang bisnis
misalnya hasil implementasi data mining algoritma
Apriori dapat membantu para pebisnis dalam
-
8/10/2019 17. Jurnal Kenendy
2/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
9+
pengambilan keputusan terhadap apa yang
berhubungan dengan persediaan barang # /inn 0ee S
1 2uan Santana. +% (. Misalnya pentingnya sistem
persediaan barang di suatu Apotek dan jenis barang
apa yang menjadi prioritas utama yang harus distok
untuk mengantisipasi kekosongan barang. Karena
minimnya stok barang dapat berpengaruh padapelayanan konsumen dan pendapatan Apotek.
Adanya aktivitas transaksi penjualan sehari!
hari pada Apotek Kelambir 3 + Medan, akan
menghasilkan tumpukan data yang semakin lama
semakin besar, sehingga dapat menimbulkan masalah
baru. 2ika hal ini dibiarkan, maka data!data transaksi
tersebut akan menjadi tumpukan sampah yang
merugikan karena membutuhkan media
penyimpanan4database yang semakin besar. Seiring
dengan kemajuan teknologi yang semakin pesat maka
berkembang pula kemampuan dalam mengumpulkan,
menganalisa dan mengolah data pada database.Sehingga diperlukan suatu aplikasi untuk memilah
dan memilih data penting dari database.Dalam persaingan di dunia bisnis, khususnya
industri Apotek, menuntut para pengembang untuk
menemukan suatu strategi jitu yang dapat
meningkatkan penjualan barang. Salah satu cara
mengatasinya adalah dengan tetap tersediaannya
berbagai jenis alat!alat kesehatan secara kontinu
digudang Apotik. 5ntuk mengetahui alat!alat
kesehatan apa saja yang dibeli oleh para konsumen,
dilakukan teknik analisis keranjang pasar yaitu
analisis dari kebiasaan membeli konsumen. 6enerapanAlgoritma Apriori, membantu dalam membentuk
kandidat kombinasi item yang mungkin, kemudian
dilakukan pengujian apakah kombinasi tersebut
memenuhi parameter support dan con0dence
minimum yang merupakan nilai ambang yangdiberikan oleh pengguna.
Aktivitas dan transaksi di suatu organisasi pada
umumnya sama, yang berbeda adalah elemen 3
elemen penyusunnya, misalnya organisasi
pemerintahan berbeda dengan organisasi bisnis,
demikian pula dengan organisasi kependidikan.
Karakteristik organisasi yang berbeda demikian akan
menghasilkan pemodelan bisnis yang bervariasi, dan
perbedaan ini juga terlihat dalam data dan aliran
datanya.
Di Apotek Kelambir 3 + Medan misalnya
aktivitas transaksi dan pelayanan terhadap konsumensetiap harinya semakin lama semakin tinggi, sehingga
tanpa disadari hal ini dapat menimbulkan tumpukan
data yang semakin besar. Dalam menjalankan
aktivitasnya, Apotek Kelambir 3 + Medan sudah
menggunakan jasa teknologi komputer sebagai alatdalam pengimputan data, pengolahan serta
pencetakan4print out hasil pengolahan data berupa
informasi yang di inginkan. amun dalam pengolahan
data masih menggunakan aplikasi 3 aplikasi yang
sangat sederhana , dan cara 3 cara manual juga masih
dilakukan terutama dalam pengecekan barang masuk
dan keluar dan dalam pengarsipan data. 7alaupun
hingga saat ini aktivitas pelayanan dan transaksi di
Apotek Kelambir 3 + Medan belum mengalami
kendala yang berarti, tentu keadaan ini suatu saat
menjadi faktor penghambat dalam meningkatkan
pelayanan seiring semakin banyaknya transaksi dan
jenis item dan itemset transaksi yang terjadi dan
tersimpan dalam kurun waktu tertentu, sehinggamenyulitkan pihak apotek dalam menganalisa jenis
item dan itemset barang mana yang paling diminati
atau tidak diminati konsumen.
1+1+ Iden(ii.a/i Ma/ala"Dari uraian permasalahan diatas berikut ini
masalah yang dapat diidentifikasi oleh
peneliti, antara lain "
%. Semakin tingginya aktivitas transaksi sehari hariakan menimbulkan penumpukan data dalam
database.
+. Dalam melakukan administrasi, aktivitastransaksi dan pelayanan konsumen, perusahaan
sudah menggunakan teknologi komputer namun
dalam pengolahan datanya masih sangatsederhana.
-. *elum adanya penelitian yang bertujuan untukmengetahui informasi penting dalam
meningkatkan penjualan dan pelayanan pada
konsumen.
1+#+ Ruan Lin.up Ma/ala"6enelitian ini membahas tentang
8mplementasi data mining menggunakan algoritma
Apriori dengan studi kasus pada Apotik Kelambir 3 +
Medan dari bulan ktober 3 ovember +%- dan
yang menjadi populasi penelitian ini adalah data! datatransaksi penjualan alat!alat kesehatan. Sedangkan
dalam pengujian peneliti menggunakan programaplikasi Microsoft 9:el +; dan
1+'+ Rumu/an Ma/ala"*erdasarkan analisa penulis dari uraian
diatas, maka yang menjadi rumusan masalah dari
penelitian ini adalah sebagai berikut "
%. *agaimana mengimplementasikan Data Miningpada database transaksi penjualan item alat ! alat
kesehatan.
+. *agaimana penerapan Algoritma Apriori dalampenentuan frekuensi tinggi item-set untuk
memprediksi persediaan barang di waktu yang
akan datang.
1+0+Tuuan dan Manaa( Peneli(ianAdapun tujuan dan manfaat dari penelitian ini
adalah sebagai berikut"
a. Mengimplementasikan Data Mining padadatabase transaksi penjualan item alat!alat
kesehatan.
b. Menerapkan Algoritma Apriori untukmenentukan frekuensi tinggi itemset untuk
memprediksi persediaan barang diwaktu yang
akan datang.
-
8/10/2019 17. Jurnal Kenendy
3/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
9,
#+ LANDASAN TEORI
#+1 Tinauan Pu/(a.a6enelitian yang berhubungan dengan
penelitian ini adalah "
a. 6enelitian yang dilakukan oleh 9ma 5tami # 9ma
5tami, 2a?i 9ko 8stiyanto, Suwanto $aharjo,+; ( yang menjelaskan tentang bagaimana
metodologi penelitian dalam melakukan riset
pada ilmu komputer.
b. 6enelitian yang dilakukan oleh $akesh Agrawaldkk # Agrawal, $., Manilla, ).,Srikant, $.,
-
8/10/2019 17. Jurnal Kenendy
4/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
9
implisit dan tidak dikenal dari sekumpulan data.
6roses Kno"legde Discover# in Dataase
melibatkan hasil proses data mining #proses
pengekstrak kecenderungan suatu pola data(,
kemudian mengubah hasilnya secara akurat menjadi
informasi yang mudah dipahami #Sri Andayani,
+%(.Ada beberapa macam pendekatan yang
berbeda yang diklasifikasikan sebagai teknik
pencarian informasi4pengetahuan dalam KDD. Ada
pendekatan kuantitatif, seperti pendekatan
probabilistik seperti logika induktif, pencarian pola,
dan analisis pohon keputusan. 6endekatan yang lain
meliputi deviasi, analisis kecenderungan, algoritma
genetik, jaringan saraf tiruan, dan pendekatan
campuran dua atau lebih dari beberapa pendekatan
yang ada.
6ada dasarnya ada enam elemen yang paling
esensial dalam teknik pencarianinformasi4pengetahuan dalam KDD yaitu"
% Mengerjakan sejumlah besar data.+ Diperlukan efesiensi berkaitan dengan volumedata.
- Mengutamakan ketetapan4keakuratan.= Membutuhkan pemakaian bahasa tingkat tinggi. Menggunakan beberapa bentuk dari pembelajaran
otomatis.
' Menghasilkan hasil yang menarik.
6erusahaan memerlukan kecerdasan bisnis
untuk mengembangkan proses bisnis, memonitorwaktu, biaya kualitas, dan pengendalian. artner
roup mendefenisikan kecerdasan bisnis atau
usiness intelligence#*8( sebagai berikut.
F*usiness intelligence is the process of transforming
data into information and through discover#transforming that information into !no"ledge.&
Dalam defenisi ini disampaikan bahwa kecerdasan
bisnis merupakan proses pengubahan data menjadi
informasi. Dari kumpulan informasi yang ada akan
diambil polanya menjadi pengetahuan.
-
8/10/2019 17. Jurnal Kenendy
5/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
9
9stimasi hampir sama dengan klasifikasi, kecuali
variable target estimasi lebih kearah numerik dari
pada kearah kategori. Model dibangun
menggunakan record lengkap yang menyediakan
nilai dari variabel target sebagai prediksi.
Selanjutnya, pada peninjauan berikutnya estimasi
nilai dari variabel target dibuat berdasarkan nilaivariabel predikasi. Sebagai contoh akan dilakukan
estimasi tekanan darah sistolik pada pasien rumah
sakit berdasarkan umur pasien, jenis kelamin,
indeks berat badan, dan level sodium darah.
)ubungan antara tekanan darah sistolik dan nilai
variabel prediksi dalam proses pembelajaran akan
menghasilkan model estimasi. Model estimasi
yang dihasilkan dapat digunakan untuk kasus baru
lainnya.
-. 6rediksi.6rediksi hampir sama dengan klasifikasi dan
estimasi, kecuali bahwa dalam predikasi nilai darihasik akan ada dimasa mendatang.
Contoh prediksi bisnis dan penelitian adalah"a. 6rediksi harga beras dalam tiga bulan yangakan dating.
b. 6rediksi persentasi kenaikan kecelakaan lalulintas tahun depan jika batas bawah kecepatan
dinaikkan.
*eberapa metode dan teknik yang digunakan
dalam klasifikasi dan estimasi dapat pula
digunakan #untuk keadaan yang tepat( untuk
prediksi.
=. KlasifikasiDalam klasifikasi, terdapat target variabel
kategori. Sebagai contoh, penggolongan
pendapatan dapat dipisahkan dalam tiga kategori ,
yaitu pendapatan tinggi, pendapatan sedang, dan
pendapatan rendah.Contoh lain klasifikasi dalam bisnis dan penelitian
adalah"
a. Menentukan apakah suatu transaksi kartukredit merupakan transaksi yang curang atau
tidak.
b. Memperkirakan apakah suatu pengajuanhipotek oleh nasabah merupakan suatu kredit
yang baik atau buruk.
c. Mendiagnosis penyakit seorang pasien untukmendapatkan termasuk kategori penyakit apa.
. 6engklusteran #Clustering(6engkluteran merupakan pengelompokan record,pengamatan, atau memperhatikan dan membentuk
kelas objek!objek yang memiliki kemiripan.
Kluster adalah kumpulan record yang memiliki
kemiripan satu dengan yang lainnya dan memiliki
ketidakmiripan dengan record-record dalamkluster lain. 6engklusteran berbeda dengan
klasifikasi yaitu tidak adanya variabel target dalam
pengklusteran. 6engklusteran tidak mencoba
untuk melakukan klasifikasi, mengestimasi, atau
memprediksi nilai dari variabel target. Akan
tetapi, algoritma pengklusteran mencoba untuk
melakukan pembagian terhadap keseluruhan data
menjadi kelompok!kelompok yang memiliki
kemiripan #homogen#(, yang mana kemiripan
dalam satu kelompok akan bernilai maksimal,
sedangkan kemiripan dengan record dalam
kelompok lain akan bernilai minimal.
Contoh pengklusteran dalam bisnis dan penelitian
adalah"a. Mendapatkan kelompok!kelompok konsumen
untuk target pemasaran dari satu suatu produk
bagi perusahaan yang tidak memiliki dana
pemesaran yang besar.
b. 5ntuk tujuan audit akuntansi, yaitumelakukan pemisahan terhadap perilaku
financial dalam baik dan mencurigakan.
c. Melakukan pengklusteran terhadap ekspresidari gen, untuk mendapatkan kemiripan
perilaku dari gen dalam jumlah besar.
'. Asosiasi
-
8/10/2019 17. Jurnal Kenendy
6/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
9/
Aturan Asosiasi #Seni Susanto dan Dedy Suryadi,
+%(
#+3+#+ Lan.a"-lan.a" Da(a MininAda empat tahap yang dilalui dalam Data Mining
antara lain #/een 0ee 1 2uan Santana, +%"-;!=( "
%.
-
8/10/2019 17. Jurnal Kenendy
7/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
99
#join( 0k!% dengan 0k!% untuk mendapatkan 0k,
seperti pada iterasi sebelumnya sistem akan
menghapus #prune( kombinasi itemset yang tidak
termasuk dalam large itemset.
=. Setelah dilakukan operasi 4oin, maka pasanganitemset baru hasil proses 4oin tersebut dihitung
supportnya.. 6roses pembentuk kandidat yang terdiri dari
proses join dan prune akan terus dilakukan hingga
himpunan kandidat itemsetnya null, atau sudah
tidak ada lagi kandidat yang akan dibentuk.
'. Setelah itu, dari hasil fre2uent itemset tersebutdibentuk association rule yang memenuhi nilai
supportdan confidenceyang telah ditentukan.
;. 6ada pembentukan association rule, nilai yangsama dianggap sebagai satu nilai.
>. Assosiotion rule yang terbentuk harus memenuhinilai minimum yang telah ditentukan.
&. 5ntuk setiap large itemset 0, kita cari himpunanbagian 0 yang tidak kosong. 5ntuk setiap
himpunan bagian tersebut, dihasilkan ruledenganbentuk a*#0!a(jika supportnya #0( dan supportnya
#a( lebih besar dari minimumsupport.
#+6+ Alo!i(ma Ap!io!iAlgoritma apriori adalah suatu algoritma dasar
yang diusulkan oleh Agrawal 1 Srikant pada tahun
%&&= untuk menentukan /reGuent itemsets untuk
aturan asosiasi *oolean. Algoritma Apriori termasuk
jenis Aturan Asosiasipada data mining. Aturan yang
menyatakan asosiasi antara beberapa atribut seringdisebut affinit# anal#sis atau mar!et as!et anal#sis.
Analisis asosiasi atau association rule miningadalah
teknik data mining untuk menemukan aturan suatu
kombinasi item. Salah satu tahap analisis asosiasi
yang menarik perhatian banyak peneliti untukmenghasilkan algoritma yang efisien adalah analisis
pola freGuensi tinggi#fre2uent pattern mining(.
6enting tidaknya suatu asosiasi dapat diketahui
dengan dua tolok ukur, yaitu "support dan confidence.
Support #nilai penunjang( adalah persentase
kombinasi item tersebut dalam database, sedangkan
confidence#nilai kepastian( adalah kuatnya hubungan
antara!item dalam aturan asosiasi. #Kusrini, 9mha
-
8/10/2019 17. Jurnal Kenendy
8/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
100
yaitu yang memperoleh support dan confidence
tertinggi. Sedangkan tahap terakhir adalah
implementasi dan pengujian menggunakan sistem
operasi aplikasi software tanagra %.=, dan database
dengan microsoft e:cel +;.
0angkah ! langkah di dalam kerangka
pemikiran tersebut dapat di gambarkan dalam bentukflowchart berikut ini "
ambar " /lowchart penelitian.
'+#+ !aian 4lo*"a!( Peneli(ian*erikut ini langkah 3 langkah dari flowchart
penelitian yang sudah di buat.
%. Studi Awal0angkah awal dari penelitian ini adalah dengan
mencari dan mempelajari masalah yang akan di
teliti. Kemudian menentukan ruang lingkup
masalah, latar belakang masalah, danmempelajari beberapa literatur yang berkaitan
dengan permasalahan dan bagaimana mencari
solusi dari masalah tersebut. 5ntuk mencapai
tujuan yang akan ditentukan, maka perlu
dipelajari beberapa literatur!literatur yang
digunakan. Kemudian literatur!literatur yang
dipelajari tersebut diseleksi untuk dapat
ditentukan literatur mana yang akan digunakan
dalam penelitian.
Melalui studi literatur, dipelajari teori!teori yang
berhubungan dengan data mining, association
rule, serta algoritma apriori yang akan dibahas.
-
8/10/2019 17. Jurnal Kenendy
9/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
101
aplikasi data mining yang pada dasarnya telah
siap untuk dijalankan dikomputer.
0+ HASIL DAN PEM$AHASAN
0+1 Anali/aSistem informasi persediaan alat!alat
kesehatan di Apotek Kelambir 3 + Medan sudahterkomputerisasi artinya semua yang berhubungan
dengan aktifitas penjualan dan pembelian
menggunakan komputer yang berbasis jaringan
dengan database terpusat kedalam satu server. Sistem
informasi persediaan barang di Apotek Kelambir 3 +
Medan terdiri atas bagi!bagian data obat dan alat!alat
kesehatan, gudang farmasi, pelayanan resep obat dan
penjualan. Ditampilan gudang farmasi terdiri atas
bagian persediaan, laporan pembelian, laporan
penjualan sedangkan data alat!alat kesehatan keluar
terdiri atas attriute nomor, tanggal, nomor slip,
nama, jumlah barang, harga, dan total harga dan setiaptransaksi penjualan minimal terdiri atas satu jenis
alat!alat kesehatan. 5ntuk mendapat analisa datamaka data penjualan di export kedalam database
Microsoft e:cel karena database Microsoft e:cel
bersifat spreadsheet sehingga sangat mendukung
dalam analisa data. Microsoft e:cel dalam analisis
data digunakan sebagai database karena Microsoft
e:cel sangat mendukung beberapa aplikasi data
mining, dimana aplikasi #perangkat lunak( data
mining digunakan sebagai tempat uji coba atau
implementasi. Data mining ialah proses menambang
data untuk mendapatkan ilmu pengetahuan atauinformasi penting dari database khususnya database
penjualan alat!alat kesehatan.
ambar ' " +lo"chart6engolahan Data Mining
=.+.Pemba"a/an0+#+1 Anali/i/ Da(a
*erhubungan dengan studi kasus pada
Apotik Kelambir 3 + Medan, dapat dilakukan analisisdata. Analisis data dilakukan khusus pada penjualan
#data alat kesehatan( dengan tujuan untuk menemukan
pola penjualan alat!alat kesehatan dan hubungan antar
item jenis alat!alat kesehatan didalam transaksi.
*erikut ini adalah tabel % sebagai sampel data dan
sebagian terlampir yang akan dijadikan untuk analisa
dan juga untuk uji coba.
-
8/10/2019 17. Jurnal Kenendy
10/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
102
dimulai dengan menyeleksi dan membersihkan data
data yang akan dianalisis, kemudian mencari semua
jenis item nama alat!alat kesehatan yang ada didalam
listtransaksi penjualan, selanjut mencari jumlah setiap
item yang ada pada setiap transaksi penjualan #alat!
alat kesehatan(. Sesuai dengan support yang telah
ditentukan maka terseleksilah beberapa item datayang memenuhi minimal support sesuai dengan
jumlah item barang didalam transaksi, itu disebut
pembentukan kombinasi satu item.
-
8/10/2019 17. Jurnal Kenendy
11/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
103
mengkombinasi semua items kedalam dua kombinasi,
hasil dari kombinasi dua items seperti pada tabel =
berikut ini"
berikut ini"
ambar > " +lo"chartAssociation $ule
Dari tabel yaitu tabel pola kombinasi dua
item, dapat dilihat besarnya nilai support dan
confidence dari calon aturan asosiasi seperti tampak
pada tabel ' berikut ini"
-
8/10/2019 17. Jurnal Kenendy
12/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
10+
*erdasarkan hasil yang diperoleh berupa data
statistik seperti yang tertera pada tabel ; diatas, maka
dapat dinyatakan dalam bentuk diagram sebagai
berikutN
ambar & " rafik korelasi antara Support danConfidence
0+'+ Penuian
5ntuk membuktikan data!data yang telah
dihasilkan berupa pola hubungan kombinasi antar
items dan rules-rules asosiasi sesuai dengan
Algoritma Apriori maka perlu dilakukan pengujian
dengan menggunakan suatu aplikasi. Aplikasi yang
digunakan adalah
-
8/10/2019 17. Jurnal Kenendy
13/14
-
8/10/2019 17. Jurnal Kenendy
14/14
Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013Volume : I, Nomor : 1, Oktober 2013 Majalah Ilmiah
Informasi dan Teknologi Ilmiah (INTI)ISSN : 2339-210X
Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat
Kesehatan. Oleh Kennedi !amp"#olon1$
% &oga Saragih2$
% 'o##( )e*a3$
10
OP /inn 0ee S 1 2uan Santana. +%.Data Mining '
Meramal!an *isnis /erusahaan. 2akarta "
6enerbit 6.O;P /ayyad, 5.M., 6iatetsky!Shapiro, ., and
Smyth, 6. %&&'. Kno"ledge Discover# and Data
Mining ' o"ards a ?nif#ing +rame"or!. 8n
6roceedings of KDD!&' #AKDDM(, AAA84M8+!>>.
O>P Beong!Chyi 0ee,