IMPLEMENTASI ALGORITMA FP-GROWTH PADA SISTEM...
Transcript of IMPLEMENTASI ALGORITMA FP-GROWTH PADA SISTEM...
ARTIKEL
IMPLEMENTASI ALGORITMA FP-GROWTH PADA SISTEM
PENJUALAN TOKO ROTI UNTUK MENINGKATKAN PENJUALAN
DAN MEMINIMALISIR KERUGIAN
Oleh:
BAGUS UMAR SETYAWAN
14.1.03.02.0258
Dibimbing oleh :
1. Ratih Kumalasari Niswatin, S.ST, M.Kom
2. Patmi Kasih, M.Kom
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
TAHUN 2018
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Bagus Umar Setyawan | 14.1.03.02.0258 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 1||
SURAT PERNYATAAN
ARTIKEL SKRIPSI TAHUN 2018
Yang bertanda tangan di bawah ini:
Nama Lengkap : BAGUS UMAR SETYAWAN
NPM : 14.1.03.02.0258
Telepon/HP : 083124181243
Alamat Surel (Email) : [email protected]
Judul Artikel : Implementasi Algoritma FP-Growth pada Sistem
Penjualan Toko Roti untuk Meningkatkan Keuntungan
dan Meminimalisir Kerugian
Fakultas – Program Studi : Teknik – Teknik Informatika
Nama Perguruan Tinggi : Universitas Nusantara PGRI Kediri
Alamat Perguruan Tinggi : Jln. Kh. Ahmad Dahlan No. 76, Mojoroto, Kediri
Dengan ini menyatakan bahwa :
a. Artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan
bebas plagiarisme;
b. Artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.
Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila di kemudian hari
ditemukan ketidaksesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain, saya
bersedia bertanggungjawab dan diproses sesuai dengan ketentuan yang berlaku.
Mengetahui Kediri, 9 Agustus 2018
Pembimbing I
Ratih Kumalasari Niswatin, S.ST, M.Kom
NIDN. 0710018501
Pembimbing II
Patmi Kasih, M.Kom
NIDN. 0701107802
Penulis,
Bagus Umar Setyawan
NPM. 14.1.03.02.0258
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Bagus Umar Setyawan | 14.1.03.02.0258 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 2||
IMPLEMENTASI ALGORITMA FP-GROWTH PADA SISTEM
PENJUALAN TOKO ROTI UNTUK MENINGKATKAN PENJUALAN
DAN MEMINIMALISIR KERUGIAN
Bagus Umar Setyawan
14.1.03.02.0258
Fakultas Teknik – Teknik Informatika
Ratih Kumalasari Niswatin, S.ST, M.Kom dan Patmi Kasih M.Kom
UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK
Penelitian ini dilatar belakangi hasil pengamatan peneliti bahwa data transaksi penjualan pada
kebanyakan toko roti hanya dijadikan arsip tanpa adanya pemanfaatan yang lebih efisien. Bahkan masih
banyak toko roti yang perekapan datanya masih menggunakan cara manual. Hal tersebut mengakibatkan
penumpukan arsip yang kemudian menjadi sampah, padahal jika diolah akan menjadi informasi yang
bermanfaat.
Penelitian ini menggunakan salah satu metode data mining, yaitu Association Rule dengan
algoritma Frequent Pattern Growth (FP-Growth) untuk mengolah data transaksi penjualan menjadi
informasi berupa presentase roti yang sering terjual dan roti yang jarang atau tidak laku terjual. Dengan
menggunakan data transaksi penjualan para produsen roti dapat membatasi jumlah roti yang kurang
begitu laris dan menambah stok roti yang laris terjual. Selain itu dari analisis data penjualan dapat juga
ditemukan kombinasi roti yang sering terjual secara bersamaan. Tujuan dari penelitian ini adalah
menghasilkan sebuah program atau aplikasi untuk menganalisa data transaksi penjualan dengan
menggunakan algoritma FP-Growth, berdasarkan nilai minimum frekuensi dan minimum confidence
yang dapat disesuaikan oleh pengguna aplikasi.
Kesimpulan hasil penelitian ini adalah aplikasi yang dibuat dapat mengimplementasikan data
mining dengan metode Association Rule algoritma FP-Growth untuk menganalisa data transaksi
penjualan dengan baik. Banyaknya variasi data mempengaruhi banyaknya hasil analisa dan nilai
presentase support dan confidence dari masing-masing kombinasi roti. Aplikasi juga dapat memberikan
saran penambahan produksi dan pengurangan produksi terhadap roti yang laris dan roti yang kurang
laku terjual.
KATA KUNCI : Data Mining, Association Rule, FP-Growth, Market Basket Analysis
I. LATAR BELAKANG
Dalam dunia bisnis kerap
muncul berbagai masalah internal, toko
roti merupakan salah satu usaha yang
tidak luput dari masalah-masalah
tersebut. Permasalahan yang sering
dihadapi oleh para produsen roti adalah
roti yang tidak terjual tidak tahan lama
dan akhirnya membusuk, tentunya hal
tersebut mengakibatkan kerugian. Danis
Donuts and Bakery merupakan salah
satu produsen roti yang tidak luput dari
masalah tersebut. Dengan adanya
masalah tersebut, para produsen roti
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Bagus Umar Setyawan | 14.1.03.02.0258 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 3||
harus berfikir untuk dapat
mengatasinya. Salah satu strategi yang
dapat digunakan adalah dengan
memanfaatkan teknologi informasi.
Data transaksi penjualan adalah
salah satu data yang dapat diolah. Pada
toko roti Danis Donuts and Bakery data
tersebut biasanya hanya disimpan
sebagai arsip tanpa digunakan lagi dan
akhirnya terus menumpuk. Padahal data
transaksi penjualan tersebut dapat
diolah menggunakan data mining untuk
melihat pola pembelian pelanggan.
“Teknik Market Basket Analysis
(MBA) merupakan teknik yang
mengadaptasi ilmu data mining”
(Kusrini, 2009). MBA merupakan salah
satu contoh dari data mining yang
digunakan untuk menganalisa
kebiasaan konsumen dalam berbelanja.
Teknik ini digunakan untuk merancang
strategi penjualan dan pemasaran suatu
barang melalui pencarian asosiasi atau
hubungan antar item data dari suatu
basis data. Salah satu teknik dalam data
mining yang terkenal dan cocok untuk
MBA adalah Association Rule Mining.
Sedangkan algoritma yang akan
digunakan nantinya adalah algoritma
Frequent Pattern Growth (FP-Growth).
Algoritma ini merupakan
pengembangan dari algoritma Apriori
dimana algoritma FP-Growth dapat
melakukan analisa lebih cepat
dibandingkan algoritma Apriori.
Dengan MBA ini nantinya data
transaksi penjualan Danis Donuts and
Bakery akan di analisa untuk
menemukan hasil yaitu berupa
presentase roti yang sering terjual dan
roti yang jarang atau tidak laku terjual.
Dengan menggunakan data tersebut
para produsen roti dapat membatasi
jumlah roti yang kurang begitu laris dan
menambah stok roti yang laris terjual.
II. METODE
A. Association Rule
“Association rule mining
adalah suatu prosedur untuk mencari
hubungan antar item dalam suatu
data set yang ditentukan” (Han,
Kamber, 2006). Association rule di
definisikan sebagai suatu proses
untuk menemukan semua aturan
asosiasi yang memenuhi syarat
minimum untuk support (minimum
support) dan syarat minimum untuk
confidence (minimum confidence).
Jika support-nya ≥ minimum support
dan confidence-nya ≥ minimum
confidence, maka rule tersebut bisa
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Bagus Umar Setyawan | 14.1.03.02.0258 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 4||
dikatakan sebagai interesting rule.
Tahap ini mencari kombinasi item
yang memenuhi syarat minimum dari
nilai support dalam database. Nilai
support sebuah item diperoleh
dengan perhitungan seperti berikut
(Ngatimin, 2013):
Support(A)= ∑ trans A
∑ trans ×100%………….(1)
Sementara itu, nilai support
dari 2 item diperoleh dari
perhitungan berikut:
Support(A∩B)=∑ trans A&B
∑ trans×100%…..(2)
Setelah semua pola frekuensi
ditemukan, barulah dicari aturan
asosiasi yang memenuhi syarat
minimum untuk confidence dengan
perhitungan confidence sebagai
berikut:
Confidence(A|B)=∑ trans A&B
∑ trans A×100%.....(3)
B. Frequent Pattern Growth (FP-
Growth)
“Frequent patttern growth
algorithm atau yang biasa disebut
dengan FP-Growth Algorithm adalah
suatu algoritma yang memperkecil
ukuran data set yang
merepresentasikan frequent item ke
dalam frequent pattern tree (FP-
Tree)” (Han, Kamber, 2006).
Algoritma FP-Growth
merupakan pengembangan dari
algoritma Apriori. FP-Growth
menggunakan konsep pembangunan
tree dalam pencarian frequent
itemsets. Hal tersebutlah yang
menyebabkan algoritma FP-Growth
lebih cepat dari algoritma Apriori.
Karakteristik algoritma FP-Growth
adalah struktur data yang
menggunakan tree atau disebut
dengan Frequent Pattern Tree (FP-
Tree). Dengan menggunakan FP-
Tree, algoritma FP-growth dapat
langsung mengekstrak frequent
itemset dari FP-Tree.
III. HASIL DAN KESIMPULAN
Dalam perancangan program,
bahasa pemrograman yang digunakan
adalah C# dengan Integrated
Development Environment (IDE)
menggunakan Visual Studio 2010.
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Bagus Umar Setyawan | 14.1.03.02.0258 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 5||
Sedangkan database yang digunakan
adalah MySQL.
Berikut tampilan program Aplikasi
Toko Roti:
A. Tampilan Halaman Login
Halaman login dapat di akses
dengan menekan tombol login pada
menu awal. Berikut merupakan
tampilan halaman login:
Gambar 3.1 Halaman Login
Login dibedakan menjadi 2
bagian, yaitu login admin dan login
karyawan. Admin memiliki prioritas
lebih tinggi dan dapat mengakses
keseluruhan aplikasi, sedangkan
karyawan hanya dapat mengakses
data roti, transaksi penjualan, dan
analisis penjualan saja.
B. Tampilan Halaman Utama (Home)
Halaman utama dapat di
akses setelah melakukan login.
Perbedaan dari halaman login adalah
bagian menu yang sudah dapat di
akses sesuai prioritas ketika login.
Gambar 3.2 Halaman Utama
Pada gambar 5.16 login yang
digunakan adalah admin oleh
karenanya semua menu dapat
diakses. Jika melakukan login
karyawan menu laporan penjualan
dan data karyawan tetap tidak akan
dapat diakses.
C. Tampilan Halaman Data Roti
Halaman data roti dapat di
akses dengan menekan menu data
roti. Berikut merupakan tampilan
halaman data roti:
Gambar 3.3 Halaman Data Roti
Bagian utama dari halaman
data roti adalah tabel data roti yang
disertai dengan detail gambar dan
deskripsinya. Selain itu terdapat
informasi tambahan berupa jumlah
variasi roti dan jumlah jenis roti.
Fitur: pencarian data roti, input data,
edit data, dan hapus data.
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Bagus Umar Setyawan | 14.1.03.02.0258 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 6||
D. Tampilan Halaman Transaksi
Penjualan
Halaman transaksi penjualan
dapat di akses dengan menekan
menu transaksi penjualan. Berikut
adalah tampilan halaman transaksi
penjualan:
Gambar 3.4 Halaman Transaksi
Penjualan
Bagian utama dari halaman
transaksi penjualan adalah tabel data
transaksi harian dilengkapi dengan
detail transaksi serta tabel detail item
apa saja yang dibeli dalam satu
transaksi. Selain itu terdapat
informasi tambahan berupa jumlah
transaksi keseluruhan dan jumlah
transaksi harian. Fitur: input data dan
hapus data.
E. Tampilan Halaman Analisis
Penjualan
Halaman analisis penjualan
dapat di akses dengan menekan
menu analisis penjualan. Berikut
adalah tampilan halaman analisis
penjualan:
Gambar 3.5 Halaman Analisis
Penjualan
Bagian utama dari halaman
analisis penjualan adalah tabel hasil
perhitungan algoritma FP-Growth
yang dibagi menjadi dua, yaitu
perhitungan satu itemset dan
perhitungan kombinasi dua itemset.
Selain itu terdapat informasi
tambahan berupa rekomendasi roti,
saran sistem dalam memproduksi
roti, jumlah keseluruhan item yang
dihitung, dan frekuensi per-item.
Pada gambar 3.5 diatas
minimum frekuensi di atur 6
sedangkan minimum confidence di
atur 60%, hasil yang di dapat sebagai
berikut:
Gambar 3.6 Hasil Itemset 1
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Bagus Umar Setyawan | 14.1.03.02.0258 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 7||
Gambar 3.7 Hasil Kombinasi 2
Itemset
Gambar 3.8 hasil Saran Sistem
Fitur: penentuan minimum frekuensi
dan minimum confidence.
F. Tampilan Halaman Laporan
Penjualan
Halaman laporan penjualan
dapat di akses dengan menekan
menu laporan penjualan. Hak akses
halaman laporan penjualan hanya
diberikan pada admin, oleh
karenanya karyawan tidak dapat
mengakses halaman laporan
penjualan. Berikut adalah tampilan
halaman laporan penjualan:
Gambar 3.9 Halaman Laporan
Penjualan
Bagian utama dari halaman
laporan penjualan adalah tabel
penjualan harian dan detail transaksi
dalah sehari. Selain itu terdapat
informasi tambahan berupa jumlah
laporan harian serta kinerja
karyawan.
G. Tampilan Halaman Data Karyawan
Halaman data karyawan
dapat di akses dengan menekan
menu data karyawan. Hak akses
halaman data karyawan hanya
diberikan pada admin, oleh
karenanya karyawan tidak dapat
mengakses halaman data karyawan.
Berikut adalah tampilan halaman
data karyawan:
Gambar 3.10 Halaman Data
Karyawan
Bagian utama dalam halaman
data karyawan adalah tabel data
karyawan dilengkapi dengan
detailnya. Selain itu terdapat
informasi tambahan berupa jumlah
karyawan, data jumlah gender, dan
data jam masuk. Fitur: diantaranya
pencarian karyawan, input data, edit
data, dan hapus data.
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Bagus Umar Setyawan | 14.1.03.02.0258 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 8||
H. Tampilan Halaman Info Aplikasi
Halaman info aplikasi dapat
di akses dengan menekan menu info
aplikasi. Halaman info aplikasi
adalah satu-satunya menu yang dapat
diakses bahkan sebelum melakukan
login. Berikut adalah tampilan
halaman info aplikasi:
Gambar 3.11 Halaman Info
Aplikasi
Bagian utama dalam halaman
info aplikasi adalah Bantuan
Aplikasi dan Tentang Aplikasi. Pada
bagian Bantuan aplikasi terdapat
empat sub bagian, yaitu: Bantuan
Login, Bantuan Input, Bantuan Edit,
dan Bantuan Hapus.
IV. PENUTUP
A. Simpulan
Berdasarkan pembahasan
dari analisis dan uji coba yang telah
dilakukan, maka dapat diambil
kesimpulan terhadap Aplikasi Toko
Roti adalah sebagai berikut:
1. Aplikasi Toko Roti dapat
digunakan sebagai media untuk
memanfaatkan data transaksi
penjualan dengan lebih efektif dan
efisien.
2. Aplikasi Toko Roti telah dapat
mengimplementasikan data
mining metode Association Rule
algoritma FP-Growth dengan
baik.
3. Dengan adanya fitur saran sistem
pada Aplikasi Toko Roti pemilik
toko dapat mengetahui roti apa
saja yang sebaiknya ditingkatkan
produksinya dan roti mana saja
yang sebaiknya dikurangi
produksinya.
B. Saran
Berdasarkan uraian
kesimpulan di atas, maka saran yang
diharapkan penulis untuk
pengembangan aplikasi serupa
adalah sebagai berikut:
1. Perlu adanya penambahan data
beberapa bulan agar mendapat
lebih banyak variasi hasil.
2. Diharapkan untuk penelitian
selanjutnya dapat menganalisa
data penjualan berdasarkan bulan
dan tahun.
3. Diharapkan terdapat penambahan
halaman untuk melihat
perkembangan popularitas roti.
4. Sistem ini dapat diterapkan pada
kasus lain yang serupa.
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Bagus Umar Setyawan | 14.1.03.02.0258 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 9||
V. DAFTAR PUSTAKA
Gunadi, G. & Sensuse, D.I. 2012.
Penerapan Metode Data
MiningMarket Basket Analysis
terhadap Data Penjualan
Produk Buku dengan
Menggunakan Algoritma
Apriori dan Frequent Pattern-
Growth (FP-Growth): Studi
Kasus Percetakan PT.
Gramedia. Vol. 4, No.1, Hal
121.
Han & Kamber. 2006. Data Mining:
Concepts and Techniques, 2nd
ed.
Ikhsana, Y. dkk. 2015. Implementasi
Data Mining dengan
Menggunakan Algoritma FP-
Growth untuk Menentukan Pola
Penjualan Barang pada Event
Tertentu (Studi Kasus: Berkah
Swalayan). Jurnal Aksara
Komputer Terapan. Vol. 4. No.
4.
Kusrini & Luthfi, E.T. 2009. Algoritma
Data Mining. Yogyakarta: Andi.
Maulida, T.A. 2014. Analisa Data
Mining Menggunakan
Algoritma Frequent Pattern
Growth pada Data Transaksi
Penjualan Restoran Joglo
Kampoeng Doeloe Semarang.
Universitas Dian Nuswantoro.
Ngatimin. 2013. Perancangan Aplikasi
E-Commerce Toko Buku Qisthi
dengan Menggunakan Metode
Market Basket Analysis. Vol. 5,
No. 1.
Samuel, D. 2008. Penerapan Struktur
FP-Tree dan Algoritma FP-
Growth dalam Optimasi
Penentuan Frequent Itemset.
Institut Teknologi Bandung.
Sonrisa, S. 2016. Implementasi Data
Mining Terhadap Penentuan
Paket Hemat Sembako dan
Kebutuhan Harian
Menggunakan Aturan
Association Rule di Primer
Koperasi Kartika Baja Cilegon
dengan Algoritma FP-Growth.
Bandung: Universitas Komputer
Indonesia.
Turban, E., dkk. 2005. Decicion
Support Systems and Intelligent
Systems. Yogyakarta: Andi
Offset.