Jurnal . ………….. Vol. XX …, No. X, Bulan 20XX, XX-XX 1

APLIKASI DATA MINING ASSOCIATION RULE DENGAN ALGORITMA APRIORI UNTUK MENGENALI POLA

PEMBELIAN PELANGGAN PADA TOKO BUKU(STUDI KASUS : PUSTAKA OBOR)

Andhi Pratama1, Wawan Yunanto, S.Kom.,M.T.2, Yohana Dewi Lulu W., S.Si., M.T.3

1Program Studi Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265, email: pratama602@gmail.com

3Program Studi Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265, email: wawan@pcr.ac.id3Program Studi Sistem Informasi Politeknik Caltex Riau, Pekanbaru 28265, email: ydlulu@gmail.com

AbstrakPustaka Obor adalah jenis usaha yang bergerak dibidang penjualan buku baik itu buku pelajaran, novel, majalah dan lain-lain. Konsumen yang bertambah setiap hari akan menambah data transaksi penjualan, yang semakin hari semakin menumpuk. Data transaksi tersebut dapat dimanfaatkan dan menjadi data yang berarti apabila dikelola dengan menggunakan aplikasi data mining . Aplikasi data mining dapat dimanfaatkan untuk menggali informasi pola pembelian pelanggan berdasarkan data penjualan, yang dapat membantu pemilik toko dalam memanfaatkan informasi yang didapatkan untuk membantu pemasaran. Aplikasi data Mining ini menggunakan teknik association rule dengan algoritma apriori yang berguna untuk mengetahui pola pembelian pelanggan, hasil dari aplikasi ini dapat menggambarkan adanya kolerasi antara berbagai item yang dibeli berdasarkan data transaksi penjualan. Dari pengujian yang telah dilakukan, system ini dapat membantu pegawai dengan efektif untuk mengetahui informasi-informasi yang dibutuhkan serta membantu dalam penempatan produk yang dibeli bersamaan secara berdekatan berupa kebiasaan pembelian pelanggan dengan persentase 88% (sangat baik) dan dari pengujian sistem dapat disimpulkan semakin kecil nilai minimum support dan confidence yang dimasukkan, maka semakin banyak rules yang dihasilkan dan semakin lama juga proses yang dibutuhkan.

Kata kunci : Data mining, Association rule, Apriori.

AbstractPustaka Obor is a kind of corporation selling books, such as school books, novels, magazines, etc. The number of the consumers are getting bigger day by day. It will surely have the amount of the transactional selling data accumulated. That transactional data can be used as accurate data if we manage it by applying the mining data application. The mining data application can be used to look for more informations about the costumers’ purchases pattern based on the purchases data. Those informations can help the owners of the corporation get better marketings. The mining data application uses association rule technic and the apriori algorithm within, which is used to serve the informations about the pattern of costumers’ purchases. The results of that application can describe the correlation among the purchased items based on the transactional data. From the experiment I have done,the system can help employees effectively to find the needed information and assist in the placement of products that are purchased together in contiguous form of customer's purchasing habits with the percentage 88% (very good). Based on the experiment of the system, it can be concluded that the smaller the minimum support and confidence values are entered, the more rules are generated and also the longer the process takes.

Keywords: Data mining, Association rules, Apriori.

1 Pendahuluan

2 Andhi Pratama

Pustaka Obor adalah usaha yang bergerak pada bidang penjualan buku, baik itu penjualan buku pelajaran, novel, majalah dan lain-lain. Dari sekian banyak konsumen dan banyaknya data transaksi penjualan yang setiap hari semakin bertambah, banyaknya data tersebut justru bisa menjadi masalah jika tidak dimanfaatkan dengan baik, jika tidak dimanfaatkan dengan baik data tersebut malah akan menjadi sampah yang tidak berarti.

Penulis menyadari dalam dunia bisnis peran serta teknologi sangat penting untuk membantu perusahaan, khususnya data mining yang sangat memberi kontribusi pada bidang ini. Pola-pola asosiasi dapat mempresentasikan perilaku ataupun kebiasaan pelanggan dalam melakukan transaksi yang berguna untuk membantu perusahaan dalam mengambil keputusan dan menentukan strategi baru dalam pemasaran ataupun penjualan baik itu dengan cara peletakan barang yang sering dibeli secara bersamaan ke dalam suatu area yang berdekatan, pembelian diskon pada barang tertentu ataupun membuat paket untuk barang-barang yang sering dibeli secara bersamaan.

Oleh karena itu munculah gagasan penulis untuk membangun sebuah aplikasi data mining dengan menggunakan teknik association rule dan algoritma apriori berbasis web yang berguna untuk mengetahui pola pembelian dari konsumen, tingkat keragaman dan jumlah data sangat menentukan aplikasi data mining ini untuk menghasilkan candidate rule, semakin kecil nilai support yang diberikan maka akan semakin beragam candidate rule yang diperoleh. Dalam pembuatan aplikasi dalam mining ini penulis menggunakan bahasa pemrograman PHP dan mySQL sebagai databasenya.

1.1 Tujuan

Tujuan dari proyek akhir ini adalah untuk membangun aplikasi data mining dengan menggunakan metode association rule dan algoritma Apriori yang mampu mengenali pola pembelian pelanggan berdasarkan kecendrungan produk yang muncul dalam data transaksi penjualan serta dapat melihat produk yang sering dibeli pelanggan pada waktu tertentu

1.2 ManfaatManfaat dari aplikasi ini adalah :

1. Memberikan kemudahan dan membantu pemilik toko dalam mengambil keputusan dan menentukan strategi pemasaran berdasarkan pola-pola transaksi pelanggan.

2. Untuk menentukan penempatan produk yang sering dibeli bersamaan oleh pelanggan agar diletakkan secara berdekatan.

1.3 Batasan masalah

Beberapa batasan masalah yang terdapat pada proyek akhir ini adalah sebagai berikut:1. Aplikasi ini dirancang untuk Pustaka Obor2. Aplikasi ini menggunakan bahasa pemrograman PHP.3. Data yang diolah adalah data transaksi penjualan dalam jangka waktu 4 bulan.4. Aplikasi ini tidak membahas sisi keamanan baik itu sisi website ataupun database.5. Informasi yang didapatkan berupa produk yang sering dibeli pelanggan secara

bersamaan berdasarkan minimum support dan minimum confidence.6. Kombinasi dari produk berupa 2 dan 3-itemset, item yang dimaksud adalah jenis produk

yang terdapat pada transaksi penjualan.

2 Tinjauan Pustaka

2.1 Review Penelitian Terdahulu

Penelitian terdahulu yang telah dilakukan berjudul Implementasi Data Mining dengan Association Rule dalam Pengambilan Keputusan untuk Kolerasi Pembelian Produk

Jurnal . ………….. Vol. XX …, No. X, Bulan 20XX, XX-XX 3

Menggunakan Algoritma Apriori, penelitian ini dilakukan oleh Aritonang, Pathrecia (2012) program studi Extensi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatra Utara. Adapun perbandingan penelitian terdahulu dengan proyek akhir yang akan dibuat dapat dilihat jelas pada tabel perbandingan dibawah ini.

Tabel 1 Tabel Review Penelitian

No Perbedaan Penelitian Terdahulu Proyek Akhir yang Akan dibuat

1. Studi Kasus Minimarket Indomaret Pustaka Obor

2. Platform Dekstop WEB

3. Bahasa Pemrograman

Visual Basic PHP

4. Bidang Kajian Bisnis Bisnis

5. Sistem Data di proses secara keseluruhan, tidak berdasarkan waktu tertentu

Customize data berdasarkan waktu atau even tertentu, seperti weekend, hari libur nasional, liburan sekolah, dll

6. Metode Association rule Association rule

2.2 Profil Perusahaan

Pustaka Obor adalah jenis usaha retail yang bergerak pada bidang penjualan buku, baik itu buku pelajaran, novel, majalah dan lain-lain. Pustaka Obor didirikan oleh ibu Rahmiati Idris pada tanggal 12 agustus 1996 yang berlokasi di plaza Citra, blok AD unit 25 jl.Pepaya No 78 Pekanbaru, Riau.

Tujuan berdirinya Pustaka Obor adalah untuk memudahkan masyarakat untuk mendapatkan buku-buku yang dibutuhkan, mengerti kebutuhan konsumen, serta mendapatkan keuntungan dari sistem yang saling bersimbiosis mutualisme. Sedangkan manfaat yang ingin dicapai adalah agar masyarakat tidak ketinggalan akan kemajuan teknologi dan ilmu pengetahuan dan melestarikan budaya membaca.

2.3 Data Mining

Istilah Data Mining disebut juga dengan knowladge discovery karena merupakan bidang yang berfungsi untuk menggali ataupun mencari informasi untuk menentukan pola ataupun model yang baru, bermanfaat, dimengerti dan memiliki arti dari kumpulan data yang besar.

Data mining menggunakan berbagai software analisis data untuk menemukan pola dan relasi data agar dapat digunakan untuk mendapatkan informasi baru yang bermanfaat. Data mining memiliki kemampuan untuk memprediksi tren, prilaku sehingga membantu perusahaan untuk semakin proaktif dan memperkaya pengetahuan dan informasi dalam membantu mengambil keputusan ( Feri Sulianta, 2010).

4 Andhi Pratama

2.3.1 Association Miningassociation rule mining adalah teknik data mining yang berfungsi untuk mencari

ataupun menemukan aturan assosiatif dari suatu kombinasi item dari kumpulan data yang besar. Contoh association rule dari analisa pola pembelian pada pasar swalayan adalah dapat diketahuinya informasi berapa besar nilai kemungkinan seorang customer membeli susu bersamaan dengan gula. Dengan pengetahuan tersebut pemilik swalayan dapat mengatur tata letak barangnya atau merencanakan cara pemasaran dengan memberikan diskon untuk item yang sering dibeli secara bersamaan.

2.3.2 Tahapan Association rulesAssociation rule mining adalah salah satu teknik data mining untuk menemukan aturan

assosiatif antara suatu kombinasi item. Penting tidaknya suatu aturan assosiatif dapat diketahui dengan dua acuan, support yaitu nilai persentase kombinasi item tersebut dalam data transaksi penjualan dan confidence yaitu kuatnya hubungan antar item (produk) dalam aturan assosiatif.Metodologi dasar analisis asosiasi terbagi menjadi dua tahap yaitu :1. Analisa pola frekuensi tinggi

Tahap ini berfungsi untuk mecari kombinasi item yang memenuhi syarat minimum dari nilai support dalam database. Untuk medapatkan nilai support sebuat item digunakan rumus sebagai berikut:

Sedangkan nilai support dari 2 item diperoleh dari:

2. Pembentukan aturan assosiatifSetelah semua pola frekuensi tertinggi di temukan, baru dicari aturan assosiatif

yang memenuhi syarat minimum untuk confidence dengan menghitung nilai confidence aturan assosiatif A > B nilai confidence dari aturan A > B diperoleh dari rumus berikut :

2.3.3 Algoritma apriori

Algoritma apriori adalah salah satu algoritma pencarian pola yang sangat populer dalam teknik data mining. Algoritma ini ditujukan untuk mencari kombinasi itemset yang mempunyai nilai keseringan tertentu sesuai kriteria atau filter yang diinginkan. Algoritma ini diajukan oleh R. Agrawal dan R. Srikant tahun 1994. Hasil dari algoritma apriori dapat digunakan untuk membantu dalam pengambilan keputusan pihak manajemen. Algoritma apriori melakukan pendekatan iteratif yang disebut dengan pencarian level-wise, dimana k-itemset digunakan untuk menemukan (k+1)-itemset. Oleh karena itu, algoritma apriori dibagi menjadi beberapa tahap yang disebut dengan iterasi. Tiap iterasi menghasilkan pola frekuensi tinggi.

Jurnal . ………….. Vol. XX …, No. X, Bulan 20XX, XX-XX 5

3 Perancangan

3.1 Data Flow Diagram (DFD) level 0

Data Flow Diagram (DFD) level 0 dari sistem yang akan dibuat di jelaskan pada Gambar , gambar tersebut akan menjelaskan garis besar alur dari proses yang nantinya akan diimplementasikan pada aplikasi.

Gambar 1 Data flow diagram level-0

3.2 ERD (Entity Relationship Diagram)

ERD (Entity Relationship Diagram) merupakan suatu model untuk menjelaskan hubungan antar data dalam basis data berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi.

Gambar 2. Entity Relationship Diagram

3.3 Flowchart

1 Flowchart proses Apriori

6 Andhi Pratama

Gambar 3 Flowchart proses Apriori

2 Flowchart Sistem

Jurnal . ………….. Vol. XX …, No. X, Bulan 20XX, XX-XX 7

Gambar 4 Flowchart sistem

4 Pengujian

4.1 Pengujian Sistem

Pengujian sistem aplikasi yang dibangun secara keseluruhan, pengujian dilakukan dengan memeriksa satu persatu bagian bagian aplikasi yang dibangun tanpa memperhatikan struktur logika internal sistem atau yang disebut dengan black box. Metode pengujian ini dilakukan untuk memeriksa apakah sistem telah berjalan sesuai dengan yang diharapkan.

Gambar 6 merupakan tampilan menu login. Gambar 7 adalah tampilan “Menu Utama”. Gambar 8 merupakan tampilan form “Proses Data Mining”. Gambar 9 merupakan tampilan form Barang terlaris. Gambar 10 adalah Hasil proses.Gambar 11 Tampilan Hasil Proses berdasarkan waktu dari event tertentu .

8 Andhi Pratama

Gambar 5 Tampilan menu utama

Gambar 6 Tampilan form proses data mining

Gambar 7 Tampilan fitur Barang terlaris

Gambar 8 Tampilan Hasil Proses

Jurnal . ………….. Vol. XX …, No. X, Bulan 20XX, XX-XX 9

Gambar 9 Tampilan Hasil Proses berdasarkan waktu dari event tertentu

4.2 Analisa

4.2.1 Analisa pengguna sistem

Pengujian tanggapan pengguna dilakukan dengan memberikan kuisioner terhadap 5 pegawai pustaka obor. Berdasarkan proses perhitungan diatas hasil persentase tertinggi terdapat pada pernyataan ke-3, yaitu dapat mempermudah pegawai mengetahui informasi-informasi yang dibutuhkan dalam transaksi penjualan. Ini menunjukkan bahwa pernyataan ke-3 yang paling berhasil dicapai melalui sistem ini. Hasil persentase dari setiap pernyataan adalah >80% dan hasil persentase secara keseluruhan adalah 88%. Jadi, dapat dikatakan bahwa hasil rekapitulasi evaluasi sistem ini secara keseluruhan sudah sangat baik. Segala hal yang diharapkan dari sistem ini dapat dicapai dengan semestinya. Walaupun belum mendapatkan hasil yang sempurna.

4.2.2 Analisa berdasarkan minimum support dan confidence yang berbeda

Berikut adalah table hasil Analisa sistem dengan memasukkan nilai support dan confidence yang berbeda yang dapat menentukan banyaknya rule yang didapat dan lama waktu proses.

Tabel 2. Pengujian

Support (%) Minimum Confidence (%)

Rules Waktu Proses (detik)

0,3 60 8 69.50,4 60 3 48.40.5 60 3 34.90.6 60 2 26.80,7 60 2 23.21 60 2 160.3 70 3 680.4 70 2 50

10 Andhi Pratama

Jadi, dari hasil pengujian yang telah dilakukan dengan menggunakan support dan confidence yang berbeda dapat disimpulkan bahwa semakin kecil nilai minimum support dan nilai minimum confidence yang dimasukkan, maka semakin banyak aturan ( rules ) yang dihasilkan dan membutuhkan waktu proses yang lebih lama.

5 Kesimpulan dan Saran

5.1 KesimpulanSetelah dilakukan pengujian beserta analisa pada proyek akhir ini, maka dapat diambil

kesimpulan sebagai berikut:1. Aplikasi data mining ini mampu memberikan kemudahan dan membantu pemilik toko

dalam mengambil keputusan dan memanfaatkan informasi yang didapatkan untuk membantu pemasaran berdasarkan pola pembelian pelanggan

2. Data Mining association rule dengan menggunakan algoritma apriori pada aplikasi web ini, dapat memberikan aturan asosiasi dengan menggunakan nilai minimum support dan minimum confidence sebagai acuan.

3. Dari hasil pengujian yang telah dilakukan, System ini dapat membantu pegawai dengan efektif untuk mengetahui informasi-informasi yang dibutuhkan serta membantu dalam penempatan produk yang dibeli bersamaan secara berdekatan berupa kebiasaan pembelian pelanggan dengan persentase secara kesulurahan pernyataan 88% (sangat baik).

5.2 Saran

Untuk pengembangan aplikasi ini, maka beberapa hal yang dapat penulis sarankan adalah:1. Penulis mengharapkan untuk pembuat aplikasi data mining berikutnya, dapat

menambahkan algoritma yang lain seperti algoritma FP Growth sebagai perbandingan untuk mengetahui besar kecepatan dalam proses iterasi.

2. Mengintegrasikan sistem informasi akuntansi dan teknik Association rule pada data mining. Dengan harapan dapat memberikan informasi yang lebih lengkap untuk perencanaan bisnis kedepannya.

6 Cuplikan dan Daftar Pustaka[1] Aritonang, Pathrecia (2012). Implementasi Data Mning dengan Association Rule dalam

Penganmbilan keputusan untuk Kolerasi Pembelian Produk Menggunakan Algoritma Apriori. Jurnal ilmu computer, Universitas Sumatra Utara

[2] Diahpangastuti, Nucifera. (2012). Sistem Rekomendasi Bidang Minat Mahasiswa Menggunakan Metode Association Rule dan Algoritma Apriori. Jurnal Teknik Informatika, Institut Teknologi Sepuluh Nopember Surabaya.

[3] Kadir, Abdul. (2008). Dasar pemrograman web dinamis menggunakan PHP. Yogyakarta : Andi

[4] Sulhan, Moh. (2007). Pengembangan Aplikasi Berbasis Web dengan PHP & ASP. Yogyakarta : Gava Media.

[5] Sulianta, Feri dan Dominikus Juju. (2010). Data Mining Meramalkan Bisnis Perusahaan. Jakarta : Alex Media Komputindo

[6] Saputra, Agus. (2012). PHP, HTML 5 dan CSS3. Jakarta : Jasakom