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




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

[email protected]

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




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




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




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




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


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


transaksi keseluruhan dan jumlah

transaksi harian. Fitur: input data dan

hapus data.

E. Tampilan Halaman Analisis

Penjualan

Halaman analisis penjualan


menu analisis penjualan. Berikut

adalah tampilan halaman analisis

penjualan:

Gambar 3.5 Halaman Analisis

Penjualan


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




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


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


laporan penjualan adalah tabel

penjualan harian dan detail transaksi

dalah sehari. Selain itu terdapat


laporan harian serta kinerja

karyawan.

G. Tampilan Halaman Data Karyawan

Halaman data karyawan


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


karyawan, data jumlah gender, dan

data jam masuk. Fitur: diantaranya

pencarian karyawan, input data, edit

data, dan hapus data.

Artikel Skripsi




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




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.

implementasi algoritma fp-growth pada sistem...

Documents