Post on 31-Jul-2019
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 2||
ARTIKEL
Pengaturan Layout Produk Berdasarkan Historis Penjualan
Menggunakan Algoritma Apriori
Oleh:
YESSIKA WAHYU HIDAYAH
13.1.03.03.0057
Dibimbing oleh :
1. ERNA DANIATI, M.Kom.
2. AIDINA RISTYAWAN, M.Kom.
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
TAHUN 2017
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 1||
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 2||
PENGATURAN LAYOUT PRODUK BERDASARKAN HISTORIS
PENJUALAN MENGGUNAKAN ALGORITMA APRIORI
YESSIKA WAHYU HIDAYAH
13.1.03.03.0057
Fakultas Teknik – Prodi Sistem Informasi
Email: yessikawahyuhidayah@gmail.com
Erna Daniati, M.Kom1 dan Aidina Ristyawan, M.Kom
2
UNIVERSITAS NUSANTARA PGRI KEDIRI
Abstrak
Meningkatnya penjualan alat listrik menjadikan keuntungan pemilik/pelaku usaha semakin
bertambah ,namun hal ini juga berdampak pada penumpukan data. Dengan adanya
transaksi penjualan setiap harinya, menjadikan data penjualan yang ada semakin bertambah
banyak. Pada dasarnya kumpulan data tersebut memiliki informasi-informasi bermanfaat
yang bisa digunakan untuk membantu mengambil keputusan dan untuk memperoleh
pengetahuan baru tentang penjualan.
Penelitian ini bertujuan menghasilkan aplikasi pengolahan data yang mampu menyajikan
aturan asosiasi kombinasi barang, menghasilkan aplikasi pengaturan layout produk
berdasarkan historis penjualan menggunakan algoritma apriori dalam pengolahan data
transaksi penjualan alat listrik sehingga dapat digunakan untuk menentukan tingkat rak
barang serta membantu memberi masukan dan pengambilan keputusan yang tepat dan
akurat dalam pengaturan layout produk
Data yang mengalami penumpukan tersebut, untuk selanjutnya diolah dengan salah satu
metode dalam data mining yaitu algoritma apriori yang dapat digunakan untuk
menemukan kombinasi item yang ada pada transaksi penjualan. Kombinasi item yang
dihasilkan dari proses apriori ini kemudian akan digunakan sebagai bahan rekomendasi
strategi promosi penjualan yang berupa layout produk.
Hasil penelitian menunjukkan tingkat rak barang yang terbentuk dari hasil perhitungan
algoritma apriori. Dari hasil perhitungan di dapatkan hasil, terdapat 2 tingkat rak barang
yang memiliki 2 kombinasi itemset barang. Hasil tersebut diketahui dari nilai support x
confidence tertinggi.
Kata kunci : Algoritma Apriori, itemset, nilai support, nilai confidence
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 3||
I. LATAR BELAKANG
Maraknya pasar modern yang
menjual alat listrik tidak lepas dari
peralihan pola pikir konsumen yang
mulanya berorientasi pada harga yang
murah, kini sudah memperhatikan aspek
keamanan, kenyamanan dan jenis barang
yang diperjualkan. Untuk meningkatkan
kenyamanan dan kemudahan bagi
konsumen saat belanja dibutuhkan
penataan layout produk, sesuai dengan
pendapat Dhotre (2010:130) bahwa layout
menentukan pengaturan susunan
merchandise yang ditawarkan oleh toko,
dan juga ketersediaan ruang untuk
berjalan (floor space) bagi konsumen.
Sehingga dapat meningkatkan keputusan
pembelian. Dari banyaknya keputusan
pembelian tersebut, berpengaruh pada
tingkat penjualan, maka para pelaku bisnis
harus mampu menyediakan barang sesuai
dengan permintaan, meningkatkan
kualitas produk, penambahan jenis produk
dan juga menganalisis barang apa saja
yang laku terjual. Dengan meningkatnya
penjualan alat listrik menjadikan
keuntungan bagi pemilik / pelaku usaha
yang semakin bertambah , namun hal ini
juga berdampak pada penumpukan data.
Dengan adanya transaksi penjualan setiap
harinya, menjadikan data penjualan yang
ada semakin bertambah banyak. Hal ini
berdampak pada membengkaknya biaya
operasional toko, pemborosan kertas
untuk menulis list pembelian konsumen
,serta belum terklasternya barang
berdasarkan jenis barang yang laku
terjual.
Pada dasarnya kumpulan data
tersebut memiliki informasi-informasi
bermanfaat yang bisa digunakan untuk
membantu mengambil keputusan dan
untuk memperoleh pengetahuan baru
tentang penjualan. Namun pada
kenyataanya para pelaku bisnis belum
mengetahui apa saja manfaat data
penjualan tersebut. Mereka hanya
berpikir, data penjualan yang ada hanya
dapat digunakan sebagai arsip toko,
historis penjualan barang setiap harinya,
serta untuk mengecek stok barang. Data
yang ada dapat diolah sedemikian
rupa,sehingga dapat digunakan sebagai
acuan dalam menentukan suatu strategi
jitu untuk meningkatkan penjualan. Salah
satu caranya adalah dengan tetap
tersediaannya berbagai jenis barang yang
dibutuhkan oleh konsumen.
Dalam penelitian ini memiliki
tujuan masalah antara lain: menghasilkan
aplikasi pengolahan data yang mampu
menyajikan aturan asosiasi kombinasi
barang, menghasilkan aplikasi pengaturan
layout produk berdasarkan historis
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 4||
penjualan menggunakan algoritma apriori
dalam pengolahan data transaksi
penjualan alat listrik sehingga dapat
digunakan untuk menentukan tingkat rak
barang serta membantu memberi masukan
dan pengambilan keputusan yang tepat
dan akurat dalam pengaturan layout
produk
Menurut Kusrini (2007:6), data
mining adalah suatu teknik menggali
informasi berharga yang terpendam atau
tersembunyi pada suatu koleksi data
(database) yang sangat besar sehingga
ditemukan suatu pola yang menarik yang
sebelumnya tidak diketahui. Data mining
memiliki 5 peran utama yaitu, estimasi,
prediksi, klasifikasi, clustering, asosiasi.
Dalam data mining terdapat salah satu
algoritma yang mempelajari tentang
hubungan asosiatif suatu kombinasi item,
yaitu algoritma apriori. Penerapan
algoritma apriori dapat membantu dalam
membentuk kandidat kombinasi item.
Algoritma apriori yang bertujuan untuk
menemukan frequent itemsets dijalankan
pada sekumpulan data. Analisis apriori
didefinisikan suatu proses untuk
menemukan semua aturan apriori yang
memenuhi syarat minimum untuk support
dan syarat minimum untuk confidence
(Hermawati,2013:17- 18)
Support adalah nilai dua atau lebih
itemset yang dibeli secara bersamaan dari
keseluruhan transaksi. Nilai support
sebuah item diperoleh dengan rumus
berikut:
(1)
Sementara itu, nilai support dari 2 item
diperoleh dari rumus berikut:
(2)
Confidence adalah ukuran
probabilitas adanya itemset A pada suatu
transaksi maka juga terdapat itemset B
pada transaksi tersebut. Nilai confidence
menunjukkan hubungan antar item dalam
aturan asosiasi. Nilai confidence dari
aturan A =>B diperoleh dari rumus
berikut:
Confidence = P (B | A) =
(3)
Sedangkan untuk menemukan atribut
atau item yang muncul dalam satu waktu
maka dibutuhkan association rule.
Menurut (Santosa, 2007) association rule
adalah salah satu teknik utama atau
prosedur dalam market basket analysis
untuk mencari hubungan antar item dalam
suatu data set dan menampilkan dalam
bentuk association rule. Pengetahuan
yang dihasilkan dari aturan asosiasi
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 5||
nantinya berbentuk “if ... then” atau “jika
... maka”. Dari semua kemungkinan if-
then antar item ini akan dipilih aturan
yang paling mungkin (most likely) sebagai
indikator dari hubungan ketergantungan
antar item. Aturan yang paling mungkin
akan diketahui dengan cara menggunakan
dua parameter yaitu support (nilai
penunjang) dan confidence (nilai
kepastian).
II. METODE
Pada penelitian ini menggunakan
metode Algoritma Apriori. Adapun
beberapa langkah penerapan perhitungan
apriori dalam data transaksi penjualan
adalah sebagai berikut
1) Pembentukan itemset
Sebuah itemset merupakan himpunan
beberapa item barang yang ada dalam
transaksi. Calon 1 itemset diambil dari
barang apa saja yang terdapat pada data
transaksi serta jumlahnya.
2) Pola Kombinasi 2 itemset
a. Pembentukan calon kombinasi F2.
Calon 2 itemset merupakan kombinasi 2
item barang yang mungkin terjadi dari
setiap data transaksi barang.
b. Pola kombinasi F2
Merupakan hasil dari kombinasi 2 itemset
yang terjadi dalam sebuah transaksi
c. Filter F2 berdasarkan nilai φ
Kombinasi 2 itemset yang telah terbentuk
akan di filter berdasarkan nilai φ .
Mengingat nilai minimum transaksi (φ)
adalah 3 maka dari calon 2 itemset (F2)
akan diambil kombinasi barang yang
memiliki jumlah transaksi >=3.
3) Perhitungan nilai support dan
confidence
4) Perhitungan nilai support x confidence
5) Perhitungan nilai support x confidence
tertinggi (hasil pengaturan layout
produk)
ANALISIS DAN PERANCANGAN
SISTEM
Analisis Sistem
1) Analisis Sistem Lama
Gambar 1. Flowchart Sistem Lama
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 6||
2) Analisis Sistem Baru
Gambar 2. Flowchart Sistem Baru
Perancangan Sistem
1. Use Case Diagram
Gambar 3 Use Case Sistem Pengaturan
Layout Produk
2. Activity Diagram
Gambar 4. Activity Diagram Perhitungan
Sistem
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 7||
Gambar 4. Activity Diagram Hasil Layout
Produk
3. Sequence Diagram
Gambar 5. Sequence Diagram Hasil
Layout Produk
III. HASIL DAN KESIMPULAN
Dari hasil perhitungan informasi yang
dihasilkan oleh sistem adalah berupa
pembentukan layout produk yang terdiri
dari dua item barang.
1) F1 (1 itemset )
F1 merupakan data barang yang terdapat
pada data transaksi serta jumlahnya, dapat
diketahui dari data barang apa saja yang
sering terjual. Terdapat 32 record barang
yang termasuk F1.
Tabel 1. Hasil F1
id_barang nm_barang
2 Kabel
15 Elco
7 Transistor
8 Socket
11 Remote
12 Baterai
3 Stop_kontak
16 Steker
1 Lampu
4 Fitingan
10 Solasi_listrik
19 Kawat_email_tembaga
14 IC
13 Resistor
5 Trafo
22 Rangkaian_Kit
26 Panel
20 FlyBack
6 Saklar
17 Jepit_aki
18 Aki
30 Pinset_tekuk
29 Anten
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 8||
2) Pola Kombinasi F2
a. Calon Kombinasi F2
Dari hasil F1, maka dapat dicari calon
kombinasi F2. Caranya dengan
menggabungkan F1 dengan jumlah barang
yang terjual tadi. Tabel dibawah ini hanya
menampilkan 20 record barang dari jumlah
keseluruhan record.
Tabel 2. Calon Kombinasi F2
id_
barang
nm_
barang1
id_
barang
nm_
barang
2
7 Transistor 2 Kabel
8 Socket 2 Kabel
11 Remote 2 Kabel
12 Baterai 2 Kabel
3 Stop_kontak 2 Kabel
16 Steker 2 Kabel
1 Lampu 2 Kabel
4 Fitingan 2 Kabel
10 Solasi_listrik 2 Kabel
19
Kawat_email
_
tembaga 2 Kabel
14 IC 2 Kabel
13 Resistor 2 Kabel
5 Trafo 2 Kabel
22
Rangkaian_K
it 2 Kabel
26 Panel 2 Kabel
20 FlyBack 2 Kabel
6 Saklar 2 Kabel
17 Jepit_aki 2 Kabel
18 Aki 2 Kabel
30 Pinset_tekuk 2 Kabel
…. …. …. ….
b. Pola Kombinasi F2
Pola kombinasi F2 diambil dari hasil calon
kombinasi F2 yang terjadi dalam setiap
transaksi.
Tabel 3. Pola Kombinasi F2
id_transaksi barang1 barang2 jumlah
1 15 2 1
1 7 2 1
1 8 2 1
1 11 2 0
1 12 2 0
1 3 2 0
1 16 2 0
1 1 2 0
1 4 2 0
1 10 2 0
1 19 2 0
1 14 2 0
1 13 2 0
1 5 2 0
1 22 2 0
1 26 2 0
1 20 2 0
1 6 2 0
1 17 2 0
1 18 2 0
1 30 2 0
1 29 2 0
1 27 2 0
1 28 2 0
1 25 2 0
1 33 2 0
1 23 2 0
1 24 2 0
1 21 2 0
1 9 2 0
1 31 2 0
1 2 15 1
1 7 15 1
1 8 15 1
…… ….. ….. …..
c. Filter F2 berdasarkan nilai φ
Nilai φ =3 .
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 9||
Tabel 4. Hasil Filter F2
barang1 barang2 jumlah
1 10 4
1 16 6
1 2 11
1 20 3
1 25 5
1 28 3
1 3 3
1 33 5
1 4 9
1 5 9
1 6 8
1 8 6
1 9 3
10 1 4
10 19 3
10 2 4
10 25 3
11 12 5
11 20 4
11 3 3
12 11 5
12 16 3
12 3 3
12 6 3
12 8 3
……. ……. ……..
3) Perhitungan nilai support dan
confidence
Menghitung nilai support (A,B)=
Menghitung nilai confidence = P (B | A) =
a. Nilai Support
Tabel 5. Nilai support
barang1 barang2 jumlah support
1 10 4 0.0533
1 16 6 0.0800
1 2 11 0.1467
1 20 3 0.0400
1 25 5 0.0667
1 28 3 0.0400
1 3 3 0.0400
1 33 6 0.0800
1 4 10 0.1333
1 5 9 0.1200
1 6 10 0.1333
1 8 7 0.0933
1 9 4 0.0533
10 1 4 0.0533
10 19 3 0.0400
10 2 4 0.0533
10 25 3 0.0400
11 12 6 0.0800
11 20 4 0.0533
11 3 3 0.0400
12 11 6 0.0800
12 16 3 0.0400
12 26 3 0.0400
12 3 3 0.0400
12 6 3 0.0400
12 8 3 0.0400
13 15 3 0.0400
…. …. …. ….
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 10||
b. Nilai Confidence
Tabel 6. Nilai Confidence
barang1 barang2 jumlah support confidence
1 10 4 0.0533 0.1667
1 16 6 0.0800 0.2500
1 2 11 0.1467 0.4583
1 20 3 0.0400 0.1250
1 25 5 0.0667 0.2083
1 28 3 0.0400 0.1250
1 3 3 0.0400 0.1250
1 33 6 0.0800 0.2500
1 4 10 0.1333 0.4167
1 5 9 0.1200 0.3750
1 6 10 0.1333 0.4167
1 8 7 0.0933 0.2917
1 9 4 0.0533 0.1667
10 1 4 0.0533 0.4444
10 19 3 0.0400 0.3333
…. …. …. …. …
4) Perhitungan nilai support x
confidence
Tabel 6. Nilai Support x Confidence
brg1 brg2 jml support
confi
dence hasil
1 10 4 0.0533 0.1667 0.00888889
1 16 6 0.0800 0.2500 0.02000000
1 2 11 0.1467 0.4583 0.06722222
1 20 3 0.0400 0.1250 0.00500000
1 25 5 0.0667 0.2083 0.01388889
1 28 3 0.0400 0.1250 0.00500000
1 3 3 0.0400 0.1250 0.00500000
1 33 6 0.0800 0.2500 0.02000000
1 4 10 0.1333 0.4167 0.05555556
1 5 9 0.1200 0.3750 0.04500000
….. ….. ….. ….. …… ……
5) Perhitungan nilai support x
confidence tertinggi
barang1 barang2 hasil
4 1 0.12121212
8 2 0.10755556
6 1 0.08333333
23 26 0.07757576
13 7 0.07259259
1 2 0.06722222
26 23 0.06564103
7 13 0.06533333
2 1 0.06453333
2 8 0.06453333
9 33 0.06095238
5 1 0.05684211
1 4 0.05555556
1 6 0.05555556
11 12 0.04800000
….. …… …….
Tabel 7. Nilai Support x Confidence
Tertinggi Beserta Nama Barang
brg1
nm_
brg1
brg
2
nm_
brg2 hasil
4 Fitingan 1 Lampu 0.12121212
8 Socket 2 Kabel 0.10755556
6 Saklar 1 Lampu 0.08333333
23 Potensio 26 Panel 0.07757576
13 Resistor 7 Transistor 0.07259259
1 Lampu 2 Kabel 0.06722222
26 Panel 23 Potensio 0.06564103
7 Transistor 13 Resistor 0.06533333
2 Kabel 1 Lampu 0.06453333
2 Kabel 8 Socket 0.06453333
….. ….. …. …. …..
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 11||
Tabel 7 menampilkan 10 record teratas dari
hasil perkalian nilai support dan
confidence. Maka pengaturan layout barang
yang terbaik merupakan hasil dari nilai
support x nilai confidence yang tertinggi
dengan data barang1 adalah socket dan
barang 2 adalah kabel yang terdapat pada
baris pertama record .
KESIMPULAN
1. Hubungan-hubungan keterkaitan barang
yang satu dengan barang yang lainnya. Dan
dari hubungan-hubungan keterkaitan
tersebut digunakan untuk mengatur
penempatan barang.
2. Penggunaan aplikasi data mining ini
dapat membantu dalam mengidentifikasi
analisis data mining yang akan digunakan
untuk mengatur penempatan/tata letak
barang. Hal ini dilakukan agar
mempermudah pembeli dalam melakukan
pembelian tanpa bingung harus mencari
barang yang akan dibeli, serta
mempermudah karyawan toko sekaligus
admin toko untuk mencari barang yang
dibutuhkan oleh pembeli .
Saran
Berikut ini adalah saran-saran yang
diperlukan untuk aplikasi pengaturan layout
produk agar lebih berdaya guna:
1. Perlu dilakukannya pengembangan
sistem dengan menggukan model dan
metode yang lain yang mungkin dapat
memberikan kinerja yang lebih baik dan
tingkat keakuratan yang lebih tinggi dan
pemrosesan yang lebih cepat dengan tingkat
kesalahan seminimal mungkin
2. Dalam kasus ini metode Algoritma
Apriori memerlukan data transaksi yang
lebih banyak untuk mendapatkan hubungan
yang akurat antar barang.
3. Pada aplikasi ini hanya sampai
hubungan 2 itemset barang . Untuk
penelitian selanjutnya , diharapkan untuk
sampai pada 3 itemset barang.
IV. DAFTAR PUSTAKA
Bahasa, T. P. (2007). Kamus Besar
Bahasa Indonesia. Jakarta: Balai
Pustaka.
Fajar, R. (2016, Mei 2). Codepolitan.
Retrieved Desember 24, 2016, from
Codepolitan.com:
http://www.codepolitan.com/mengena
l-diagram-uml-uml-unified modelling
languange
Handayani, S. (2011). Perancangan
Aplikasi Penjualan Online Berbasis
Web Pada Sandra Accessories
Menggunakan PHP dan MYSQL.
Naskah Publikasi , 1-10.
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Yessika Wahyu Hidayah| 13103030057 Fakultas Teknik – Prodi Sistem Informasi
simki.unpkediri.ac.id || 12||
Hermawati, F. (2013). Data Mining.
Yogyakarta: Andi.
Indahyani, R. P. (2015). Penggunaan
Algoritma Apriori Untuk Menentukan
Rekomendasi Strategi Penjualan Pada
Toserba DIVA. Artikel Skripsi
Universitas Nusantara PGRI Kediri ,
1-9.
Kusrini, E. T. (2009). Algoritma Data
Mining. Yogyakarta: Andi.
Melisa, Y. (2012). Pengaruh Bauran
Pemasaran Ritel Terhadap Keputusan
Pembelian Ulang Konsumen Mega
Prima Swalayan Payakumbuh. Jurnal
Manajemen, Volume 01, Nomor 01,
September 2012 , 4.
Oliver Zakaria, K. (2013). Implementasi
Data Mining Terhadap Penyusunan
Layout Makanan Pada Rumah Makan
Padang " Murah Meriah". Seminar
Nasional Teknologi Informasi dan
Multimedia , 1-6.
Olivia. (2015). Perancangan Sistem
Informasi Data Mining Dengan
Algoritma Apriori Untuk Penentuan
Layout Produk Pada PT. Metro
Makmur Nusantara . Medan: STMIK
TIME .
Robi Yanto, R. K. (2015). Implementasi
Data Mining Dengan Metode
Algoritma Apriori Dalam
Menentukan Pola Pembelian Obat.
Citec Journal , 102-113.
Satrio, Z. (n.d.). elib.unikom. Retrieved 12
19, 2016, from elib.unikom.co.id:
http://elib.unikom.ac.id/files/disk1/42
5/jbptunikompp-gdl-zakysatrio-
21220-6-babiii.pdf
Simki-Techsain Vol. 01 No. 06 Tahun 2017 ISSN : XXXX-XXXX