ARTIKEL DATA MINING UNTUK OPTIMALISASI DISTRIBUSI...

Muhamad Edi Purnomo | 14.1.03.02.0191 Fakultas Teknik – Teknik Informatika

simki.unpkediri.ac.id || 0||

ARTIKEL

DATA MINING UNTUK OPTIMALISASI DISTRIBUSI PENJUALAN

INDOMIE GORENG MENGGUNAKAN METODE CLUSTERING

Oleh:

MUHAMAD EDI PURNOMO

14.1.03.02.0191

Dibimbing oleh :

1. Ratih Kumalasari N, S.ST., M.Kom

2. Julian Sahertian, S.Pd., M.T

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS NUSANTARA PGRI KEDIRI

2019

Artikel Skripsi

Universitas Nusantara PGRI Kediri



SURAT PERNYATAAN

ARTIKEL SKRIPSI TAHUN 2019

Yang bertanda tangan di bawah ini:

Nama Lengkap : Muhamad Edi Purnomo

NPM : 14.1.03.02.0191

Telepun/HP : 082334421416

Alamat Surel (Email) : [email protected]

Judul Artikel : Penerapan Data Mining Pada Penjualan Indomie Goreng

Di Kabupaten Kediri Untuk Optimalisasi Distribusi

Menggunakan Metode Clustering

Fakultas – Program Studi : Fakultas Teknik Program Studi Teknik Informatika

Nama Perguruan Tinggi : Universitas Nusantara PGRI Kediri

Alamat Perguruan Tinggi : Jl KH Achmad Dahlan 76 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, 7 Februari 2019

Pembimbing I

Ratih Kumalasari N, S.ST., M.Kom

NIDN : 0710018501

Pembimbing II

Julian Sahertian, S.Pd., M.T

NIDN : 0707079001

Penulis,

Muhamad Edi Purnomo

NPM : 14.1.03.02.0191

Artikel Skripsi




DATA MINING UNTUK OPTIMALISASI DISTRIBUSI PENJUALAN

INDOMIE GORENG MENGGUNAKAN METODE CLUSTERING

Muahamad Edi Purnomo

14.1.03.02.0191

Fakultas Teknik Program Studi Teknik Informatika

Email : [email protected]

Ratih Kumalasari N, S.ST., M.Kom danJulian Sahertian, S.Pd., M.T

UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Penelitian ini dilatarbelakangi oleh pengaruh teknologi yang berkembang pesat di era globalisasi

sekarang. Hal itulah yang membawa pengaruh besar terhadap pelaku – pelaku usaha untuk selalu

menciptakan berbagai Teknik agar dapat terus survive. Dan dalam rangka menghadapi persaingin bisnis dan meningkatkan pendapatan perusahaan, managemen dituntut untuk dapat mengambil keputusan yang

tepat dalam menentukan strategi promosi yang baik kepada konsumen. Oleh karena itu, dengan

banyaknya data – data yang tidak diolah secara baik pada Kantor Indofood distrik Kediri. Juga dengan

kurangnya metode strategi promosi yang akan lebih baik apabila diterapkan dengan memanfaatkan data – data yang ada melalui pengaplikasian teknologi. Diharapkan dengan adanya sistem ini, maka

pelanggan akan lebih tertarik untuk membeli Indomie lebih banyak.

Permasalahan dalam penelitian ini adalah (1) Bagaimana pengelompokan data menggunakan algoritma k-means clustering ? (2) Bagaimana menentukan strategi promosi yang baik kepada pelanggan Indomie

di Kabupaten Kediri ? (3) Bagaimana cara menentukan distribusi yang baik kepada pelanggan Indomie

di Kabupaten Kediri ?. Tujuan dari penelitian ini adalah (1) Mengetahui kelompok data yang terdiri atas prioritas dan non prioritas. (2) Membantu menentukan strategi promosi yang baik melalui pemilihan

pelanggan prioritas. (3) Membantu memberikan pelayanan maksimal kepada pelanggan Indomie di

Kabupaten Kediri.

Penelitian ini menggunakan algoritma K-Means Clustering untuk pengelompokan data pelanggan prioritas dan data pelanggan non prioritas. Dengan data jarak, pesanan dan status sebagai acuan

perhitunganya.

Berdasarkan hasil dari pengujian aplikasi yang dilakukan oleh 10 user secara kuesioner yaitu dengan nilai total (1) Tampilan Program SB (Sangat Baik) : 50%, B (Baik) : 43%, C (Cukup) : 7%, K (Kurang)

: 0%, SK (Sangat Kurang) : 0%. (2) Kegunaan Sistem SB (Sangat Baik) : 60%, B (Baik) : 40%, C

(Cukup) : 0%, K (Kurang) : 0%, SK (Sangat Kurang : 0%. (3) Akurasi Sistem SB (Sangat Baik) : 30%,

B (Baik) : 40%, C (Cukup) : 30%, K (Kurang) : 0%, SK (Sangat Kurang) : 0%. Dari hasil kuesioner, dapat disimpulkan bahwa aplikasi sudah berjalan dengan baik.

KATA KUNCI : Data Mining, Optimalisasi, Clustering.

I. LATAR BELAKANG

Seiring dengan pertumbuhan

bisnis di era globalisasi dan kemajuan

teknologi informasi yang cepat

memberikan pengaruh yang besar

dalam bidang industri. Hal ini juga

membawa suatu perubahan besar

dalam tingkat persaingan antar

perusahaan, sehingga pelaku – pelaku

perusahaan tersebut harus selalu

Artikel Skripsi




menciptakan bebagai teknik untuk

terus survive.

Dalam rangka menghadapi

persaingan bisnis dan meningkatkan

pendapatan perusahaan, pimpinan

perusahaan maupun manajemen

dalam suatu perusahaan tersebut

dituntut untuk dapat mengambil

keputusan yang tepat dalam

menentukan strategi penjualan. untuk

dapat melakukan hal tersebut,

perusahaan membutuhkan sumber

informasi yang banyak untuk dapat di

analisis lebih lanjut.

Pihak eksekutif perusahaan

mengharapkan adanya teknologi yang

mampu menghasilkan suatu

informasi yang siap di gunakan untuk

membantu mereka dalam mengambil

suatu keputusan strategis dalam

perusahaan. Mereka ingin

mengetahui produk apa yang harus di

tingkatkan, seberapa besar hasil yang

di peroleh oleh perusahaan. Untuk

memenuhi kebutuhan – kebutuhan

pengusaha di atas, banyak cara yang

dapat di tempuh. Salah satunya adalah

dengan melakukan pemanfaatan data

perusahaan ( Data Mining ).

Ketersediaan data yang banyak

dan kebutuhan akan informasi atau

pengetahuan sebagai pendukung

pengambilan keputusan untuk

membuat solusi bisnis dan dukungan

infrastruktur di bidang teknik

informatika merupakan cikal – bakal

dari lahirnya teknologi data mining.

Penggunaan teknik data mining

diharapkan dapat

membantu mempercepat proses

pengambilan keputusan,

memungkinkan perusahaan untuk

mengelola informasi yang terkandung

di dalam data transaksi menjadi

sebuah pengetahuan ( knowledge )

yang baru. Lewat pengetahuan yang

di dapat, perusahaan dapat

meningkatkan dan pada akhirnya di

masa yang akan datang perusahaan

dapat lebih kompetitif.

Indofood merupakan salah satu

perusahaan besar yang bergerak di

bidang makanan, salah satu

produknya adalah Indomie.

Perusahaan sulit mendapatkan

informasi – informasi strategis seperti

tingkat penjualan per periode.

Ketersediaan data penjualan yang

besar di Indofood khusunya penjualan

Indomie terutama di Kabupaten

Kediri tidak di gunakan semaksimal

mungkin, sehingga data penjualan

tersebut tidak di manfaatkan secara

optimal dan belum adanya sistem

yang dapat membantu merancang

sebuah strategi bisnis dalam

Artikel Skripsi




meningkatkan penjualan. Karena

sebab itu, maka penulis berkeinginan

menuangkan kealam bentuk skripsi

dan memberi judul ”Penerapan Data

Mining Pada Penjualan Indomie

Goreng di Kabupaten Kediri Untuk

Optimalisasi Distribusi

Menggunakan Metode Clustering”.

II. METODE

Metode pengelompokan data

yang dilakukan berdasarkan

klasifikasi perhitungan data jarak,

jumlah pesanan dan status

menggunakan metode K-Means

clustering. Menurut artikel Windha

Mega Pradnya Dhuhita. 2015.

Clustering menggunakan metode K-

Means untuk menentukan status gizi

balita. Artikel skripsi halaman 4.

Menerangkan bahwa :

K-Means merupakan suatu

algoritma dalam data mining yang

bisa digunakan untuk melakukan

pengelompokan/clustering suatu

data. Ada banyak pendekatan untuk

membuat cluster, diantaranya

adalah membuat aturan yang

mendikte keanggotaan dalam group

yang sama berdasarkan tingkat

persamaan diantara anggota-

anggotanya. Pendekatan lainnya

adalah dengan membuat

sekumpulan fungsi yang mengukur

beberapa properti dari

pengelompokan tersebut sebagai

fungsi dari beberapa parameter dari

sebuah clustering. Metode K-Means

adalah metode yang termasuk dalam

algoritma clustering berbasis jarak

yang membagi data ke dalam

sejumlah cluster dan algoritma ini

hanya bekerja pada atribut numerik.

Pengelompokan data dengan

metode K-Means dilakukan dengan

algoritma :

1. Tentukan jumlah kelompok

2. Alokasikan data ke dalam

kelompok secara acak

3. Hitung pusat kelompok

(centroid/rata-rata) dari data

yang ada di masing-masing

kelompok. Lokasi centroid setiap

kelompok diambil dari rata-rata

(mean) semua nilai data pada

setiap fiturnya. Jika M

menyatakan jumlah data dalam

sebuah kelompok, i menyatakan

fitur ke-i dalam sebuah

kelompok, dan p menyatakan

dimensi data, maka persamaan

untuk menghitung centroid fitur

ke-i digunakan persamaan 1.

𝐶𝑖 =1

𝑀∑ 𝑋𝑗

𝑀

𝑗=1

Artikel Skripsi




persamaan 1 dilakukan sebanyak p

dimensi dari i=1 sampai dengan i=p.

4. Alokasikan masing-masing data

ke centroid/rata-rata terdekat.

Ada beberapa cara yang dapat

dilakukan untuk mengukur jarak

data ke pusat kelompok,

diantaranya adalah Euclidean.

Pengukuran jarak pada ruang

jarak (distance space) Euclidean

dapat dicari menggunakan

persamaan 2.

𝑑 = √(𝑥1 − 𝑥2)2 + (𝑦1 − 𝑦2)2

Pengalokasian kembali data ke

dalam masing-masing kelompok

dalam metode K-Means

didasarkan pada perbandingan

jarak antara data dengan centroid

setiap kelompok yang ada. Data

dialokasikan ulang secara tegas

ke kelompok yang mempunyai

cetroid dengan jarak terdekat dari

data tersebut. Pengalokasian data

ini menurut MacQueen (1967)

dapat ditentukan menggunakan

persamaan 3.

𝑎𝑖1 = {12

𝑑 = 𝑚𝑖𝑛{𝐷(𝑥𝑖,𝑐1)}

𝑙𝑎𝑖𝑛𝑦𝑎

ai1 adalah nilai keanggotaan titik

xi ke pusat kelompok c1, d adalah

jarak terpendek dari data xi ke K

kelompok setelah dibandingkan,

dan c1 adalah centroid (pusat

kelompok) ke-1. Fungsi objektif

yang digunakan untuk metode K-

Means ditentukan berdasarkan

jarak dan nilai keanggotaan data

dalam kelompok. Fungsi objektif

menurut MacQueen (1967) dapat

ditentukan menggunakan

persamaan 4.

𝐽 = ∑

𝑛

𝑖=1

∑ 𝑎𝑖𝑐 𝐷(𝑥𝑖, 𝑐1)2

𝑘

𝑖=1

n adalah jumlah data, k adalah

jumlah kelompok, ai1 adalah

nilai keanggotaan titik data xi ke

kelompok cl yang diikuti. a

mempunyai nilai 0 atau 1.

Apabila data merupakan anngota

suatu kelompok, nilai ai1 = 1.

Jika tidak, nilai ai1 = 0.

5. Kembali ke langkah 3, apabila

masih ada data yang berpindah

kelompok atau apabila ada

perubahan nilai centroid di atas

nilai ambang yang ditentukan,

atau apabila perubahan nilai pada

fungsi objektif yang digunakan

masih di atas nilai ambang yang

ditentukan.

III. HASIL DAN KESIMPULAN

3.1 Analisis Perancangan Sistem



Sistem optimalisasi distribusi

pada penjualan indomie goreng

yang didapat dari perhitungan data

pelanggan meliputi data jarak, data

jumlah pesanan dan data status yang

masing – masing diinputkan

kedalam sistem untuk kemudian

dihitung menggunakan metode K-

Means clustering. Setelah proses

perhitungan maka akan didapatkan

hasil berupa tampilan mana saja

toko rekomendasi dan toko non

rekomendasi. Jika sudah didapatkan

hasil demikian maka pegawai akan

mengirimkan pesanan pada

pelanggan atau toko yang

rekomendasi terlebih dahulu.

1. Flowchart

Flow Chart algoritma merupakan

alur dari algoritma

yang akan di buat. Dimana alur

tersebut dapat menggambarkan

bagaimana proses keseluruhan

berjalanya perhitungan algoritma

sistem. Flow Chart penerapan

data mining untuk penjualan

Indomie dijelaskan pada diagram

dibawah.

Pada gambar diatas dijelaskan

bagaimana alur algoritma yang

dipakai, pertama mengakses akan

menentukan jumlah cluste, kedua

menentukan pusat cluster awal

secara acak, ketiga menentukan

jarak dari tiap data terhadap tiap

centroid, keempat kelompokan

data berdasarkan jarak terkecil

dan terakhir ketika objek sudah

tidak berpindah maka iterasi di

hentikan.

2. DFD Level 0

Menurut Ladjamudin (2013 : 64),

diagram level 0 adalah diagram

yang terdiri dari suatu proses dan

menggambarnkan ruang lingkup

suatu sistem.

Diagram diatas menggambarkan

dari pegawai bisa melakukan

login. Pegawai dapat

menginputkan data pelanggan

dan data pemesanan. Pegawai

akan mendapatkan hasil

perhitungan yang sudah

Artikel Skripsi




diinputkan data pemesanan

setiap harinya, dan setelah

barang dikirim pegawai akan bisa

melihat laporan penjualan setiap

minggunya. Sedangkan manager

bisa melakukan login. Setelah

login manager dapat langsung

melihat laporan setiap

minggunya.

3. DFD Level 1

Menurut artikel Yoppy, R.A .

(2015). Penerapan Data Mining

Pada Penjualan Hardisk untuk

optimalisasi Distribusi

Menggunakan Metode

Clustering. Artikel Skrips. Hlm.

7. Mengartikan DFD Level 1

adalah diagram yang

menguraikan proses apa yang ada

dalam diagram nol secara rinci.

Pada diagram diatas dijelaskan

tentang Data Flow Diagram.

Terdapat dua entitas yaitu

Pegawai dan Manajer. Dimana

Pegawai memiliki akses penuh

terhadap sistem. Pegawai

melakukan login, dilakukan

pencocokan login dengan tabel

user. Jika berhasil maka akan

diarahkan ke halaman input

data.pada halaman ini pegawai

menginputkan data meliputi

nama toko, alamat, kecamatan,

nama pemilik dan jarak dengan

kantor distributor.kemudian

input data tersebut diinputkan ke

tabel pelanggan. Apabila ada

pelanggan yang memesan, maka

tinggal menginputkan kode toko

dan jumlah penjualan saja,

karena datanya sudah tersimpan.

Kemudian data tersebut di hitung

dengan menggunakan

perhitungan clustering metode

K-Means Clustering setelah itu

akan mendapatkan hasil

pelanggan prioritas dan laporan

pengiriman akan dilaporkan

kepada manajer.

4. ERD

Menurut Sutanta (2011:91)

dalam bukunya yang berjudul

"Basis Data Dalam Tinjauan

Konseptual" menjelaskan bahwa

"Entity Relationship Diagram

(ERD) merupakan suatu model

data yang dikembangkan

berdasarkan objek."

Artikel Skripsi




Data input pelanggan semua

disimpan pada tabel pelanggan,

kemudian jika ada pelanggan

yang memesan, akan disimpan

pada tabel penjualan kemudaan

diolah menggunakan

perhitungan clustering metode

K-Means.

3.2 Implementasi dan Evaluasi hasil

Pegawai distributor

menginputkan data toko meliputi

jarak, jumlah pesanan dan status.

Kemudian dari ketiga data tersebut

diolah melalui perhitungan

menggunakan metode K-Means

clustering sehingga akan

mendapatkan hasil seperti gambar

dibawah.

Gambar tersebut menunjukan hasil

dari perhitungan dari data – data

yang diinputkan oleh pegawai

distributor. Dengan hasil atau

tampilan tersebut, maka pegawai

distributor akan terbantu untuk

mengirimkan kepada pelanggan

yang rekomendasi terlebih dahulu.

3.3 Simpulan

Dari hasil penelitian,

perancangan, pembuatan dan

pengujian Aplikasi Penerapan

Data Mining Pada Penjualan

Indomie Goreng Di Kabupaten

Kediri Untuk Optimalisasi

Distribusi Menggunakan

Metode Clustering didapatkan

kesimpulan sebagai berikut :

1. Implementasi Aplikasi

Penerapan Data Mining

Pada Penjualan Indomie

Goreng di Kabupaten Kediri

Untuk Optimalisasi

Distrubusi Menggunakan

Metode Clustering yang

dibangun sesuai dengan

perancangan yang telah di

buat.

2. Pengelompokan data

menggunakan algoritma K-

Means Clustering

menghasilkan data toko

prioritas dan non prioritas.

3. Berhasil menentukan

strategi promosi yang baik

Artikel Skripsi




dengan cara memilih

pelanggan prioritas.

IV. DAFTAR PUSTAKA

[1] Al Fatta, Hanif. 2007. Analisis dan

Perancangan Sistem Informasi.

Yogyakarta : Andi.

Jogiyanto. 2008. Metodologi

Penelitian Sistem Informasi.

Yogyakarta : CV Andi Offset.

Jogiyanto, H.M. 2005. Analisa dan

Desain Sistem Informasi: Pendekatan

Terstruktur Teori dan Praktik

Aplikasi Bisnis. Yogyakarta : ANDI.

[2] Community, eWolf. 2012. Indeks

Lengkap Syntax. , Yogyakarta :

eWolf Community,MediaKom.

[3] Dhuhita Winda M.P. 2015. Clustering

Menggunakan Metode K-Means

Untuk Menentukan Status Gizi

Balita. Jurnal Informatika, (Online)

15 (2) :160 – 174, Tersedia

:https://media.neliti.com/media/publi

cations/103765-ID-clustering-

menggunakan-metode-k-mean-

unt.pdf, diunduh 12 Desember 2018.

[4] Kusrini dan Luthfi, E. T., 2009,

Algoritma Data Mining. Yogyakarta :

Andi Offset.

[5] Larose , Daniel T, 2005, Discovering

Knowledge in Data: An Introduction

to Data Mining, John Willey & Sons.

Inc.

[6] Mustakini. 2009. Bab 2 Widuri KKP

(Online). Tersedia:

http://widuri.raharja.info/index.php/

BAB_II_WIDURI_KKP, di unduh 18

September 2018.

[7] Nasari, Fina. 2015. Penerapan K-

Means clustering pada data

penerimaan mahasiswa baru (studi

kasus : universitas potensi ulama).

SEMNASTEKNOMEDIA, 3(1) : 73

– 78.

[8] Purnomo, M.E. 2019. Penerapan Data

Mining Pada Penjualan Indomie

Goreng di Kabupaten Kediri Untuk

Optimalisasi Distribusi

Menggunakan Metode Clustering.

Skripsi. Fakultas Teknik, Teknik

Informatika, universitas Nusantara

PGRI Kediri.

[9] Rudianto, Arief M. 2011.

Pemrograman Web Dinamis

menggunakan PHP dan MySQL.

Yogyakarta : C.V ANDI OFFSET.

[10] Sukamto, R.A. dan Shalahuddin, M.

2013. Rekayasa Perangkat Lunak.

Bandung: Informatika.

[11] Sutrisno., Afriyudi & Widiyanto.

2013. Penerapan Data Mining Pada

Penjualan Menggunakan Metode

Artikel Skripsi




Clustering Study Kasus Pt.

Indomarco Palembang. Jurnal Ilmiah

Teknik Informatika Ilmu Komputer

Vol.x No.x,: 1-11.

[12] Tan. (Ed). 2006. Anvanced

Clustering Teori dan Aplikasi.

Deepublish.

[13] Turban, E., dkk. 2005. Decicion

Support Systems and Intelligent

Systems.Yogyakarta: Andi Offset.

[14] Winardi. 1999. Pengantar Tentang

Teori Sistem dan Analisis Sistem.

[15] Zahrotun, Lisna. 2015. Analisis

Pengelompokan Jumlah Penumpang

Bus Trans Jogja Menggunakan

Metode Clustering K-Means dan

Agglomerative Hierarchical

Clustering (Ahc). Jurnal Informatika.

9(1) : 1039 - 1047.

ARTIKEL DATA MINING UNTUK OPTIMALISASI DISTRIBUSI...

Documents

Transcript of ARTIKEL DATA MINING UNTUK OPTIMALISASI DISTRIBUSI...