De Perceptron Aplikasi Market Basket Analysis berbasis web ... · PDF fileyang melakukan...
Transcript of De Perceptron Aplikasi Market Basket Analysis berbasis web ... · PDF fileyang melakukan...
De PerceptronAplikasi Market Basket Analysis berbasis web
menggunakan Perceptron
oleh:
Yulian Purnama 03/171209/PA/09787
Wim Permana 03/165273/PA/09313
Ditujukan Kepada:
Prof. Drs. H. Subanar Ph.D.
selaku Dosen Pengampu Mata KuliahData Mining dan Data Warehousing
Program Studi Ilmu KomputerFakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Gadjah MadaYogyakarta
2007
1
1. Pendahuluan
Penggunaan komputer sebagai alat untuk menganalisis sebuah fenomena dalam
dunia bisnis dan pemasaran bukan hal yang asing lagi di abad informasi seperti
sekarang. Dengan bantuan komputer, analisis kuantitatif yang dihasilkan akan
lebih cepat dan tepat ketimbang menggunakan kemampuan manusia.
Situs amazon.com menjadi contoh kasus yang baik untuk melihat implementasi
langsung dari analisis yang memanfaatkan komputer. Ketika kita berkunjung ke
situs ini, kita sebagai pengunjung sekaligus pembeli akan melihat informasi
mengenai kecenderungan beli konsumen yang terjadi di sana (Hobbs dkk, 2003).
Misalnya informasi berikut: buyer who bought the book The Lord Of The Ring
also bought the book The Hobbit. Dengan informasi seperti ini, seorang pembeli
yang melakukan transaksi di situs amazon secara tidak langsung akan dirangsang
untuk ikut-ikutan membeli produk yang biasanya dibeli bersama produk yang
sudah dibelinya. Motif utama di balik informasi semacam ini sudah jelas, yakni
untuk meningkatkan laba amazon.com melalui peningkatan penjualan produk-
produknya. Analisis semacam inilah yang dikenal dengan istilah market basket
analysis.
Penelitian di bidang Artificial Neural Network (jaringan syaraf tiruan) termotivasi
oleh sebuah fakta di lapangan yang menunjukkan bahwa otak manusia sebenarnya
melakukan proses komputasi dengan teknik yang jauh berbeda jika dibandingkan
dengan teknik yang dipakai oleh komputer digital. Otak manusia telah diketahui
memiliki kemampuan untuk mengorganisasi komponen-komponennya sehingga
2
dapat menyelesaikan suatu kasus komputasi dengan lebih baik dan lebih cepat
ketimbang komputer digital. Contoh-contoh kasus ini diantaranya; pengenalan
pola, persepsi, dan kendali motorik (Kantardzic, 2003).
Dalam dunia data mining yang memiliki kaitan sangat erat dengan market basket
analysis, perceptron merupakan “alat” yang akan digunakan untuk mempelajari
data yang akan dianalisis. Dengan menggunakan konsep perceptron, kami
berharap agar aplikasi ini dapat menghasilkan analisis yang lebih baik dan akurat
ketimbang tanpa perceptron.
2. Perumusan Masalah
Adapun masalah yang akan dibahas dalam penelitian ini adalah sebagai berikut.
1. Mengembangkan sebuah aplikasi market basket analysis menggunakan konsep
perceptron yang berbasis web (web-based).
2. Output yang akan dihasilkan oleh aplikasi ini adalah beberapa tipe dari
association rules yang berkaitan dengan data hasil pembelian, yaitu; support,
confidence.
3. Tujuan
Berdasarkan permasalahan yang telah dibahas sebelumnya, maka tujuan dari
penelitian ini adalah sebagai berikut.
1. Mengetahui pola pembelian produk atau penggunaan jasa yang biasanya
dilakukan oleh mayoritas pembeli produk atau pengguna jasa.
3
2. Membuat aplikasi market basket analysis yang memanfaatkan konsep
perceptron menggunakan bahasa pemrograman PHP.
4. Manfaat
Manfaat yang bisa diambil dalam penelitian ini adalah sebagai berikut.
1. Membantu pemilik lembaga bisnis (swalayan, perusahaan jasa asuransi, toko
on-line, dsb) untuk menganalisis kecenderungan atau pola konsumsi yang
dimiliki oleh pelanggan masing-masing.
2. Memindahkan aplikasi yang sebelumnya berbasis client (client-based) menjadi
berbasis web (web-based).
3. Mengetahui manfaat konsep perceptron untuk market basket analysis.
5. Metode Penelitian
Metode penelitian yang akan digunakan dalam penelitian ini adalah sebagai
berikut.
1. Pengumpulan data, informasi dan teori-teori mengenai market basket analysis
dan perceptron diperoleh melalui artikel dan buku yang ada di internet.
2. Data yang akan dianalisis oleh aplikasi ini adalah data yang masih bersifat
fiktif. Hal ini kami lakukan dengan alasan bahwa kami lebih fokus untuk
mengembangkan aplikasi yang dapat mengimplementasikan gabungan antara
market basket analysis dengan perceptron bukan pada analisis data nyata yang
terjadi dalam sebuah swalayan atau sejenisnya. Meskipun begitu, tidak tertutup
4
kemungkinan bagi aplikasi ini untuk melakukan analisis terhadap data
semacam itu.
3. Setelah aplikasi berhasil diimplementasikan, akan dilakukan analisis terhadap
output yang dikeluarkan. Analisis akan lebih menekankan pada berhasil-
tidaknya aplikasi ini untuk menghasilkan perhitungan support dan confidence.
6. Tinjauan Pustaka
6.1. Market Basket Analysis
Market Basket Analysis, atau MBA, merupakan salah satu tipe analisis data yang
paling sering digunakan dalam dunia pemasaran (Megaputer, 2007). Tujuan dari
MBA adalah untuk menentukan produk-produk (jasa) apa saja yang paling sering
dibeli atau digunakan sekaligus oleh para pelanggan. Istilah Market Basket
Analysis sendiri datang dari kejadian yang sudah sangat umum terjadi di dalam
pasar swalayan, yakni ketika para pelanggan memasukkan semua barang yang
mereka beli ke dalam keranjang (market basket) yang umumnya telah disediakan
oleh pihak swalayan itu sendiri.
Informasi mengenai produk-produk yang biasanya dibeli secara bersama-sama
oleh para pelanggan dapat memberikan “wawasan” tersendiri bagi para pengelola
toko atau swalayan untuk menaikkan laba bisnisnya (Albion Research, 2007).
Misalnya, seorang manajer toko bisa saja memanfaatkan informasi seperti ini
untuk menempatkan produk-produk yang umumnya dibeli bersama-sama ke
dalam sebuah area yang berdekatan jaraknya. Hal ini bertujuan untuk
5
memudahkan “mayoritas” pembeli agar semakin senang membeli beberapa
produk berlainan sekaligus. Atau sebaliknya, informasi seperti ini justru bisa
dijadikan alasan oleh sang manajer untuk menjauhkan letak satu produk dengan
produk lainnya agar pelanggan secara tidak sadar bisa terpicu untuk membeli
produk-produk lain yang biasanya tidak dibelinya.
Informasi-informasi atau pengetahuan seperti di atas tentunya tidak hanya
bermanfaat di dalam lingkungan pemasaran untuk pasar swalayan saja. Beberapa
bisnis yang bergerak di luar wilayah ini pun bisa menikmati manfaat dari adanya
MBA ini. Sebut saja misalnya; toko-toko virtual yang menjual produk-produknya
secara on-line, bank-bank yang memberikan fasilitas layanan kartu kredit untuk
para nasabahnya, perusahaan penyedia jasa asuransi, restoran fast-food, toko baju,
toko buku, dsb.
6.2. Perceptron
Perceptron adalah program aplikasi yang digunakan untuk mempelajari
konsep/pemahaman mengenai sesuatu (Weisman dan Pollack, 1995). Dengan kata
lain, perceptron dirancang untuk dapat merespon nilai boolean True (1) atau False
(0) yang menjadi masukannya (input).
Secara umum, perceptron merupakan jaringan syaraf tiruan dengan lapisan
tunggal (single layer) yang bobot-bobot dan biasnya bisa dilatih untuk
menghasilkan vektor target secara tepat ketika akan ditampilkan dengan vektor
input yang bersesuaian. Teknik pelatihan yang akan digunakan biasanya disebut
6
the perceptron learning rule. Banyak orang yang tertarik untuk memanfaatkan
perceptron dikarenakan kemampuannya dalam melakukan generalisasi dari
vektor-vektor latihannya, lalu bekerja dengan koneksi-koneksi tersebar secara
acak.
Perceptron menghitung output yang dihasilkannya menggunakan persamaan
berikut ini:
P * W + b > 0
Keterangan:
➢ P adalah vektor input yang dimasukkan ke dalam jaringan
➢ W adalah vektor bobot
➢ b adalah bias
Perceptron dilatih untuk memberikan respon terhadap setiap vektor input dengan
target output yang bernilai 0 atau 1.
Berikut ini adalah algoritma perceptron.
0. Inisialisasi semua bobot dan bias.
(Agar perhitungan menjadi sederhana, set bobot dan bias sama dengan nol)
Set learning rate (α) dengan 0 < α ≤ 1;
(Agar sederhana, set α = 1)
1. Selama kondisi berhenti bernilai false, lakukan langkah-langkah berikut:
i. Untuk setiap pasangan pembelajaran s-t, Kerjakan:
a) set input dengan nilai yang sama dengan vektor input.Xi = Si;
b) Hitung respon untuk unit output:
7
c) Perbaiki bobot dan bias jika terjadi error:
Jika y ≠ t maka:wi(baru) = wi(lama) + α * t * Xib(baru) = b(lama) + α * t
Jika tidak, makawi(baru) = wi(lama)b(baru) = b(lama)
ii. Tes kondisi berhenti. Jika tidak terjadi perubahan bobot pada (i) maka
kondisi berhenti akan bernilai true. Namun jika masih terjadi perubahan
maka kondisi berhenti akan bernilai false.
8
7. Daftar Pustaka
Albion Research Ltd., 2007, Market Basket Analysis, http://www.albionresearch. com/data_mining/market_basket.php (diakses tanggal 25 Mei 2007)
Hoobs, L., Hillson, S., lawande, S., 2003, Oracle 9iR2 Data warehousing, Digital Press, Burlington.
Megaputer, 2007, Market Basket Analysis, http://www.megaputer.com/company/ cases/cambridge_mba.php3 (diakses tanggal 25 Mei 2007)
Kantardzic, Mehmet, 2003, Data Mining: Concepts, Models, Methods, and Algorithms, John Wiley & Sons.
9