association rule yang didukung oleh single exponential smoothing oleh Sujoko, S.Kom by JokoAng

VIEWS: 5 PAGES: 13

More Info
									  Teknik Association Rule Yang Didukung Oleh Metoda Single Exponential Smoothing Untuk
Menentukan Ketersediaan Barang Dalam Sistem Informasi Penjualan PT. Sejahtera Panca Jaya
                      Dengan Bahasa Pemograman Berorientasi Objek

                       Deny Jollyta, M.Kom, Sunarti, M.Kom, Sujoko, S.Kom

                     Program Studi Teknik Informatika, STIKOM PELITA INDONESIA
                      Jl. Ahmad Yani no 78 – 88 Telp. (0761) 24418 Pekanbaru 28127

Data mining is a data process analysis using software for finding pattern and rule in dataset. Data mining
could analyze dataset to obtain knowledge as a pattern having meaning for making decision. This
research is did in PT. Sejahtera Panca Jaya, and problem that could identify was low performance of sales
system that been cause by largely activity doing with manually. Because of that, the manually system
wouldn’t able to analyze which item is usually been purchased by customer with using transaction’s data,
and the system in maintain the stock of goods with only by predict, because of that unavailable stock
been usually may happened in sales system. By using SDLC (System Development Life Cycle) research
methods, so that the problem identified can be addressed by developing a computerized system, as well
as to build the data mining computer program with association rule techniques to analyze sales and
produce information as the form of knowledge that can help the system in order to know the most sales
item, and behavior of customer, and supported by the forecasting with single exponential smoothing
method that can assist system in decision making like maintain available stock of goods. The research
proves that the association rule technique, and single exponential smoothing forecasting can help in
manage stock of goods and improve system performance.

Key words: Data Mining, Association Rule, Single Exponential Smoothing, SDLC.


LATAR BELAKANG                                        panas dengan jenis standar. Aktifitas-aktifitas pada
                                                      perusahaan PT. Sejahtera Panca Jaya mencakup
       Perkembangan teknologi informasi saat ini      penjualan dan layanan jasa vulkanisir yang
merupakan pemicu perusahaan dalam menggali            dilakukan oleh front office, gudang, dan berbagai
potensi yang dimiliki oleh perusahaan untuk dapat     bagian yang saling kerja sama. Sistem informasi
lebih     meningkatkan      kinerja     perusahaan.   yang digunakan oleh PT. Sejahtera Panca Jaya
Sebagaimana diketahui bahwa, teknologi komputer       masih secara manual walaupun sebagian telah
pada saat ini sebagai salah satu alat bantu yang      menggunakan alat teknologi komputer.
digunakan     oleh    masyarakat     luas.   Dalam           PT. Sejahtera Panca Jaya memiliki beberapa
pengembangan dan peningkatan hasil penjualan          bagian, yaitu front office, administrasi, gudang, dan
dan nama baik perusahaan selain kualitas produk       sales and tagih. PT. Sejahtera Panca jaya sudah
yang bagus, pelayanan juga sangat penting             melayani masyarakat di bidang ban mobil lebih
terutama bagi perusahaan yang bergerak di bidang      kurang 30 tahun, tentu saja telah memiliki banyak
penjualan    dan    layanan    jasa.   Pemanfaatan    transaksi    yang    pernah      dilakukan,   dengan
komputer dan perangkat lunaknya yang dirancang        memanfaatkan data dan informasi yang sudah ada
sesuai kebutuhan sistem dengan menganalisa            seharusnya perusahaan dapat lebih menenuhi
objek-objek     yang    ada     dapat    membantu     permintaan masyarakat. Karena data dan informasi
pendistribusi informasi, komunikasi data dan          tersebut   menunjukan        pola    serta  kebiasaan
menangani pada permasalahan sistem.                   konsumen dalam belanja. Data-data tersebut
       PT. Sejahtera Panca Jaya merupakan             seharusnya dapat diolah dengan sebuah metoda
sebuah perusahaan swasta yang bergerak dalam          sehingga menghasilkan informasi dan pengetahuan
bidang penjualan dan jasa vulkanisir ban mobil        untuk membantu perusahaan dalam pengambilan
yang berdiri sejak tahun 1982. Adapun produk          keputusan. Salah satu metoda dalam mengali
yang dijual umumnya merupakan ban mobil merek         manfaat dari data-data dalam suatu waktu tertentu
bridgestone, gajah tunggal, swallow baik ban luar     adalah metoda teknik association rule, dan dengan
atau ban dalam dengan segala jenis ukuran, dan        didukungannya single exponential smoothing
jasa vulkanisir sistem masak dingin dan sistem        sehingga dapat melakukan peramalan perkiraan


                PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
penyediaan stok barang untuk masa yang akan              jumlah perkiraan penyediaan stok untuk
datang.                                                  membantu       sistem    dalam     pengambilan
        PT. Sejahtera Panca Jaya dalam penyediaan        keputusan.
stok barang seringkali terdapat permasalahan          4. Data-data yang masih manual tersebut sangat
seperti, untuk jenis barang yang merupakan item          rentan dengan risiko kehilangan atau kerusakan
laris yang justru harus distok lebih banyak untuk        dan pencarian data membutuhkan waktu yang
menenuhi      permintaan   pasar,   tetapi   dalam       lama. Sehingga harus dirancang sebuah
penjualan seringkali terdapat kekurangan stok            database elektronik terpadu untuk mendukung
pada item laris tersebut. Kemudian pada gudang           sistem pengarsipan yang baik.
terdapat cukup banyak stok pada beberapa jenis        5. Bagian front office, gudang, dan administrasi
barang yang jarang dibutuhkan dalam permintaan.          tidak dapat berkerja secara maksimal yang
Hal ini menyebabkan kinerja pada proses penjualan        disebabkan data-data yang tersebar disetiap
rendah dan manajelmen ketersediaan barang tidak          unit kerja. Oleh karena itu, harus membangun
bagus yang dikarenakan sistem pada PT. Sejahtera         sebuah jaringan berbasis local area network
Panca Jaya masih belum memanfaatkan sistem               untuk pengaksesan dan pendistribusian data.
komputerisasi. Sistem yang manual tersebut tidak
dapat untuk menganalisa data-data yang ada            TUJUAN PENELITIAN
dalam jumlah yang banyak, sehingga tidak dapat
menghasilkan informasi berupa pengetahuan untuk       1. Membuktikan bahwa dengan sistem informasi
perbandingan terhadap jenis barang yang banyak           komputerisasi dalam menganalisa data–data
diminati oleh konsumen, yang kurang diminati, dan        dapat mempercepat proses dan menghasilkan
jumlah perkiraan ketersediaan yang seharusnya.           informasi yang bermanfaat bagi pengguna
        Data-data yang masih manual tersebut             sistem.
rentan akan rusak atau kehilangan, dan proses         2. Membuktikan bahwa dengan program komputer
pengarsipan pada tiap bagian juga tidak terstruktur      bermetoda teknik association rule dapat
sehingga pendistribusian data dan informasi pada         mengolah      data-data    penjualan   menjadi
sistem sangat tidak mendukung. Kemudian dalam            informasi yang berguna berupa pengetahuan
pencarian informasi juga tidak efisien, mengingat        kepada pengguna sistem.
banyaknya jumlah data menyebabkan sistem              3. Membuktikan bahwa dengan program komputer
dalam membuat laporan mengalami kesulitan dan            single exponential smoothing dalam melakukan
laporan-laporan tersebut tidak dapat diselesaikan        peramalan terhadap informasi pengetahuan
pada tepat waktu.                                        yang dihasilkan oleh teknik association rule
                                                         dapat     menghasilkan      informasi   kepada
PERUMUSAN MASALAH                                        pengguna       sistem    dalam     manajerman
                                                         ketersediaan barang, membantu pengambilan
1. Kegiatan–kegiatan yang dilakukan pada PT.             keputusan, dan meningkat kinerja sistem
   Sejahtera panca jaya seperti pencatatan data          penjualan.
   transaksi, pencatatan keluar masuk stok            4. Membuktikan        bahwa    dengan    database
   barang, pembuatan surat jalan, pembuatan              elektronik terpadu dapat membentuk sistem
   faktur penjualan, pendataan status vulkanisir,        pengarsipan data yang baik.
   dan laporan-laporan yang diperlukan masih          5. Membuktikan bahwa dengan menrancang
   dilakukan secara manual.                              sebuah     jaringan    untuk    menghubungkan
2. Data-data penjualan pada PT. Sejahtera Panca          bagian–bagian yang ada dalam sistem dapat
   Jaya seharusnya dapat dimanfaatkan untuk              membantu pengaksesan dan pendistribusian
   menghasilkan      informasi   yang     berupa         data antar bagian menjadi lebih cepat dan
   pengetahuan      untuk     membantu     dalam         efisien.
   menunjang kinerja sistem, sehingga diperlukan
   untuk menrancang sebuah modul program
                                                      KONTRIBUSI PENELITIAN
   komputer dengan metoda datamining untuk
   mengolah data-data tersebut menjadi informasi
   yang berguna.                                      1. Mengetahui permasalahan atau kekurangan
3. Sering terjadinya kekurangan stok barang              pada sistem untuk dikembangankan dan
   karena    dalam    penyediaan   stok,  bagian         meningkat kinerja perusahaan.
   administrasi    hanya     melakukan    secara      2. Memberikan kemudahan bagi pengguna sistem
   perkiraan. Sehingga perlu dirancang sebuah            dalam mengelolah data dan menghasilkan
   program komputer dengan menganalisa data–             informasi, laporan dan pengambilan keputusan.
   data yang ada serta menghasilkan informasi

                PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
3. Menjaga      dan     meningkatkan kepuasan                   Metoda Mining Association Rule
   konsumen, serta membantu perusahaan dalam
                                                                 Menurut    steve    ford    (2001)   fungsi
   hal persaingan bisnis.
                                                          datamining adalah untuk menemukan suatu
4. Sebagai bahan masukan untuk melakukan
                                                          himpunan hubungan antar item dalam bentuk
   penelitian selanjutnya.
                                                          relasi antar item, maupun suatu prioritas atas
                                                          sebuah item dari sekumpulan data yang relevan
TINJAUAN PUSTAKA                                          dalam suatu basis data. Sebagai contoh, dari suatu
                                                          himpunan data transaksi, seseorang mungkin
Data Mining                                               menemukan suatu hubungan berikut, yaitu jika
                                                          seorang pelanggan membeli jenis barang A, maka
        Data mining diartikan sebagai suatu proses        ia biasanya juga membeli jenis barang B dalam
ekstraksi informasi berguna dan potensial dari            satu transaksi yang sama, atau seseorang akan
sekumpulan data yang terdapat secara implisit             menemukan item mana yang memiliki prioritas
dalam suatu basis data (Tomson, 2010). Banyak             tertinggi hingga terendah dengan melihat dari
istilah lain dari data mining yang dikenal luas           kelakuan item tersebut. Oleh karena proses untuk
seperti    knowledge      mining     from    databases,   menemukan hubungan antar item ini mungkin
knowledge extraction, data archeology, data               memerlukan pembacaan data transaksi secara
dredging, data analysis dan lain sebagainya.              berulang-ulang dalam sejumlah besar data-data
Dengan diperolehnya informasi-informasi yang              transaksi untuk menemukan pola-pola hubungan
berguna dari data-data yang ada, hubungan antara          yang berbeda-beda.
item dalam transaksi, maupun informasi informasi-                Asosiasi memiliki dua parameter. Yaitu
yang potensial, selanjutnya dapat diekstrak dan           support dan confidence. Support merupakan
dianalisa dan diteliti lebih lanjut dari berbagai sudut   persentasi kombinasi attribut tersebut dalam basis
pandang. Informasi yang ditemukan ini selanjutnya         data, sedangkan confidence adalah kuatnya
dapat diaplikasikan untuk aplikasi manajemen,             hubungan antar attribut dalam aturan asosiasi.
melakukan      query       processing,     pengambilan    kedua parameter ini ditentukan minimum support
keputusan dan lain sebagainya.                            dan minimum confidence oleh pengguna sistem itu
                                                          sendiri untuk memberi batas atas suatu item
Tahapan Dalam Data Mining                                 interesting. rumus dari support dan confidence
                                                          adalah sebagai berikut :
       Data-data yang ada, tidak dapat langsung
                                                          Support : Support(x-y) = A U B
diolah dengan menggunakan sistem data mining.
                                                                                     n
Data-data tersebut harus dipersiapkan terlebih
dahulu agar hasil yang diperoleh dapat lebih
maksimal, dan waktu komputasinya lebih minimal.           Confidence : Confidence (x-y) = Support(x-y)
Proses persiapan data ini sendiri dapat mencapai                                           Support(x)
60 % dari keseluruhan proses dalam data mining.
Adapun tahapan-tahapan yang harus dilalui dalam           Single Exponential Smoothing
proses data mining antara lain (Tomson, 2010) :
                                                                 Single exponential smoothing digunakan
                                                          pada peramalan jangka pendek, biasanya hanya 1
                                                          bulan ke depan. Model mengasumsikan bahwa data
                                                          berfluktuasi disekitar nilai mean yang tetap, tanpa
                                                          trend atau pola pertumbuhan konsisten (Makridakis,
                                                          2006).
                                                                 Dalam model rata-rata bergerak (Moving
                                                          Average) dapat dilihat bahwa untuk semua data
                                                          obesrvasi memiliki bobot yang sama yang
                                                          membentuk rata-ratanya. Padahal, data observasi
                                                          terbaru seharusnya memiliki bobot yang lebih
                                                          besar dibandingkan dengan data observasi di masa
                                                          yang lalu. Hal ini dipandang sebagai kelemahan
                                                          model peramalan Moving Average. Untuk itu,
                                                          digunakanlah metode single Exponential Smoothing
                                                          agar kelemahan tersebut dapat diatasi didasarkan
           Gambar Tahapan Data Mining                     pada alasan sebagai berikut, Metode single


                 PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
exponential smoothing mempertimbangkan bobot           Unified Modelling Languange (UML)
data-data sebelumnya dengan memberikan bobot
pada setiap data periode untuk membedakan                      Menurut munawar (2005) bahwa Unified
prioritas atas suatu data.   Rumus untuk single        Modeling Language (UML) adalah bahasa spesifikasi
exponential smoothing adalah sebagai berikut:          standar           untuk          mendokumentasikan,
                                                       menspesifikasikan,       dan    membangun        sistem
          Ft+1 = α * Xt + (1 – α) * Ft                 perangkat lunak. Unified Modeling Language (UML)
                                                       adalah himpunan struktur dan teknik untuk
Keterangan :                                           pemodelan desain program berorientasi objek
                                                       (OOP) serta aplikasinya. UML adalah metodologi
Ft = peramalan untuk periode t
                                                       untuk      mengembangkan         sistem     OOP     dan
α = konstanta perataan antara 0 dan 1                  sekelompok perangkat tool untuk mendukung
                                                       pengembangan sistem tersebut, UML mulai
Xt + (1-α) = Nilai aktual time series
                                                       diperkenalkan oleh Object Management Group,
Ft+1 = peramalan pada waktu t + 1                      sebuah organisasi yang telah mengembangkan
                                                       model, teknologi, dan standar OOP sejak tahun
                                                       1980-an. Sekarang UML sudah mulai banyak
Pemrograman Berorientasi Objek
                                                       digunakan oleh para praktisi OOP.
                                                               UML dapat diartikan sebagai suatu bahasa
        Menurut Watson (2006) Object Oriented
                                                       yang        digunakan         untuk       menentukan,
Programming (OOP) adalah suatu metode dalam
                                                       memvisualisasikan,            membangun,            dan
pembuatan      program,   dengan    tujuan    untuk
                                                       mendokumentasikan suatu sistem informasi dan
menyelesaikan kompleksnya berbagai masalah
                                                       dapat      digunakan      untuk      memahami       dan
program yang terus meningkat. Ada dua bagian
                                                       mendokumentasikan setiap sistem informasi.
penting dalam Object Oriented Programming yaitu
                                                       Penggunaan UML dalam industri terus meningkat.
properties dan event. Properties memiliki nama dan
                                                       Ini     merupakan        standar      terbuka      yang
nilai, sementara event hanya memiliki nama dan
                                                       menjadikannya sebagai bahasa pemodelan yang
biasanya berhubungan dengan method, behavior,
                                                       umum       dalam     industri   peranti    lunak    dan
function dan action. Dalam melakukan pemecahan
                                                       pengembangan sistem. UML menyediakan 18
masalah Object Oriented Programming tidak
                                                       macam diagram untuk memodelkan aplikasi
memandang bagaimana cara memecahkan suatu
                                                       berorientasi objek, beberapa di antaranya adalah
masalah secara terstruktur, melainakn bagaimana
                                                       sebagai berikut:
suatu masalah itu dapat diselesaikan dengan
                                                       1. Use Case Diagram untuk memodelkan interaksi
menentukan objek-objek apa saja yang dapat
                                                           environment dengan sistem.
memecahkan masalah tersebut.
                                                       2. Conceptual       Diagram     untuk     memodelkan
        Bahasa pemrograman yang mendukung
                                                           konsep-konsep yang ada di dalam aplikasi.
OOP antara lain java, C++, pascal, visual basic.net,
                                                       3. Sequence        Diagram      untuk     memodelkan
simula, smalltalk, python, ruby, python, php,
                                                           pengiriman pesan (message) antar objects.
delphi, eiffel, perl. Delphi adalah sebuah IDE
                                                       4. Collaboration Diagram untuk memodelkan
compiler untuk bahasa pemrograman pascal dan
                                                           interaksi antar objects.
lingkungan pengembangan perangkat lunak.
                                                       5. State Diagram untuk memodelkan perilaku
        Delphi merupakan bahasa pemrograman
                                                           objects yang terjadi secara satuan waktu (real
yang digunakan untuk berbuat aplikasi yang
                                                           time) di dalam sistem.
berbasis grafis (GUI – Graphical user interface).
                                                       6. Activity Diagram untuk memodelkan perilaku
Delphi merupakan event-driven programming
                                                           Use Cases dan objects di dalam system.
(pemograman terkendali kejadian) artinya program
                                                       7. Class Diagram untuk memodelkan struktur
menunggu sampai adanya respon dari pemakai
                                                           kelas.
berupa event / kejadian tertentu ( tombol diklik,
                                                       8. Object Diagram untuk memodelkan struktur
menu dipikih, dan lain-lain). Ketika event
                                                           objek yang ada pada sistem.
terdeteksi, kode yang berhubungan dengan event
                                                       9. Component        Diagram      untuk    memodelkan
(procerdure event) akan dijalankan. Lingkungan
                                                           komponen object.
pemograman delphi mengadung semua sarana
                                                       10. Deployment       Diagram     untuk    memodelkan
yang dibutuhkan untuk membangun program-
                                                           distribusi aplikasi.
program yang dibutuhkan secara lengkap.




                PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
METODA PENELITIAN                                      1. Use Case Diagram

       Metodologi      yang    digunakan      dalam
melaksanakan penelitian ini menggunakan metode
standar dalam pengembangan perangkat lunak
yaitu SDLC (System Development Life Cycle). SDLC
merupakan    suatu proses untuk memahami
bagaimana suatu informasi dapat mendukung
kebutuhan bisnis, merancang sistem, serta
membangunnya dan kemudian menyampaikan
informasi kepada pengguna (Dennis, Wixom, &
Tagarden, 2005). Gambar 1.1 berikut adalah fase-
fase dalam bagan SDLC yang juga sering disebut
metodologi ‘waterfall’. SDLC terdiri dari tujuh fase
atau langkah yaitu sebagai berikut :


         Project Indentification & Selection


            Project Initiation & Planning


                      Analysis


                   Logical Design


                  Physical Design


                  Implementation
                                                                   Gambar Use Case Diagram

                    Maintenance                               use case diagram yang menggambarkan
                                                       interaksi antara aktor utama dengan sistem PT.
     Gambar Simulasi SDLC Waterfall Model              Sejahtera Panca Jaya yang digambarkan pada use
                                                       case dalam bentuk simbol elips (         ) dimana
                                                       simbol tersebut adalah kegiatan yang dilakukan
ANALISA DAN HASIL                                      oleh aktor. Terdapat tiga aktor yaitu administrasi,
                                                       front office, dan gudang. Aktor administrasi dalam
Perancangan Sistem Informasi Penjualan                 interaksi dengan sistem dapat melakukan sebelas
PT. Sejahtera Panca jaya                               use case yaitu, melakukan set data konsumen,
                                                       mengisi pembelian, Dalam pengisian pembelian
       Sebagai   langkah    awal  dalam   tahap        terdapat assosiasi extends yaitu dapat melakukan
perancangan ini adalah dengan menetapkan model         use case set data supplier dan use case set data
dari Sistem Informasi baru yang akan dibangun.         barang sekaligus. Use case kelima adalah
Adapun model yang dibangun adalah model grafis         melakukan pelunasan hutang dan selanjutnya
menggunakan Unified Model Language (UML).              pelunasan hutang, cetak laporan hutang, cetak
Berikut ini penjabaran model grafis dari Sistem        laporan piutang, dan melakukan mining association
Informasi baru yang dirancang.                         rule serta cetak laporan mining yang harus
                                                       dilakukan mining terlebih dahulu. Adapun use case
                                                       sebelas adalah melakukan forecasting single
                                                       exponential smoothing yang merupakan include
                                                       dari use case mining association rule, yaitu harus
                                                       melakukan mining terlebih dahulu sebelum
                                                       melakukan use case forecasting.


                PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
       Aktor front office dalam interaksi dengan                Setelah tahap itu, akan ada aktivitas
sistem dapat melakukan empat use case, yaitu            decision untuk melanjutkan ke laman forecasting
mengisi penjualan, cetak laporan penjualan, cetak       single exponential smoothing. Jika tidak maka,
laporan stok, dan cetak laporan vulkanisir.             aktivitas sistem akan berakhir. Jika ya, maka ada
sedangkan aktor gudang dapat melakukan lima use         aktivitas fork dengan empat aktivitas yang dapat
case, yaitu input vulkanisir, update vulkanisir,        dilakukan secara bersamaan, yaitu menentukan
cetak laporan vulkanisir, cetak laporan stok, dan       target forecasting, menentukan nilai konstanta,
cetak laporan penjualan.                                menentukan tanggal yang akan di forecasting, dan
                                                        menentukan periode sampel data. Kemudian akan
2. Activity Diagram Baru Dari Program Aplikasi          masuk ke aktivitas analisis forecasting dan
                                                        menampilkan hasil.

                                                        3. Object Diagram
                                                           Teddy : pegawai
                                                                                                Formulir isian :

                                                         Nama = teddy                       No_formulir =                      H.yendra : konsumen
                                                         Jenis_kelamin = laki-              232/IV/11
                                                         laki                               Tanggal = 17 juni                 Nama : H.yendra
                                                                                            2011                              Jenis_kelamin = laki-
                                                                                                                              laki




                                                                                                                            faktur : transaksi
                                                                                 Ban : produk
                                                                                                                   No_faktur : 0651
                                                                                                                   No_formulir = 232/IV/11
                                                                        Kode Barang : 01GT/9088                    Tanggal : 17 juni 2011
                                                                        Kategori : ban luar                        Kepada : H.yendra
                                                                        Jenis : baru                               Unit : 16 buah
                                                                                                                   Barang : ban luar 900-20-88 N
                                                                        Ukuran : 900-20-88 N                       Merek = gajah tunggal
                                                                        Merek : Gajah tunggal                      Harga satuan = 1.920.000,-
                                                                                                                   Jumlah harga = 30.720.000,-
                                                                                                                   Total = 30.720.000,-



                                                                                 Gambar Object Diagram

                                                               Object diagram adalah objek-objek yang
                                                        terdapat dalam sebuah sistem yang menunjukan
                                                        pandangan lengkap atau sebagian dari struktur
                                                        suatu model sistem pada waktu tertentu, dalam
                                                        sistem PT. sejahtera panca jaya terdapat pegawai,
                                                        fomulir isian, konsumen, faktur, dan produk.

                                                        4. Class Diagram

      Gambar Activity Diagram Dari Aplikasi

        Activity diagram diatas merupakan aktivitas
yang dilakukan saat sistem melakukan datamining
association rule serta forecasting single exponential
smoothing. Diawal dengan melakukan pengaturan
terhadap tanggal data sampel, kemudian terdapat
aktivitas dalam fork yaitu input nilai minimum dan
input confidence minimum. Setelah aktivitas itu
dilakukan, masuk pada aktivitas seleksi data
minimum support dan menampilkanya. Dengan
hasil tersebut maka aktivitas berikutnya adalah
memilih kombinasi itemset, selanjutnya akan
melakukan penghitungan support itemset dan
confidence itemset. Kemudian akan ada aktivitas
decision untuk menanyakan masih ada kombinasi
yang bisa terjadi, jika ya maka akan memasuki ke
aktivitas join yaitu memilih lagi kombinasi itemset.
Jika tidak maka akan memasuki ke aktivitas
simpan data yang kedalam database, kemudian
mencetak laporan hasil mining.                                                    Gambar Class Diagram

                PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
        class diagram yaitu pengelompokan dari                                                                                 tersebut.   Diagram      ini   juga    menunjukkan
object diagram. Class diagram merupakan sebuah                                                                                 serangkaian pesan yang dipertukarkan oleh obyek-
diagram yang menjelaskan tentang kelas-kelas dari                                                                              obyek yang melakukan suatu tugas atau aksi
sebuah sistem dan keterkaitanya satu sama lain.                                                                                tertentu.    Obyek-obyek      tersebut     kemudian
Setiap kelas digambarkan menjadi tiga bagian yaitu                                                                             diurutkan dari kiri ke kanan, aktor yang
bagian pertama nama kelas, bagian kedua atribut,                                                                               menginisiasi interaksi biasanya ditaruh di paling kiri
dan bagian ketiga method/proses.                                                                                               dari diagram.
        Pada gambar tersebut terdapat tujuh class
diagram, yaitu Class konsumen, supplier, barang,                                                                               6. Component Diagram
penjualan,      pembelian,     vulkanisir,     dan
hasildatamining yang masing-masing memiliki
attribut dan method. Masing-masing class saling
terhubung, pada diagram diatas dapat dilihat, satu
kode_kon di class penjualan memiliki satu
kode_kon di class kosumen, satu kode_brg class
penjualan memiliki satu atau lebih kode class
barang, satu kode_spp class pembelian memiliki
satu kode class supplier, satu kode_barang class
pembelian memiliki satu atau lebih kode class                                                                                             Gambar Component Diagram
barang, satu kode_brg class vulkanisir memiliki
satu kode class barang, dan satu itemset class                                                                                         component diagram yang mengambarkan
hasildatamining memiliki satu atau lebih kode_brg                                                                              source code program yang masih belum di run
class     penjualan.   Setiap    class     memiliki                                                                            untuk untuk digunakan dalam menrancang
method/operasi yang berfungsi, dan setiap fungsi                                                                               program. Aplikasi yang digunakan adalah Borland
memiliki tanda simbol ( - ),( + ). Tanda (–) pada                                                                              Delphi yang telah terintegrasi graphic user
method artinya private yang menjelaskan bahwa                                                                                  interface, menggunakan database mysql server,
method/proses ini hanya dapat dilakukan pada                                                                                   dan berjalan pada sistem operasi windows.
class itu sendiri. Sedangkan tanda (+) pada
method artinya public yang menjelaskan bahwa                                                                                   7. Deployment Diagram
method/prosesnya bisa dilakukan oleh class lain.

5. Sequence Diagram



   User            Aplikasi Program       Teknik Association Rule               Database        Single Exponential Smoothing

      Akses Informasi                  Akses intruksi di database

            Laporan                               Informasi

      Input Penjualan                         Penyimpanan data

      notifikasi Berhasil

          Mining Data            Intruksi Query                 Analisa data



                                      Nilai                     hasil Analisa

            Notifikasi            Nilai Itemset               Penyimpanan Data

          Intruksi Hasil         Intruksi Query               Permintaan Hasil

            Laporan                               Informasi                                                                               Gambar Deployment Diagram
          Forecasting

                                                                Intruksi Query
                                                                                                                                       Diagram     deployment     mengambarkan
                                                                                           Analisa Data
                                                                                                                               kumpulan component diagram, juga jaringan yang
                                                                                           Hasil Analisa
                                                                                                                               digunakan. Berdasarkan gambar diatas terlihat
            Laporan                                               Informasi                                                    bahwa jaringan yang akan dibangun mengunakan
                                                                                                                               topologi star, dengan sebuah server terpusat pada
                                                                                                                               bagian administrasi dan client pada bagian front
          Gambar Sistem Level Sequence Diagram                                                                                 office dan bagian gudang. Front office dapat akses
                                                                                                                               beberapa data pada server sesuai hak akses dan
      Sequence diagram adalah suatu diagram                                                                                    begitu juga dengan client gudang.
yang menggambarkan interaksi antar obyek dan
mengindikasikan komunikasi diantara obyek-obyek

                                      PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
Perancangan Sistem Association Rule yang Di           dapat dipergunakan untuk melakukan pembersihan
Dukung Oleh Single Exponential Smoothing              data. Akan tetapi untuk penelitian ini, penulis tidak
Pada PT. Sejahtera Panca Jaya                         mempergunakan teknik-teknik pada data mining
                                                      tersebut. Karena parameter-parameter yang ada
       Sebagai langkah kedua adalah menrancang        dibutuhkan data yang sebenarnya, bukan data
sistem datamining dengan association rule dan         yang dibuat berdasarkan rata-rata yang ada.
peramalan single exponential smoothing pada
sistem penjualan yang telah dibangun, berikut ini     3. Transformasi
adalah cara kerja metoda tersebut dalam                      Transformasi   data   dilakukan   dengan
menganalisa    data-data   pada     sistem   dan      mengubah data yang terseleksi dapat digunakan
mengimplementasi pada aplikasi sistem.                dalam argoritma datamining, pada tahapan ini data
                                                      yang terseleksi akan di transformasi, seperti
Data Mining                                           kode_brg pada data transaksi penjualan akan
                                                      ditransformasi menjadi Nama_Barang. Berikut ini
       Tahapan data mining yang dilakukan pada        adalah tabel transformasi kode barang ke nama
PT. sejahtera Panca jaya adalah sebagai berikut.      barang pada sistem :

1. Seleksi Data                                       Tabel Barang
    Data-data     yang     dikumpulkan   seringkali    Nomor      Kode Barang           Nama Barang
ditempatkan pada lokasi yang berbeda-beda, dan         1         BDBS1020             BD 1000-20 BS
memiliki banyak attribut dalam data tersebut. Maka     2         BDBS14               BD R14 BS
                                                       3         BDBS15               BD R15 BS
dari itu perlu melakukan seleksi terhadap data
                                                             .            .                     .
untuk mengetahui attribut apa aja yang akan                  .            .                     .
digunakan. Adapun data yang didapatkan langsung              .            .                     .
dari data barang sistem penjualan PT. Sejahtera        135       BLGTCLA1857014       BL 185/70-14 GT
Panca Jaya, terdapat Sembilan attribut pada                                           CLASSIRO
                                                       136       BLGTCLA2057015       BL 205/70-15 GT
transaksi penjualan yaitu :
                                                                                      CLASSIRO
1. No_faktur                                           137       BLGTDAT2657016       BL 265/70-16 GT DAT
    Nomor transaksi yang harus diisi disaat            138       BLGTECO1656513       BL 165/65R13 GT ECO
    transaksi terjadi                                  139       BLGTECO1856013       BL 185/60R13 GT ECO
2. Tanggal                                             140       BLGTECO1856014       BL 185/60R14 GT ECO
                                                       141       BLGTECO1857014       BL 185/70-14 GT ECO
    Kapan terjadinya transaksi
                                                       142       BLGTECO1857514       BL 185/75-14 GT ECO
3. PO                                                        .            .                     .
    Nomor purchasing order dari konsumen                     .            .                     .
4. Kode_kon                                                  .            .                     .
    Kode konsumen yang menunjukan konsumen             249       MP7515               M.PANAS 75015
    yang bersangkutan                                  250       MP7516               M.PANAS 750-16
                                                       251       MP9020               M.PANAS 900-20
5. Kode_brg
    Kode barang untuk menidentik barang yang
                                                      4. Teknik Association Rule
    terjadi pada transaksi
                                                             Teknik association rule adalah sebuah
6. Qty
                                                      metoda data mining yang dapat menganalisa data-
    Quantity jumlah barang
                                                      data penjualan kemudian menghasilkan informasi
7. Harga_sat
                                                      berupa pengetahuan. Teknik association rule
    Nominal harga satuan pada suatu barang
                                                      memiliki dua parameter dalam menganalisa, yaitu
8. Jumlah
                                                      support dan confidence. Support merupakan
    Jumlah nilai nominal barang
                                                      persentasi kombinasi attribut tersebut dalam basis
9. Tot
                                                      data, sedangkan confidence adalah kuatnya
    Jumlah nilai nominal transaksi
                                                      hubungan antar attribut dalam aturan asosiasi.
        Dari Sembilan attribut yang ada pada data
                                                      Sebagai contoh Berikut ini adalah cara kerja teknik
transaksi    penjualan,    yang    dapat  dijadikan
                                                      association rule dalam menganalisa data, dengan
parameter dalam teknik association rule ini hanya
                                                      menggunakan sampel data transaksi dari 01
tanggal, nama_brg, no_faktur.
                                                      November 2011 sampai dengan 01 December 2012
                                                      dengan minimum support dan minimum confidence
2. Praproses
                                                      ditentukan oleh pengguna sistem dalam contoh
       Biasanya dipergunakan untuk mengisi data-
                                                      berikut adalah minimum support 4% dan minimum
data yang masih kosong atau ada kesalahan
pengisian. Pada data mining ada teknik-teknik yang

                PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
confindence 50%. Berikut adalah contoh tabel                                              Langkah 2 : Dari frekuensi 1-itemset kemudian
penjualan :                                                                               akan mencari assoasi dengan menghitung nilai
Tabel Transaksi Penjualan                                                                 support dan confidence antar kombinasi itemset
        nomor                NAMA BARANG JENIS ITEM PADA TRANSAKSI
                                                                                          sehingga dapat membentuk frekuensi 2-itemset.
 1                       BL 750-16 GT 14PR , FLD 16L GT
 2                       M.DINGIN 700-14                                                  Rumus dalam menghitung support dan confidence
 3
 4
                         BL 900-20-88N GT 14PR
                         BD 750-16 BS , FLD 16L GT
                                                                                          kombinasi itemset adalah sebagai berikut :
 5                       BL 900-20-88N GT 14PR
 6                       BL 750-16 GT 14PR , BD 750-16 GT , FLD 16L GT
 7                       M.DINGIN 750-16
 8                       BL 1000-20 GT 16PR M
 9                       BL 900-20-88N GT 14PR , BD 825-20 GT , FLD GT 20N , BL 1000-20
                         GT 16PR M , BD 900-20 GT , FLD 20R GT
 10                      BL 900-20-88N GT 14PR , BD 825-20 GT , FLD GT 20N
 11                      BL 900-20-88N GT 14PR , BD 825-20 GT , FLD GT 20N , BL 1000-20
                         GT 16PR M , BD 900-20 GT , FLD 20R GT
 12                      BL 750-16 SWALLOW JP , BD 750-16 SWALLOW
          .                                               .
          .                                               .
          .                                               .
 222                     BL 900-20-88N GT 14PR , BD 825-20 GT , FLD GT 20N
 223                     BL 185/70-14 DLP SP10
 224                     BD R14 GT
 225                     BL 165/80R13 DLP
 226                     BL 195/70-14 GT GTR
 227                     BL 195/70-14 GT GTR
 228                     BL 185/70-14 GT GTR
 229                     M.DINGIN 750-15 , M.DINGIN 750-15
 230                     BL 1000-20 SWALLOW HD                                            Tabel Frekuensi 2-Itemset
 231                     M.DINGIN 750-16
                                                                                                           Nama itemset                       Support    confidence
 232                     BL 205/65-15 GT BXT
          .                                               .                                FLD GT 20R _ BL 1000-20 GT 16PR M                    5.352      51.764
          .                                               .
                                                                                           FLD GT 20R _ BD 900-20 GT                            7.846      75.882
          .                                               .
                         BD 900-20 GT , FLD GT 20R                                         BL 1000-20 GT 16PR M _ FLD GT 20R                    5.352      61.971
 1630                    BL 700-16 GT , BD 700-16 GT , FLD 16L GT
                                                                                           BL 1000-20 GT 16PR M _ BD 900-20 GT                  5.474      63.380
 1631                    M.DINGIN 900-20 , M.DINGIN 750-15
 1632                    M.DINGIN 750-16                                                   FLD GT 20 N _ BD 825-20 GT                          10.644      94.594
 1633                    M.DINGIN 700-14                                                   FLD GT 20 N _ BL 900-20-88N GT 14PR                  8.211      72.972
 1634                    M.DINGIN 700-14
 1635                    M.PANAS 700-15 kasar                                              BL 900-20-88N GT 14PR _ FLD GT 20 N                  8.211      64.903
 1636                    BL 900-20-88N GT 14PR , BD 825-20 GT , FLD GT 20 N ,              BL 900-20-88N GT 14PR _ BD 825-20 GT                 9.002      71.153
                         BL 1000-20 GT 16PR M , BD 900-20 GT , FLD GT 20R
 1637                    BL 900-20-88N GT 14PR , BD 825-20 GT , FLD GT 20 N                BD 900-20 GT _ FLD GT 20R                            7.846      85.430
 1638                    BL 1000-20 BS SG                                                  BD 900-20 GT _ BL 1000-20 GT 16PR M                  5.474      59.602
 1639                    BL 900-20-88N GT 14PR
 1640                    BL 600-9 GT 10PR                                                  BD 825-20 GT _ BL 900-20-88N GT 14PR                 9.002      65.777
 1641                    BL 700-14 GT GTS                                                  BD 825-20 GT _ FLD GT 20 N                          10.644      77.777
 1642                    BD R14 GT
 1643                    BL 1000-20 SWALLOW
 1644                    BL SWALLOW 1100-20

Langkah 1 : Menelusuri seluruh record di basis                                            Langkah 3 : berdasarkan frekuensi 2-itemset,
data transaksi dan menghitung support dari tiap                                           yang terpenuhi minimum support and confidence
item, kemudian menampilkan itemset yang                                                   akan dijadikan kadinat 3-itemset. Maka terus
terpenuhi nilai minimum support. Ini adalah                                               melakukan kombinasi itemset dengan 3-itemset.
kandidat 1-itemset. Rumus dalam pencarian                                                 Begitu seterusnya 4-itemset hingga N-item set
support adalah berikut :                                                                  yang dapat terbentuk.

                                                                                          Tabel Frekuensi 3-Itemset
                                                                                                            Nama itemset                      Support   confidence
                                                                                           FLD GT 20R,BL 1000-20 GT 16PR M _ BD 900-20 GT      5.048      94.318
                                                                                           BD 900-20 GT _ FLD GT 20R,BL 1000-20 GT 16PR M      5.048      54.966
                                                                                           BL 1000-20 GT 16PRM,BD 900-20 GT _ FLD GT 20R       5.048      92.222
                                                                                           FLD GT 20R _ BL 1000-20 GT 16PR M,BD 900-20 GT      5.048      48.823
                                                                                           FLD GT 20R,BD 900-20 GT _ BL 1000-20 GT 16PR M      5.048      64.341

Tabel Frekuensi 1-Itemset                                                                  BL 1000-20 GT 16PR M _ FLD GT 20R,BD 900-20 GT      5.048      58.450
                                                                                           FLD GT 20 N,BD 825-20 GT _ BL 900-20-88N GT 14PR    8.090        76
 Nama itemset                                          Support
                                                                                           BL 900-20-88N GT 14PR _ FLD GT 20N,BD 825-20 GT     8.090      63.943
 M.DINGIN 750-16              177/1644 = 10.7664 %
                                                                                           FLD GT 20 N,BL 900-20-88N GT 14PR _ BD 825-20 GT    8.090      98.518
 FLD 16L GT                   111/1644 = 6.7518 %
                                                                                           BD 825-20 GT_ FLD GT 20 N,BL 900-20-88N GT 14PR     8.090      59.111
 FLD GT 20R                   170/1644 = 10.3406 %                                         BL 900-20-88N GT 14PR,BD 825-20 GT _ FLD GT 20 N    8.090      89.864
 BL 700-16 GT                 68 / 1644 = 4.1363 %                                         FLD GT 20 N _ BL 900-20-88N GT 14PR,BD 825-20 GT    8.090      71.891

 BL 1000-20 GT 16PR M         142 / 1644 = 8.6375 %

 FLD GT 20N                   185 / 1644 = 11.253 %
                                                                                          Langkah 4 : Setelah semua itemset terbentuk,
 M.DINGIN 700-16              72 / 1644 = 4.3796 %
                                                                                          langkah berikutnya adalah mensatukan tabel
 BL 900-20-88N GT 14PR        208 /1644 = 12.6521 %
                                                                                          frekuensi itemset yang mencapai minimum support
 BD 750-16 GT                 82 /1644 = 4.9878 %
                                                                                          dan minimum confidence untuk di evalusai
 BD 900-20 GT                 151 / 1644 = 9.1849 %
                                                                                          berikutnya.
 BD 825-20 GT                 225 / 1644 = 13.6861 %

 BL 750-16 GT 14PR            149 / 1644 = 9.0633 %




                            PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
Tabel Hasil Datamining                                                   2. Transaksi yang terjadi menunjukan bahwa
                Itemset                Support    Confidenc    S*C
                                                                             konsumen dalam pembelian jenis item FLD GT
 M.DINGIN 750-16                       10.766 %       -          -
                                                                             20 N memiliki kemungkinan yang paling tinggi
                                                                             juga akan membeli jenis item BD 825-20 GT.
 FLD 16L GT                            6.751 %        -          -
                                                                         3. Konsumen yang membeli jenis item FLD GT 20R
 FLD GT 20R                            10.340 %       -          -
                                                                             memiliki kemungkinan yang tinggi akan
 BL 700-16 GT                          4.136 %        -          -           membeli jenis item BD 900-20 GT.
 BL 1000-20 GT 16PR M                  8.637 %        -          -       4. Setiap transaksi yang terjadi dengan pembelian
 FLD GT 20N                            11.25 %        -          -
                                                                             jenis item BL 1000-20 GT 16PR M memiliki
                                                                             persentasi yang tinggi juga akan membeli jenis
 M.DINGIN 700-16                       4.379 %        -          -
                                                                             item BD 900-20 GT atau FLD GT 20R .
 BL 900-20-88N GT 14PR                 12.652 %       -          -       5. Konsumen dalam membeli jenis item BL 900-
 BD 750-16 GT                          4.987 %        -          -           20-88N GT 14PR juga memiliki kemungkinan
 BD 900-20 GT                          9.184 %        -          -
                                                                             dalam membeli jenis item BD 825-20 GT atau
                                                                             FLD GT 20 N.
 BD 825-20 GT                          13.686 %       -          -
                                                                         6. Terjadinya transaksi dengan jenis pembeli pada
 BL 750-16 GT 14PR                     9.063 %        -          -
                                                                             item FLD GT 20R dan BL 1000-20 GT 16PR M
 FLD GT 20R _ BL 1000-20 GT 16PR M     5.352 %     51.764 %   2.770 %        memiliki kemungkinan yang tinggi konsumen
 FLD GT 20R _ BD 900-20 GT             7.846 %     75.882 %   5.953 %        juga akan membeli jenis item BD 900-20 GT.
 BL 1000-20 GT 16PR M _ FLD GT 20R     5.352 %     61.971 %   3.316 %
                                                                         7. Konsumen yang membeli jenis item BL 900-20-
                                                                             88N GT 14PR dan BD 825-20 GT memiliki
 BL 1000-20 GT 16PR M _ BD 900-20 GT   5.474 %     63.380 %   3.469 %
                                                                             kemungkinan yang besar juga akan membeli
 FLD GT 20 N _ BD 825-20 GT            10.644 %    94.594 %   10.068 %       jenis item FLD GT 20 N.
 FLD GT 20 N _ BL 900-20-88N GT 14PR   8.211 %     72.972 %   5.991 %            Berdasarkan     association    rule    yang
 BL 900-20-88N GT 14PR _ FLD GT 20 N   8.211 %     64.903 %   5.329 %
                                                                         dihasilkan, informasi yang didapat tidak lagi dalam
                                                                         bentuk      data    mentah     melainkan     berupa
 BL 900-20-88N GT 14PR _ BD 825-20     9.002 %     71.153 %   6.405 %
 GT                                                                      pengetahuan yang dapat membantu dalam
 BD 900-20 GT _ FLD GT 20R             7.846 %     85.430 %   6.702 %
                                                                         pembuatan keputusan, atau pengetahuan yang
 BD 900-20 GT _BL 1000-20 GT 16PR M    5.474 %     59.602 %   3.262 %    dijadikan referensi dalam suatu proses data. salah
 BD 825-20 GT _ BL 900-20-88N GT       9.002 %     65.777 %   5.921 %    satu contoh adalah peramalan.
 14PR
 BD 825-20 GT _ FLD GT 20 N            10.644 %    77.777 %   8.278 %
                                                                         Single Exponential Smoothing
 FLD GT 20R,BL 1000-20 GT 16PR M _     5.048 %     94.318 %   4.761 %
 BD 900-20 GT

 BD 900-20 GT _                        5.048 %     54.966 %   2.774 %           single exponential smoothing digunakan
 FLD GT 20R,BL 1000-20 GT 16PR M
 BL 1000-20 GT 16PRM,BD 900-20 GT _    5.048 %     92.222 %   4.655 %
                                                                         pada peramalan jangka pendek, biasanya hanya
 FLD GT 20R                                                              satu bulan ke depan. Data yang digunakan dalam
 FLD GT 20R,BD 900-20 GT _             5.048 %     64.341 %   3.247 %
 BL 1000-20 GT 16PR M                                                    peramalan adalah data transaksi yang terjadi
 BL 1000-20 GT 16PR M _
 FLD GT 20R,BD 900-20 GT
                                       5.048 %     58.450 %   2.950 %
                                                                         dalam suatu jangka waktu, dan objek yang di akan
 FLD GT 20 N,BD 825-20 GT _            8.090 %      76 %      6.148 %    ramal sebaiknya tidak lagi dalam bentuk data
 BL 900-20-88N GT 14PR
 BL 900-20-88N GT 14PR _               8.090 %     63.943 %   5.172 %
                                                                         mentah, melainkan data yang mendukung sebagai
 FLD GT 20N,BD 825-20 GT
                                                                         referensi, sehingga objek yang akan diramal
 FLD GT 20 N,BL 900-20-88N GT 14PR _   8.090 %     98.518 %   7.970 %
 BD 825-20 GT                                                            memiliki dasar yang kuat.
 BD 825-20 GT_                         8.090 %     59.111 %   4.782 %
 FLD GT 20 N,BL 900-20-88N GT 14PR                                              Single exponential smoothing merupakan
 BL 900-20-88N GT 14PR,BD 825-20 GT
 _ FLD GT 20 N
                                       8.090 %     89.864 %   7.269 %    perkembangan dari simple moving average, karena
 FLD GT 20 N _                         8.090 %     71.891 %   5.815 %    dalam simple moving average semua data
 BL 900-20-88N GT 14PR,BD 825-20 GT
                                                                         observasi memiliki bobot yang sama dalam
                                                                         membentuk rata-rata. Padahal, data observasi
5. Evaluasi                                                              terbaru seharusnya memiliki bobot yang lebih
    Berdasarkan hasil datamining, pengguna sistem                        besar dibandingkan dengan data observasi di masa
bisa    dapat     informasi   berupa     pengetahuan.                    yang lalu. Metode single exponential smoothing
Berdasarkan hasil mining di evaluasi maka dapat                          mempertimbangkan bobot data-data sebelumnya
terbentuk menjadi beberapa rule. Berikut adalah                          dengan memberikan bobot pada setiap data
hasil evaluasi data mining pada tabel III.10 dapat                       periode untuk membedakan prioritas atas suatu
disimpulkan, association rule yang dapat dihasilkan                      data. Cara kerja dan rumus untuk single
adalah sebagai berikut :                                                 exponential smoothing adalah sebagai berikut:
1. Item BD 825-20 GT merupakan item yang
    paling laris atau paling diminati oleh konsumen.


                              PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
Keterangan :                                          Rancangan Input Sistem PT. Sejahtera Panca
Ft = peramalan untuk periode t                        Jaya Dengan Borland Delphi 6.0
α = konstanta perataan antara 0 dan 1
Xt + (1-α) = Nilai actual time series
Ft+1 = peramalan pada waktu t + 1

Langkah 1 : memilih objek peramalan, jangka
waktu periode data dan penentuan nilai konstanta.
Misalkan     dengan      berdasarkan      referensi
pengetahuan objek yang ditentukan adalah BD
825-20 GT, jangka waktu periode data adalah 12
bulan dan nilai konstanta adalah 0.4. Kemudian
Tabulasi data penjualan actual sales BD 825-20 GT
dalam unit untuk 12 bulan adalah sebagai berikut :
                                                                   Form Menu Administrasi
Tabel History Penjualan Nyata
          Bulan                   Actual Sale
                                                             Form ini digunakan oleh bagian administrasi
      November 2011                   43
                                                      dan menu yang ditampilkan sesuai kebutuhan
      Desember 2011                   27
                                                      sistem bagian administrasi
       January 2012                   50
       Pebruary 2012                  41
        March 2012                    50
        April 2012                    35
         Mei 2012                     14
        June 2012                     38
         July 2012                    33
       Agustus 2012                   22
      September 2012                  31
       October 2012                   51
      November 2012                   38
                                                                       Form Penjualan
Langkah 2 : Peramalan terhadap objek pada bulan
December adalah sebagai berikut :                           Form ini digunakan oleh bagian front office
                                                      dalam melakukan transaksi penjualan.




                                                                 Form Teknik Association Rule

                                                             Form ini digunakan oleh bagian administrasi
Peramalan terhadap penjualan bulan Desember           dalam melakukan datamining association rule,
2012 untuk objek BD 825-20 GT adalah 37 buah.         dengan menentukan waktu periode data, nilai
Dengan hasil peramalan ini dapat membantu             minimum support, minimum confidence, dan tekan
pengguna sistem dalam pemgambilan keputusan,          tombol “PROSES”, sistem akan menganalisa data
terutama dalam menjaga ketersediaan barang.           penjualan    dan    menampilkan    itemset   yang
                                                      terpenuhi nilai minimum support dan confidence
                                                      untuk dijadikan kadinat terhadap kombinasi
                                                      itemset berikutnya, hingga menghasilkan laporan.

                     PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
        Form Single Exponential Smoothing                      Laporan Datamining Association Rule

         Form ini digunakan oleh bagian administrasi.   KESIMPULAN
Setelah melakukan association rule, item hasil
evaluasi akan berada pada jenis barang yang akan        1. Sistem komputerisasi pada PT. Sejahtera Panca
dipilih.    User   kemudian    menentukan     objek        Jaya meningkatkan kinerja penjualan, serta
peramalan, nilai konstanta, bulan yang akan                kegiatan-kegiatan yang dilakukan oleh sistem
diramal, dan periode sampel data kemudian tekan            seperti pencatatan data transaksi, keluar masuk
tombol      “SMOOTHING”      maka     sistem   akan        stok, dan meyediakan laporan-laporan menjadi
memberikan hasil peramalan terhadap objek                  lebih cepat dan efektif.
tersebut. Hasil tersebut dapat digunakan sebagai        2. Program datamining dengan teknik association
informasi dalam penyediaan stok barang ataupun             rule pada PT.Sejahtera Panca Jaya dapat
target penjualan pada periode yang akan datang.            menganalisa      data-data     penjualan,     dan
                                                           menghasilkan informasi berupa pengetahuan
Rancangan Output Sistem PT. Sejahtera Panca                yang bermanfaat bagi sistem, seperti jenis
Jaya Dengan Borland Delphi 6.0                             barang yang banyak diminati serta prilaku
                                                           konsumen dalam bertransaksi.
                                                        3. Program peramalan dengan metoda single
                                                           exponential smoothing pada PT. Sejahtera Panca
                                                           Jaya dapat menghasilkan jumlah perkiraan
                                                           penjualan terhadap jenis item barang, sehingga
                                                           berdasarkan informasi yang dihasilkan dapat
                                                           membantu       sistem     dalam       pengambilan
                                                           keputusan, seperti jumlah perkiraan penyediaan
                                                           stok.
                                                        4. Database terpusat pada sistem PT. Sejahtera
                                                           Panca     Jaya    telah    membentuk       sebuah
                                                           pengarsipan     yang     terstruktur,    sehingga
                                                           mempercepat pencarian data dan data-data
                                                           tersebut dapat tersimpan dengan baik.
                                                        5. Jaringan Local Area Network yang dirancang
                Laporan Penjualan                          pada sistem PT. Sejahtera Panca Jaya dapat
                                                           membantu       setiap     unit    kerja     dalam
                                                           mendistribusikan dan pengaksesan data menjadi
                                                           lebih cepat dan efisien.




                 Faktur Penjualan


                PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA
DAFTAR PUSTAKA

Alam, Agus J. Mengolah Database dengan Borland
Delphi 7. Elex Media Komputindo, Jakarta, 2004.

Febrian, J. Kamus Komputer dan            Teknologi
Informasi. Informatika, Bandung, 2007.

Irwanto dan Djon, M.M. Perancangan Object
Oriented Software dengan UML. Edisi I, Andi Offset,
Yogyakarta, 2005.

Kurniawan dan Wiharsono. Jaringan Komputer.
Edisi I, Andi Offset, Yogyakarta, 2007.

Kadir,  A.    Dasar    Perancangan&implementasi
Database Relasional, Andi, Yogyakarta,2008.

Masykur Huda, N. APLIKASI DATA MINING UNTUK
MENAMPILKAN INFORMASI BARANG
http://eprints.undip.ac.id/23168/1/TA_NUXON_J2F
005280.pdf, tanggal akses 19 September 2012

Sholichah, A. Data Mining Untuk Pembiayaan
Menggunakan Association Rule. Universitas Islam
Negeri. Malang, 2009.

Sulianta, F dan D. Juju. Data Mining Meramalkan
Bisnis Perusahaan. Elex Media Komputindo,
Jakarta, 2010.

Yuswanto dan Subari. Mengolah Database dengan
SQL Server 2000, Prestasi Pustaka Publisher,
Jakarta, 2005.

http://id.wikipedia.org/associationrule

http://id.shvoong.com/society-and-news/2012515-
pengertian-teknologi-informasi/

http://forecastingknowlegde.com/exponential+smo
othing




                PROGRAM STUDI TEKNIK INFORMATIKA STIKOM PELITA INDONESIA

								
To top