SI1612493780: Perbedaan revisi

Dari widuri
Lompat ke: navigasi, cari
[revisi tidak terperiksa][revisi tidak terperiksa]
(skripsi)
(skripsi)
Baris 164: Baris 164:
 
| <div style="font-size: 12pt;font-family: 'times new roman';text-align: center"><u>([https://widuri.raharja.info/index.php?title=Euis_Sitinur_Aisyah,_M.Kom Euis Sitinur Aisyah, M.Kom])</u></div>
 
| <div style="font-size: 12pt;font-family: 'times new roman';text-align: center"><u>([https://widuri.raharja.info/index.php?title=Euis_Sitinur_Aisyah,_M.Kom Euis Sitinur Aisyah, M.Kom])</u></div>
 
|| &nbsp; || &nbsp; ||  
 
|| &nbsp; || &nbsp; ||  
−
<div style="font-size: 12pt;font-family: 'times new roman';text-align: center"><u>([https://widuri.raharja.info/index.php?title=Sri Rahayu, ST.,MMSI, Sri Rahayu, ST.,MMSI])</u></div>
+
<div style="font-size: 12pt;font-family: 'times new roman';text-align: center"><u>([https://widuri.raharja.info/index.php?title=Sri Rahayu, ST.,MMSI,])</u></div>
 
|-
 
|-
 
| <div style="font-size: 12pt;font-family: 'times new roman';text-align: center">NID : 05066</div>  
 
| <div style="font-size: 12pt;font-family: 'times new roman';text-align: center">NID : 05066</div>  
Baris 202: Baris 202:
 
<p style="text-align: center;">Konsentrasi [[Business Intelligence|Business Intelligence]]</p></div>
 
<p style="text-align: center;">Konsentrasi [[Business Intelligence|Business Intelligence]]</p></div>
 
<div style="font-size: 12pt;font-family: 'times new roman';text-align: center">
 
<div style="font-size: 12pt;font-family: 'times new roman';text-align: center">
−
<p style="line-height: 1">TA. 2018/2019 </p></div>
+
<p style="line-height: 1">TA. 2019/2020 </p></div>
 
&nbsp;
 
&nbsp;
  
Baris 285: Baris 285:
 
|-
 
|-
 
|<div style="font-size: 12pt;font-family: 'times new roman';text-align: left">Konsentrasi</div>||
 
|<div style="font-size: 12pt;font-family: 'times new roman';text-align: left">Konsentrasi</div>||
−
<div style="font-size: 12pt;font-family: 'times new roman';text-align: left">: [[Business Intelligence|Business Intelligence]]] </div>
+
<div style="font-size: 12pt;font-family: 'times new roman';text-align: left">: [[Business Intelligence|Business Intelligence]] </div>
 
|}
 
|}
 
&nbsp;
 
&nbsp;
Baris 366: Baris 366:
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Bapak [https://widuri.raharja.info/index.php?title=Sugeng_Santoso Sugeng Santoso, M.Kom] selaku Dekan Fakultas Sains dan Teknologi [[Universitas Raharja]].
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Bapak [https://widuri.raharja.info/index.php?title=Sugeng_Santoso Sugeng Santoso, M.Kom] selaku Dekan Fakultas Sains dan Teknologi [[Universitas Raharja]].
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Ibu [https://widuri.raharja.info/index.php?title=Desy_Apriani_S.Kom.,M.T.I Desy Apriani, S.Kom., MTI] selaku Ketua Program Studi [[SISTEM INFORMASI|Sistem Informasi]].
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Ibu [https://widuri.raharja.info/index.php?title=Desy_Apriani_S.Kom.,M.T.I Desy Apriani, S.Kom., MTI] selaku Ketua Program Studi [[SISTEM INFORMASI|Sistem Informasi]].
−
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">5.Ibu [[Euis Sitinur Aisyah]], M.Kom sebagai Dosen Pembimbing I yang telah meluangkan waktunya untuk memberikan bimbingan, masukan dan motivasi kepada penulis.
+
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Ibu [[Euis Sitinur Aisyah]], M.Kom sebagai Dosen Pembimbing I yang telah meluangkan waktunya untuk memberikan bimbingan, masukan dan motivasi kepada penulis.
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Ibu [[Sri Rahayu]], ST., MMSI. sebagai Dosen Pembimbing II yang telah memberikan bimbingan dan masukan kepada penulis sehingga Skripsi ini dapat diselesaikan dengan baik.
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Ibu [[Sri Rahayu]], ST., MMSI. sebagai Dosen Pembimbing II yang telah memberikan bimbingan dan masukan kepada penulis sehingga Skripsi ini dapat diselesaikan dengan baik.
−
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">6.Bapak Bapak Khumaidi selaku pemilik butik maroona tangerang yang telah memberikan kesempatan dan waktu untuk melakukan observasi.
+
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Bapak Bapak Khumaidi selaku pemilik butik maroona tangerang yang telah memberikan kesempatan dan waktu untuk melakukan observasi.
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Bapak dan Ibu Dosen serta Staf Universitas Raharja yang telah memberikan bekal ilmu pengetahuan dan motivasi kepada penulis.
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Bapak dan Ibu Dosen serta Staf Universitas Raharja yang telah memberikan bekal ilmu pengetahuan dan motivasi kepada penulis.
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Orang tua dan suami yang selalu menjadi motivasi saya dan semua saudara dalam keluarga yang telah memberikan doa untuk keberhasilan penulis sehingga Skripsi ini dapat terselesaikan dengan baik.
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify; line-height: 2;">Orang tua dan suami yang selalu menjadi motivasi saya dan semua saudara dalam keluarga yang telah memberikan doa untuk keberhasilan penulis sehingga Skripsi ini dapat terselesaikan dengan baik.
Baris 434: Baris 434:
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Tabel 3.4 Tabel Elisitasi Tahap III
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Tabel 3.4 Tabel Elisitasi Tahap III
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Tabel 3.5 Tabel Final Draft Elisitasi
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Tabel 3.5 Tabel Final Draft Elisitasi
−
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Tabel Tabel 4.1 Perbedaan Prosedur Antara Sistem Berjalan dan Sistem Usulan
+
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Tabel 4.1 Perbedaan Prosedur Antara Sistem Berjalan dan Sistem Usulan
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Tabel 4.2 Testing Aplikasi
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Tabel 4.2 Testing Aplikasi
 
</ol>
 
</ol>
Baris 452: Baris 452:
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar 4.3 Activity Diagram Owner yang diusulkan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar 4.3 Activity Diagram Owner yang diusulkan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar 4.4 Sequence Diagram yang diusulkan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar 4.4 Sequence Diagram yang diusulkan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
−
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar Gambar 4.5 Class Diagram Yang diusulkan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
+
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar 4.5 Class Diagram Yang diusulkan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar 4.6 Tampilan Halaman Login Admin
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar 4.6 Tampilan Halaman Login Admin
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar 4.7 Tampilan Halaman Utama Admin
 
<li style="font-size: 12pt;font-family: 'times new roman';text-align: justify;line-height: 2">Gambar 4.7 Tampilan Halaman Utama Admin
Baris 481: Baris 481:
 
<p style="line-height: 2">Maroona Butik adalah usaha dalam bidang penjualan busana muslim yang sedang berkembang di Tangerang, butik ini menjual berbagai fashion wanita zaman sekarang seperti dress, outer dan blouse. Banyaknya permintaan barang membuat butik tersebut membutuhkan perangkat lunak untuk mengolah transaksi yang dilakukan. Dengan melihat data penjualan yang diinput dalam perangkat lunak tersebut, butik dapat dengan mudah mengetahui produk yang sesuai dengan permintaan pasar.</p></div>
 
<p style="line-height: 2">Maroona Butik adalah usaha dalam bidang penjualan busana muslim yang sedang berkembang di Tangerang, butik ini menjual berbagai fashion wanita zaman sekarang seperti dress, outer dan blouse. Banyaknya permintaan barang membuat butik tersebut membutuhkan perangkat lunak untuk mengolah transaksi yang dilakukan. Dengan melihat data penjualan yang diinput dalam perangkat lunak tersebut, butik dapat dengan mudah mengetahui produk yang sesuai dengan permintaan pasar.</p></div>
 
<div style="font-size: 12pt;font-family: 'times new roman';text-align: justify;text-indent: 0.5in">
 
<div style="font-size: 12pt;font-family: 'times new roman';text-align: justify;text-indent: 0.5in">
−
<p style="line-height: 2">Salah satu area penerapan data mining adalah di bidang persediaan barang. Bila sasaran persediaan barang tidak ditentukan secara baik, dalam arti tidak diupayakan mencari sasaran persediaan barang yang potensial, maka hanya akan menghabiskan banyak waktu dan biaya yang seharusnya bisa diminimalisir melalui pemilihan persediaan barang yang baik. Salah satu cara yang dapat diterapkan adalah dengan menerapkan penggunaan data mining. Dengan data mining diharapkan dapat mengoptimalkan penjualan. Penjualan barang yang laku dan kurang laku dipasaran akan terlihat sehingga dengan demikian barang yang kurang laku dapat dioptimalkan dengan cara obral atau bisa dipaketkan dengan barang yang laris atau bisa dimasukkan ke dalam bonus penjualan bagi pembeli dengan jumlah banyak.</b>.</p></div>
+
<p style="line-height: 2">Salah satu area penerapan data mining adalah di bidang persediaan barang. Bila sasaran persediaan barang tidak ditentukan secara baik, dalam arti tidak diupayakan mencari sasaran persediaan barang yang potensial, maka hanya akan menghabiskan banyak waktu dan biaya yang seharusnya bisa diminimalisir melalui pemilihan persediaan barang yang baik. Salah satu cara yang dapat diterapkan adalah dengan menerapkan penggunaan data mining. Dengan data mining diharapkan dapat mengoptimalkan penjualan. Penjualan barang yang laku dan kurang laku dipasaran akan terlihat sehingga dengan demikian barang yang kurang laku dapat dioptimalkan dengan cara obral atau bisa dipaketkan dengan barang yang laris atau bisa dimasukkan ke dalam bonus penjualan bagi pembeli dengan jumlah banyak.</p></div>
 
<div style="font-size: 12pt;font-family: 'times new roman';text-align: justify;text-indent: 0.5in">
 
<div style="font-size: 12pt;font-family: 'times new roman';text-align: justify;text-indent: 0.5in">
−
<p style="line-height: 2">Algoritma apriori merupakan salah satu algoritma klasik data mining. Algoritma apriori digunakan agar komputer dapat mempelajari aturan asosiasi, mencari pola hubungan antar satu atau lebih item dalam suatu dataset. Penting tidaknya suatu aturan asosiatif dapat diketahui dengan dua parameter, support (nilai penunjang) yaitu persentase kombinasi item tersebut dalam database dan confidence (nilai kepastian) yaitu kuatnya hubungan antar item dalam aturan asosiatif. Analisis asosiasi didefinisikan suatu proses untuk menemukan semua aturan asosiatif yang memenuhi syarat minimum untuk support (minimum support) dan syarat minimum untuk confidence (minimum confidence). Algoritma Apriori ini akan cocok untuk diterapkan bila terdapat beberapa hubungan item yang ingin dianalisis. Penggunaan algoritma ini akan memberikan pengetahuan bagi pengguna berupa aturan atau data penjualan yang telah terjadi.</b>.</p></div>
+
<p style="line-height: 2">Algoritma apriori merupakan salah satu algoritma klasik data mining. Algoritma apriori digunakan agar komputer dapat mempelajari aturan asosiasi, mencari pola hubungan antar satu atau lebih item dalam suatu dataset. Penting tidaknya suatu aturan asosiatif dapat diketahui dengan dua parameter, support (nilai penunjang) yaitu persentase kombinasi item tersebut dalam database dan confidence (nilai kepastian) yaitu kuatnya hubungan antar item dalam aturan asosiatif. Analisis asosiasi didefinisikan suatu proses untuk menemukan semua aturan asosiatif yang memenuhi syarat minimum untuk support (minimum support) dan syarat minimum untuk confidence (minimum confidence). Algoritma Apriori ini akan cocok untuk diterapkan bila terdapat beberapa hubungan item yang ingin dianalisis. Penggunaan algoritma ini akan memberikan pengetahuan bagi pengguna berupa aturan atau data penjualan yang telah terjadi.</p></div>
 
<div style="font-size: 12pt;font-family: 'times new roman';text-align: justify;text-indent: 0.5in">
 
<div style="font-size: 12pt;font-family: 'times new roman';text-align: justify;text-indent: 0.5in">
−
<p style="line-height: 2">Dari latar belakang tersebut, penulis tertarik menerapkan data mining menggunakan algoritma apriori terhadap data penjualan di Butik Maroona Tangerang sehingga memudahkan penentuan hubungan asosiatif tiap barang yang terjual. Hasil tersebut diharapkan dapat membantu pemilik butik dalam pengoptimalan penjualan barang.</b>.</p></div>
+
<p style="line-height: 2">Dari latar belakang tersebut, penulis tertarik menerapkan data mining menggunakan algoritma apriori terhadap data penjualan di Butik Maroona Tangerang sehingga memudahkan penentuan hubungan asosiatif tiap barang yang terjual. Hasil tersebut diharapkan dapat membantu pemilik butik dalam pengoptimalan penjualan barang.</p></div>
  
 
==<div style="font-size: 14pt;font-family: 'times new roman'; text-align: justify">'''Rumusan Masalah'''</div>==
 
==<div style="font-size: 14pt;font-family: 'times new roman'; text-align: justify">'''Rumusan Masalah'''</div>==

Revisi per 2 September 2020 10.24

PENERAPAN DATA MINING TERHADAP DATA PENJUALAN

MENGGUNAKAN ALGORITMA APRIORI

DI BUTIK MAROONA TANGERANG


SKRIPSI



Disusun Oleh :

NIM : 1612493780

NAMA : Ulfah Hidayatika


FAKULTAS SAINS DAN TEKNOLOGI

PROGRAM STUDI SISTEM INFORMASI

KONSENTRASI BUSINESS INTELLIGENCE

UNIVERSITAS RAHARJA

TANGERANG

2019/2020

UNIVERSITAS RAHARJA

LEMBAR PENGESAHAN SKRIPSI

 

PENERAPAN DATA MINING TERHADAP DATA PENJUALAN

MENGGUNAKAN ALGORITMA APRIORI

DI BUTIK MAROONA TANGERANG


Disusun Oleh :

NIM
: 1612493780
Nama
: Ulfah Hidayatika
Fakultas
Program Pendidikan
: Strata 1
Program Studi
Konsentrasi

   

Disahkan Oleh :

Tangerang, September 2020

Dekan
        
Ketua Program Studi
       
Program Studi Sistem Informasi
           
           
           
           
       
NIP : 006095
        
NIP : 010814
Rektor
           
           
           
           
NIP : 000603

UNIVERSITAS RAHARJA

 

LEMBAR PERSETUJUAN PEMBIMBING


PENERAPAN DATA MINING TERHADAP DATA PENJUALAN

MENGGUNAKAN ALGORITMA APRIORI

DI BUTIK MAROONA TANGERANG

Dibuat Oleh :

NIM
: 1612493780
Nama
: Ulfah Hidayatika

 

Telah disetujui untuk dipertahankan dihadapan Tim Penguji Ujian Komprehensif

Fakultas Sains dan Teknologi

Program Studi Sistem Informasi

Konsentrasi Business Intelligence


Disetujui Oleh :

Tangerang, September 2020

Pembimbing I
    
Pembimbing II
       
       
       
       
   
NID : 05066
    
NID : 08182

UNIVERSITAS RAHARJA

 

LEMBAR PERSETUJUAN DEWAN PENGUJI


PENERAPAN DATA MINING TERHADAP DATA PENJUALAN

MENGGUNAKAN ALGORITMA APRIORI

DI BUTIK MAROONA TANGERANG

 

Dibuat Oleh :

NIM
: 1612493780
Ulfah Hidayatika
: Ulfah Hidayatika

 

Disetujui setelah berhasil dipertahankan dihadapan Tim Penguji Ujian Komprehensif

Fakultas Sains dan Teknologi

Program Studi Sistem Informasi

Konsentrasi Business Intelligence

TA. 2019/2020

 

Disetujui Oleh :

Tangerang, September 2020

Ketua Penguji
  
Penguji I
  
Penguji II
         
         
         
         
(_______________)
  
(_______________)
  
(_______________)
NID :
 
NID :
 
NID :

UNIVERSITAS RAHARJA


LEMBAR KEASLIAN SKRIPSI


PENERAPAN DATA MINING TERHADAP DATA PENJUALAN

MENGGUNAKAN ALGORITMA APRIORI

DI BUTIK MAROONA TANGERANG


Disusun Oleh :

NIM
: 1612493780
Nama
: Ulfah Hidayatika
Fakultas
Program Pendidikan
: Strata 1
Program Studi
Konsentrasi

   

Menyatakan bahwa Skripsi ini merupakan karya tulis saya sendiri dan bukan merupakan tiruan, salinan, atau duplikat dari Skripsi yang telah dipergunakan untuk mendapatkan gelar Sarjana baik di lingkungan Universitas Raharja maupun di Universitas lain, serta belum pernah dipublikasikan.

Pernyataan ini dibuat dengan penuh kesadaran dan rasa tanggungjawab, serta bersedia menerima sanksi jika pernyataan diatas tidak benar. Menyatakan bahwa Skripsi ini merupakan karya tulis saya.

 

Tangerang, September 2020
Ulfah Hidayatika
NIM : 1612493780

 

)*Tanda tangan dibubuhi materai 6.000;

ABSTRAKSI

Permasalahan yang dihadapi oleh butik maroona tangerang adalah kurangnya pengelolaan produk best seller untuk menjawab pertanyaan-pertanyaan customer, dan sulitnya mempertimbangkan pengaturan stok barang untuk penjualan. Kecepatan pelayanan kepada pelanggan dapat ditingkatkan dengan mudah dari menjawab pertanyaan-pertanyaan tentang barang best seller. Sehingga Butik dapat dengan mudah mempertimbangkan pengaturan stok barang untuk penjualan selanjutnya. Pembeli dapat dengan mudah menentukan keinginannya untuk memilih barang yang paling best seller, sehingga berpotensi meningkatkan omset penjualan butik. Dengan menggunakan algoritma apriori ini, pemilik butik dapat mengetahui kecenderungan kombinasi produk pakaian yang sering terjual pada saat bersamaan, sehingga pemilik butik dapat mengatur stok barang. Cara kerja algoritma apriori untuk menemukan kombinasi produk pakaian yang sering terjual secara bersamaan dari data penjualan. Aturan yang diterapkan jika customer membeli medina blouse dan rose blouse maka akan membeli seviq outer dengan nilai support 93,10. Nilai support dan confidence dihitung sampai 3 item kombinasi diperoleh untuk mendapatkan output aturan asosiatif transaksi penjualan terlaris.

Kata kunci : Butik, Penjualan, Algoritma Apriori.


ABSTRACT

The problems faced by maroona tangerang boutique are the lack of management of best seller products to answer customer questions, and the difficulty of considering stock arrangements for sales. The speed of service to customers can be increased easily from answering stock items for future sales. Buyers can easily determine their desire to choose the best selling item, potentially increasing the boutique’s sales turnover. By using this apriori algorithm, boutique owners can find out the trend of clothing product combinations that are often sold at the same time, so the boutique owner can manage the stock of goods. The apriori algorithm works to find combinations of clothing products that are often sold simultaneously from sales data. The rules that apply if a customer buys a medina blouse and rose blouse will buy a seviq outer with a support value of 93,10. Support and confidence values are calculated until 3 combinations items are obtained to get the best selling sales transaction associative rule output.

Keyword : Boutique, Sales, Apriori Algorithm.

KATA PENGANTAR

Alhamdulillah, puji dan syukur atas kehadirat Allah SWT yang telah melimpahkan rahmat dan karunianya sehingga penulis dapat menyelesaikan Skripsi dengan judul "PENERAPAN DATA MINING TERHADAP DATA PENJUALAN MENGGUNAKAN ALGORITMA APRIORI DI BUTIK MAROONA TANGERANG”.”

Tujuan penulisan Laporan Skripsi ini adalah sebagai syarat dalam menyelesaikan Program Pendidikan Strata 1 Program Studi Sistem Informasi pada Universitas Raharja.

Penulis menyadari bahwa tanpa adanya bimbingan dan dorongan dari banyak pihak penulis tidak akan dapat menyelesaikan Skripsi ini dengan baik dan tepat pada waktunya. Pada kesempatan ini pula penulis menyampaikan ucapan terimakasih kepada :

  1. Bapak Dr. Po. Abas Sunarya M.Si. selaku Rektor Universitas Raharja.
  2. Bapak Sugeng Santoso, M.Kom selaku Dekan Fakultas Sains dan Teknologi Universitas Raharja.
  3. Ibu Desy Apriani, S.Kom., MTI selaku Ketua Program Studi Sistem Informasi.
  4. Ibu Euis Sitinur Aisyah, M.Kom sebagai Dosen Pembimbing I yang telah meluangkan waktunya untuk memberikan bimbingan, masukan dan motivasi kepada penulis.
  5. Ibu Sri Rahayu, ST., MMSI. sebagai Dosen Pembimbing II yang telah memberikan bimbingan dan masukan kepada penulis sehingga Skripsi ini dapat diselesaikan dengan baik.
  6. Bapak Bapak Khumaidi selaku pemilik butik maroona tangerang yang telah memberikan kesempatan dan waktu untuk melakukan observasi.
  7. Bapak dan Ibu Dosen serta Staf Universitas Raharja yang telah memberikan bekal ilmu pengetahuan dan motivasi kepada penulis.
  8. Orang tua dan suami yang selalu menjadi motivasi saya dan semua saudara dalam keluarga yang telah memberikan doa untuk keberhasilan penulis sehingga Skripsi ini dapat terselesaikan dengan baik.
  9. Teman - teman seperjuangan yang selalu ada dan memberikan semangat.
  10. Semua pihak yang tidak dapat disebutkan satu persatu.

Penulis menyadari bahwa dalam penulisan Laporan Skripsi ini masih jauh dari sempurna. Oleh karena itu kritik dan saran yang membangun, penulis harapkan sebagai pemicu untuk dapat berkarya lebih baik lagi. Semoga Laporan ini bermanfaat bagi pihak yang membutuhkan.


   

Tangerang, September 2020
Ulfah Hidayatika
NIM : 1612493780

 

DAFTAR TABEL

  1. Tabel 3.1 Ukuran Standar Gamis Butik Maroona
  2. Tabel 3.2 Tabel Elisitasi Tahap I
  3. Tabel 3.3 Tabel Elisitasi Tahap II
  4. Tabel 3.4 Tabel Elisitasi Tahap III
  5. Tabel 3.5 Tabel Final Draft Elisitasi
  6. Tabel 4.1 Perbedaan Prosedur Antara Sistem Berjalan dan Sistem Usulan
  7. Tabel 4.2 Testing Aplikasi

DAFTAR GAMBAR

  1. Gambar 2.1 Langkah KDD (Kusrini & Luthfi, 2009)
  2. Gambar 3.1 Logo Butik Maroona Tangerang
  3. Gambar 3.2 Struktur Organisasi Butik Maroona
  4. Gambar 3.3 UseCase Diagram Sistem Yang Berjalan
  5. Gambar 3.4 Activity Diagram Sistem Yang Berjalan
  6. Gambar 3.5 Sequence Diagram Sistem Yang Berjalan
  7. Gambar 4.1 UseCase Diagram Usulan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
  8. Gambar 4.2 Activity Diagram Admin Yang Di Usulan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
  9. Gambar 4.3 Activity Diagram Owner yang diusulkan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
  10. Gambar 4.4 Sequence Diagram yang diusulkan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
  11. Gambar 4.5 Class Diagram Yang diusulkan Pada Data Mining Terhadap Data Penjualan Menggunakan Algoritma Apriori
  12. Gambar 4.6 Tampilan Halaman Login Admin
  13. Gambar 4.7 Tampilan Halaman Utama Admin
  14. Gambar 4.8 Tampilan Halaman Utama Owner
  15. Gambar 4.9 Tampilan Halaman Data Transaksi Admin
  16. Gambar 4.10 Tampilan Halaman Data Transaksi Admin Berhasil Upload Data Penjualan
  17. Gambar 4.11 Tampilan Halaman Proses Apriori Admin
  18. Gambar 4.12 Tampilan Halaman Hasil


DAFTAR SIMBOL

BAB I

PENDAHULUAN

Latar Belakang Masalah

Teknologi informasi merupakan salah satu bidang yang berkembang pesat dibandingkan dengan bidang-bidang yang lainnya. Didukung dengan meningkatnya ketergantungan masyarakat akan teknologi komputer. Kunci sukses suatu usaha adalah mampu mengolah data yang ada menjadi sebuah informasi dengan cepat dan akurat. Salah satu cara yang banyak digunakan saat ini adalah dengan menggunakan teknologi komputerisasi untuk pengolahan data barang dagangan usahanya sejalan dengan kebutuhan yang terus menuntut keefektifan, kemudahan, kecepatan sampai dengan keringanan pembiayaan untuk mendapatkan hasil dan kepuasan yang diinginkan.

Belakangan ini, telah banyak sekali media berita menyajikan beragam informasi menarik seputar dunia fashion di negara kita, Indonesia. Perkembangan dunia fashion yang berkiprah di Indonesia itu sendiri dapat dikatakan mengalami peningkatan di beberapa dekade terakhir. Hal ini didukung oleh berbagai sisi, baik dari sisi designer lokal yang kini semakin potensial, tingkat perekonomian yang membaik, sampai sektor ritel yang ikut serta mengalami perkembangan pesat.

Maroona Butik adalah usaha dalam bidang penjualan busana muslim yang sedang berkembang di Tangerang, butik ini menjual berbagai fashion wanita zaman sekarang seperti dress, outer dan blouse. Banyaknya permintaan barang membuat butik tersebut membutuhkan perangkat lunak untuk mengolah transaksi yang dilakukan. Dengan melihat data penjualan yang diinput dalam perangkat lunak tersebut, butik dapat dengan mudah mengetahui produk yang sesuai dengan permintaan pasar.

Salah satu area penerapan data mining adalah di bidang persediaan barang. Bila sasaran persediaan barang tidak ditentukan secara baik, dalam arti tidak diupayakan mencari sasaran persediaan barang yang potensial, maka hanya akan menghabiskan banyak waktu dan biaya yang seharusnya bisa diminimalisir melalui pemilihan persediaan barang yang baik. Salah satu cara yang dapat diterapkan adalah dengan menerapkan penggunaan data mining. Dengan data mining diharapkan dapat mengoptimalkan penjualan. Penjualan barang yang laku dan kurang laku dipasaran akan terlihat sehingga dengan demikian barang yang kurang laku dapat dioptimalkan dengan cara obral atau bisa dipaketkan dengan barang yang laris atau bisa dimasukkan ke dalam bonus penjualan bagi pembeli dengan jumlah banyak.

Algoritma apriori merupakan salah satu algoritma klasik data mining. Algoritma apriori digunakan agar komputer dapat mempelajari aturan asosiasi, mencari pola hubungan antar satu atau lebih item dalam suatu dataset. Penting tidaknya suatu aturan asosiatif dapat diketahui dengan dua parameter, support (nilai penunjang) yaitu persentase kombinasi item tersebut dalam database dan confidence (nilai kepastian) yaitu kuatnya hubungan antar item dalam aturan asosiatif. Analisis asosiasi didefinisikan suatu proses untuk menemukan semua aturan asosiatif yang memenuhi syarat minimum untuk support (minimum support) dan syarat minimum untuk confidence (minimum confidence). Algoritma Apriori ini akan cocok untuk diterapkan bila terdapat beberapa hubungan item yang ingin dianalisis. Penggunaan algoritma ini akan memberikan pengetahuan bagi pengguna berupa aturan atau data penjualan yang telah terjadi.

Dari latar belakang tersebut, penulis tertarik menerapkan data mining menggunakan algoritma apriori terhadap data penjualan di Butik Maroona Tangerang sehingga memudahkan penentuan hubungan asosiatif tiap barang yang terjual. Hasil tersebut diharapkan dapat membantu pemilik butik dalam pengoptimalan penjualan barang.

Rumusan Masalah

Rumusan masalah berbeda dengan masalah. Rumusan masalah merupakan suatu pertanyaan yang akan dicarikan jawabannya melalui pengumpulan data. Namun demikian terdapat kaitan erat antara masalah dan rumusan masalah, karena setiap rumusan masalah penelitian harus didasarkan pada masalah.

Berdasarkan latar belakang dan penelitian yang dilakukan maka penulis mengambil beberapa pokok permasalahan :

  1. Bagaimana menjawab pertanyaan dari customer dari Bestseller suatu produk?
  2. Apakah pemanfaatan Algoritma Apriori dapat mempertimbangkan pengaturan stok barang di Butik Maroona Tangerang?
  3. Apa manfaat penggunaan Algoritma Apriori terhadap data penjualan di Butik Maroona Tangerang?

Tujuan dan Manfaat Penelitian

Adapun tujuan yang ingin dicapai adalah :

</div>

Mengetahui hasil analisa dengan penerapan data mining menggunakan algoritma Apriori.

</div>

Sedangkan manfaat yang diperoleh adalah :

</div>

  1. Bagi Penulis.

    Pengaplikasian ilmu pengetahuan dan keterampilan yang didapatkan penulis selama proses perkuliahan.

    Sebagai tolak ukur sampai sejauh mana tingkat pemahaman dan pengetahuan yang dapat diserap oleh penulis dari proses pembelajaran yang berlangsung baik dari perkuliah ataupun yang didapatkan secara otodidak.

  2. Bagi Pengguna.

    Sebagai pertimbangan untuk pemilik butik dan admin agar memudahkan dalam proses pemilihan stok barang dan mengetahui barang apa saja yang memiliki kemungkinan laku atau kurang laku terjual.

    Batasan Masalah

    Agar tidak menyimpang dari permasalahan dan dapat mencapai sasaran yang diharapkan, maka penulis membatasi permasalahan pada :

    1. Data yang digunakan adalah data penjualan barang bulan Februari sampai April 2020
    2. Data diperoleh dari basis data program yang telah berjalan di Butik Maroona.
    3. Data yang digunakan adalah Tanggal Transaksi dan Nama Item.
    4. Berdasarkan data tersebut, output program adalah Laporan hasil analisa penerapan Algoritma Apriori pada data penjualan item butik.
    5. Berdasarkan data tersebut, output program adalah Laporan hasil analisa penerapan Algoritma Apriori pada data penjualan item butik.


    DAFTAR PUSTAKA

    1. Sri Rahayu, Ilamsyah dan Riena Eka Putri. 2019. Rancang Bangun Sistem Pengarsipan Data Jaminan Peserta (Studi Kasus Bpjs Ketenagakerjaan Cikokol Tangerang). Jurnal SIMIKA Vol. 2 No. 2 Tahun 2019. http://ejournal.lppm-unbaja.ac.id/index.php/jsii/article/view/584/282.

    2. Saputra, A. S., Jati, B. K., & Utomo, S. F. 2016. Aplikasi analisa masalah mesin motor bebek menggunakan metode backward chaining. SEMNASTEKNOMEDIA ONLINE, 4(1), 3-4.

    3. Sutabri, Tata. 2016. Sistem informasi manajemen (Edisi Revisi). Yogyakarta: CV ANDI OFFSET (Penerbit ANDI).

    4. Euis Sitinur Aisyah, Novi Nur Atika dan Rere Intan Fandiny 2017. Rancang Bangun Sistem Informasi Penjualan Ekspor Studi Kasus Pt. Istem. ISSN: 2461-1409. Jurnal SENSI Vol.3 No.1–Februari 2017. Tangerang: Perguruan Tinggi Raharja. http://ejournal.raharja.ac.id/index.php/sensi/article/view/757/669.

    5. Swastha, Basu. 2015. Manajemen Pemasaran. BPFE: Yogyakarta.

    6. Abdullah Thamrin, Francis Tantri. 2016. Manajemen Pemasaran. PT. Raja Grafindo Persada, Jakarta.

    7. Henri Saragih. 2017. Analisis Faktor Pendorong Pemasaran Ekspor Dan Pengaruhnya Terhadap Peningkatan Volume Penjualan Pada Pt. Perkebunan Nusantara Ii (Persero) Medan. Jurnal Ilmiah Methonomi Vol.3 No. 2 (Juli–Desember 2017).

    8. Agus Nursikuwagus, Tono Hartono. 2016,“Implementasi Algoritma Apriori untuk Analisis Penjualan dengan Berbasis Web”, Jurnal SIMETRIS, Vol 7 No 2 November 2016 ISSN: 2252-4983.

    9. Despitaria, Herry Sujaini dan Tursina. 2016. Analisis Asosiasi pada Transaksi Obat Menggunakan Data Mining dengan Algoritma Apriori, Jurnal Sistem dan Teknologi Informasi (JUSTIN)Vol. 1, No. 1, (2016).

    10. Abas Sunarya, Euis SitiNur Aisyah dan Kiky Rizky Amelia R 2018. “Aplikasi Sistem Pengendalian Internal Terhadap Piutang Pada PT. Mitra Toyotaka Indonesia” Jurnal Konferensi Nasional Sistem Informasi 2018. STMIK Atma Luhur Pangkalpinang, 8 – 9 Maret 2018. http://jurnal.atmaluhur.ac.id/index.php/knsi2018/article/view/511.

    11. Sri Rahayu, Euis Siti Nur Aisyah, Rivka Farizi. 2017. "Lapakgue.co: E-Commerce bagi pelaku Usaha Mikro Kecil dan Menengah pada Komunitas Tangerang Punya GUE” Jurnal STMIK STIKOM Bali, 10 Agustus 2017. http://knsi.stikom-bali.ac.id/index.php/eproceedings/article/view/120/115.

    12. Yusuf, Muhammad, Ary Budi Warsito, Moh Iqbal Awi Makaram. 2015. “Perancangan SIS+ Menggunakan Metode YII Framework Pada Perguruan Tinggi Raharja”. Jurnal CCIT Vol. 8 No. 2 Januari 2015. http://ejournal.raharja.ac.id/index.php/ccit/article/view/309.

    13. Sri Rahayu, Zainul Hakim dan Masitoh 2019. Sistem Informasi Pengendalian Persediaan Bahan Baku Material Mentah. Jurnal Sisfotek Global ISSN: 2088–1762 Vol. 9 No.1, Maret 2019. https://journal.stmikglobal.ac.id/index.php/sisfotek/article/view/212.

    14. Noor Agustian. 2016. Aplikasi Kisah 25 Nabi dan Rasul Berbasis Android. Kalimantan Selatan: Jurnal Sains & Informatika Vol. 2, No. 2, November 2016.

    15. Venkata ranga rao Nampally, Dr. M. Raghavendra Sharma dkk dalam International Journal of Scientific Research in Computer Science, Engineering and Information Technology Vol. 2 No. 5 2017:885.

    16. Sidik Achmad, Lilis dan Diana. 2017. Perancangan Sistem Informasi Filling di PT BCA Cabang MH Thamrin Tangerang. Jurnal SISFOTEK Global Vol. 7, No. 2, September 2017.

    17. Fuad, Hilmi, Sutarman dan Yayah. 2018. Perancangan Sistem Informasi Customer Relationship Management Pelayanan Berbasis Web di PT Sahabat Kreasi Muda. Jurnal Sisfotek Global.

    18. Fajar Dwi S. 2017. “Aplikasi Manajemen Perpustakaan Berbasis Web Di SMAN 8 Bandung”. Bandung : e-Proceeding of Applied Science : Vol.3, No.3 : Universitas Telkom Indonesia.

    19. Nur Moh Imam dkk. 2016. “Rancang Bangun Sistem Pendukung Keputusan Rekrutmen Pegawai Pada PT. Nusantara Sakti Group Dengan Menggunakan Metode Analytic Hierarchy Process (AHP)”. Semarang : Universitas Dian Nuswantoro.

    20. Nugraha, Fahmi Rizky , Abdul Harits, dan Renata Ardi lesmana Siregar. 2018. Implementasi Big Data Menggunakan Metode Waterfall Dan Metode Online Analytical Processing (Olap) Untuk Summary Report Management Pada Pt.Matahari Department Store. Jurnal UNISMA. Tangerang : STMIK Raharja. Diambil dari : jurnal.unismabekasi.ac.id/index.php/sinergi/article/download/1149 /1017.

    21. Utomo Prawiro, Lilis Sakuroh, Fatia Yulinar, 2018. Jurnal Sisfotek Global. Vol. 8 No.1. ISSN: 2088 – 1762.

    22. Abas Sunarya, Euis Sitinur Aisyah dan Kiki Rizky Amelia R (2018). Aplikasi Sistem Pengendalian Internal Terhadap Piutang Pada PT. Mitra Toyotaka Indonesia. Jurnal Konferensi Nasional Sistem Informasi 2018. http://jurnal.atmaluhur.ac.id/index.php/knsi2018/article/view/511.

    23. Agusvianto, Hendra. 2017. Sistem Informasi Inventory Gudang Untuk Mengontrol Persediaan Barang Pada Gudang Studi Kasus : PT.Alaisys Sidoarjo. Journal Information Engineering and Educational Technology (JIEET). 01(01). ISSN : 2549-869X.

    24. A. Prastomo, “Prototipe Sistem E-Learning dengan pendekatan Elisitasi dan Framework Codeigniter: Studi Kasus SMP Yamad Bekasi”,Jurnal LPP Unindra,Vol.7,No.2 ISSN: 1997-276X, 2017.

    25. Hendra Safitri 1 Rika, Bunga Aulia. 2017. Jurnal Profesionalisme Akuntan Menuju Sustainable Business Practice Bandung. ISSN: 2252 – 3936.

    26. Sugianto Akhmad. 2017. Proceeding Seminar dan Lokakarya Nasional Revitalisasi Laboratorium dan Jurnal Ilmiah dalam Implementasi Kurikulum Bimbingan dan Konseling Berbasis KKNI.

    27. Gunadi, G., Sensuse, D., I., 2012, Penerapan Metode Data Mining Market Basket Analysis terhadap data penjualan produk buku dengan menggunakan algoritma Apriori dan Frequent Pattern Growth (FP-Growth), Jurnal TELEMATIKA MKOM, Vol. 4, No. 1, hal 118-132.

    28. Desti Fitriati 2016 Vol 2 No. 1 Implementasi Data Mining untuk Menentukan Kombinasi Media Promosi Barang Berdasarkan Perilaku Pembelian Pelanggan Menggunakan Algoritma Apriori ISBN : 979-587-626-0 | UNSRI.

    29. Robi Yanto dan Riri Khoiriah, Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola Pembelian Obat. Citec Journal, Vol. 2, No. 2, Februari 2015 – April 2015. ISSN: 2354-5771.

    30. Natalia Silalahi, “Penerapan Association Rule Dengan Algoritma Apriori Untuk Menemukan Pola Data Penjualan Accessories Handphone”. Vol. 1 No. 1, 2016.

    31. Fusna Failasufa, “Implementasi Analisis Pola Pembelian Konsumen dengan algoritma apriori pada Data Transaksi Penjualan studi kasus pada Pamella Supermarket”, vol. 3, no. 102, 2014.

Contributors

Admin, Ulfah hidayatika

Diperoleh dari "https://widuri.raharja.info/index.php?title=SI1612493780&oldid=377773"