Review Jurnal Data Mining

1. Implementasi Data Mining dengan Metode Klastering untuk Meramalkan Permintaan Pasar (Studi Kasus PT. Nutrifood Indonesia)

Oleh: Arimbi Kurniasari, Lintang Yuniar Banowosari dan Alex Hutapea

Proses peramalan sangat penting artinya dalam perumusan strategi perusahaan di masa datang. Oleh
karena itu, sebuah metode peramalan yang bagus mutlak diperlukan agar perusahaan bisa mendapatkan keuntungan yang maksimal dari sebuah proses peramalan.

Algoritma Hirarki Divisive merupakan salah satu metode di klastering yang dapat digunakan untuk melakukan peramalan terhadap ketersediaan produk pada PT. Nutrifood Indonesia. Data yang diteliti adalah penjualan produk WRP Nutrisious Drink Coffe kemasan 12 sachet dalam 1 dus untuk distribusi regional pulau jawa. Metoda ini akan melakukan perhitungan dalam beberapa tahapan sampai dihasilkan klaster. klaster-klaster yang terbentuk merupakan kelompok-kelompok distributor berdasarkan kesesuaian sifat dan kemiripan jumlah transaksi yang dilakukannya.

Informasi yang dihasilkan dari perhitungan metode hirarki divisive akan digunakan sebagai acuan untuk melakukan ramalan (forecasting) terhadap permintaan pasar.

Aplikasi data mining yang dibangun ini merupakan aplikasi yang dapat membantu user dalam membuat keputusan mengenai forecasting / peramalan, karena dari informasi yang didapat dapat diketahui pola permintaan dari masing-masing klaster.

2. Perancangan Aplikasi Peramalan Persediaan Obat-Obatan Menggunakan Metode Least Square (Studi Kasus: Apotik Mutiara Hati)

Oleh : Muhammad Ihsan Fauzi Rambe

Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien
khususnya dalam bidang ekonomi. Dalam organisasi modern mengetahui keadaan yang akan datang tidak saja penting untuk melihat yang baik atau buruk tetapi juga bertujuan untuk melakukan persiapan peramalan. Langkah penting setelah peramalan dilakukan adalah verifikasi peramalan sedemikian rupa sehingga
mencerminkan data masa lalu dan sistem penyebab yang mendasari permintaan tersebut. Sepanjang
representasi peramalan tersebut dapat dipercaya, hasil peramalan dapat terus digunaka.

Aplikasi ini dibangun untuk meramalkan tingkat persediaan obat pada Apotek Mutiara Hati Medan ditahun yang akan datang berdasarkan data penjualan obat tahun sebelumnya. Data obat yang digunakan dalam analisis peramalan ini disampling dari keseluruhan obat yang ada, dengan sampling sebanyak 40 item.Dalam aplikasi ini terdapat 3 proses yaitu proses pengolahan data obat dan penjualan dan proses peramalan.

Berdasarkan dari hasil penelitian, analisis, perancangan sistem dan pembuatan program sampai tahap penyelesaian aplikasi, diperoleh kesimpulan sebagai berikut:
1. Analisis peramalan menggunakan metode Least Square dapat dipergunakan untuk meramalkan penjualan obat di periode yang akan datang pada berdasarkan data penjualan tahun sebelumnya.
2. Aplikasi analisis peramalan dapat menghasilkan hasil ramalan dan telah meminimumkan kesalahan meramal (forecast error) tingkat penjualan obat- obatan pada Apotek.

3. Implementasi Data Mining Pada Penjualan Tiket Pesawat Menggunakan Algoritma Apriori (Studi Kasus: Jumbo Travel Medan)

Oleh : Sri Rahayu Siregar

Semakin banyaknya jumlah travel yang berkembang saat ini membuat para pengelola ingin menunjukkan
strategi pemasaran yang lebih baik. Banyak cara dimana travel untuk meningkatkan penjualan, dan juga banyak strategi yang digunakan. Satuhaltentangstrategi yang digunakan oleh manajemen adalah aplikasi perangkat lunak dengan system informasi. Sebuah era yang terus berkembang teknologi informasi setiap kali maka perlu adanya inovasi baru. Agar tidak terkesan monoton dalam proses menjua ltiket pesawat dan diharapkan dapat memberikan manfaat bagi mereka yang menggunakan, karena dapa tmeningkatkan penjualan dengan memberikan rekomendasi kepada pembeli. Untuk itu dalam penulisan ini dikembangkan aplikasi analisis association untuk mengekstraksi dan menginterpretasi pola kecenderungan penjualan tiket pesawat yang sering dijual secara bersamaan dari data transaksi menggunakan algoritma apriori.

Algoritma apriori ini akan membentuk frequent itemset sebanyak yang telah ditentukan sebelumnya
berdasarkan dua parameter, support dan confidence, untuk menemukan aturan asosiasi antara suatu kombinasi item. Proses yang dilakukan diawali dengan persiapan data melalui preprocessing data kemudian
ditransformasi kedalam bentuk yang dapat diolah pada proses selanjutnya yaitu join dan purne hingga
pembentukan association rules.

Pengimplementasian Algoritma Apriori pada tanagra dimulai dengan penginputan data penjualan yang menjadi database pada Ms.Excel, semakin banyak data maka pembuatan tabel tabular akan semakin sulit. Tabel tabular tersebut yang kemudian dikoneksikan ke dalam tools tanagra, dan mulailah pembentukan support dan confidence dan kemudian akan menghasilkan asosiasi final yang memenuhi support dan
confidence.

4. Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-Means 

Oleh : Afrisawati

CV Cahaya Sejati adalah salah satu perusahaan yang bergerak di bidang penjualan kosmetik. Salah satu hal yang penting dalam pengelolaan pelanggan adalah bagaimana suatu perusahaan dapat mempertahankan pelanggan yang dimilikinya. Usaha untuk mempertahankan pelanggan ini menjadi hal yang penting bagi CV
Cahaya Sejati mengingat semakin banyaknya usaha retail yang menjual produk yang sama. Untuk mencegah
terjadinya perpindahan pelanggan ini, maka perlu diketahui kelompok pelanggan yang potensial, sehingga
perusahaan bisa melindungi pelanggan potensial tersebut dengan cara memberikan pelayanan prima dan
memberikan hadiah.

Penerapan data mining dapat membantu untuk menganalisa data yang diperoleh dari transaksi. Pengelompokan tersebut dilakukan dengan menggunakan metode clustering. Dalam mengelompokan data
tersebut digunakan tools Tanagra untuk mendapatkan data pelanggan potensial. Algoritma yang digunakan
adalah algoritma K-Means, informasi yang ditampilakan berupa nilai sentroid dari tiap-tiap cluster dan
kelompok-kelompok pelanggan potensial.

Data yang diolah merupakan data sampel konsumen yang bertransaksi dari bulan September
2012-April 2013. Menggunakan algoritma K-Means dalam pengelompokannya. Data yang di tampilkan hanya berupa data-data pelanggan yang potensial. Data yang diolah dalam data mining merupakan data yang disimpan dalam bentuk excel. Pada penulisan ini tidak membahas tentang sistem pendukung keputusan. Menggunakan aplikasi tanagra untuk menerapkan tehnik data mining.

Dari penelitian yang telah dilakukan, maka dapat ditarik kesimpulan sebagai berikut :
1. Mengelompokkan data dengan algoritma K-Means dilakukan dengan cara menetukan jumlah cluster, hitung jarak terdekat dengan pusat cluster. Data dengan jarak terdekat menyatakan anggota dari cluster tersebut, dilakukan perhitungan kembali sampai data tidak berpindah pada cluster lain, untuk meminimalkan fungsi objektif.
2. Data pelanggan yang potensial didapatkan setelah perhitungan algoritma K-Means selesai, data dengan pusat centroid terbesarlah yang termasuk ke dalam pelanggan yang paling potensial.
3. Data pelanggan potensial didapatkan dengan cara menggunakan tools Tanagra, data yang diproses
meliputi data nama pelanggan, data jumlah transaksi dan data total belanja. Data pelanggan potensial, didapatkan setelah menginput data pelanggan yang telah disimpan dalam excel, kemuadian data tersebut diimport ke dalam Tanagra.

5. Penerapan Data Mining Frekwensi Pembelian Elpiji 3 Kg Menggunakan Software Roseta (Studi Kasus: UD. Maju Jaya Tanjung Morawa)

Oleh : Qahhar Icsan

Menjalankan suatu aktivitas dengan menggunakan komputer. Komputer sebagai alat yang dipakai untuk mengolah data menurut prosedur yang telah dirumuskan. Dalam hal ini, sangat terkait dengan betapa
diperlukannya tenaga kerja yang mampu mengoperasikan komputer dalam menyelesaikan pekerjaan.
Metode yang dilakukan penulis dalam menyusun laporan Skripsi ini adalah melakukan Riset langsung di UD.
Maju jaya Tanjung Morawa dengan studi pustaka yaitu mengumpulkan informasi dari buku-buku dan media
internet yang menghubungkan dengan penelitian yang penulis lakukan.

Untuk dapat memperoleh keakuratan data dalam setiap pekerjaan, dimana pada saat sekarang teknologi yang semakin modern maka dari analisa penulis lakukan Pada Bagian Pengembangan Distribusi, Industri dan Perdaagangan pada UD. Maju Jaya diperlukan suatu sistem yang dapat menambah efesiensi dan efektivitas kerja. Dengan Skripsi ini penulis mencoba menerapkan data Mining dengan Menggunakan software Rosetta dengan harapan hasil kerja yang diperoleh maksimal dan memuaskan.

Kebutuhan elpiji dapat ditentukan, berdasarkan Teknik Artifical Intellegence Data Mining untuk menggali pengetahuan dalam pengambilan keputusan penyediaan tabung elpiji 3 kg pada berikutnya, berdasarkan data
jumlah anggota setiap keluarga yang mengisi ulang tabung elpiji 2 kg UD. Maju Jaya. Teknik data mining rough set ini, dapat digunakan untuk sistem pendukung keputusan, yaitu dengan melakukan tahapan – tahapan dalam Knowledge Discovery in Database (KDD) data integration, data transformation, data mining, pattern evaluation dan knowledge presentation.

Pengujian sistem menunjukkan bahwa perancangan aplikasi mengetahui pola antara jumlah anggota keluarga terhadap frekuensi pembelian elpiji 3kg dengan penerapan data mining dengan menggunakan software rosetta secara fungsional bekerja dengan baik sesuai dengan kebutuhan yang telah didefinisikan pada tahap analisa sampai dengan perancangan.

6. Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Studi Kasus PT. Indomarco Palembang

Oleh : Sutrisno, Afriyudi, dan Widiyanto

PT. Indomarco Palembang merupakan perusahaan yang bergerak dalam bidang distribusi makanan dan minuman. Tidak hanya PT. Indomarco Palembang, masih cukup banyak perusahaan-perusahaan lain yang bergerak di bidang serupa. Hal tersebut tentu saja menimbulkan persaingan bisnis antar perusahaan. Data mining dimaksudkan untuk memberikan solusi bagi para pengambil keputusan di dunia bisnis untuk mengembangkan bisnis mereka. Untuk itu penulis tertarik mengangkat permasalahan ini kedalam penelian skripsi dengan judul “Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus PT. Indomarco Palembang”.

Tujuan dari penelitian ini untuk melihat penjualan yang paling banyak diminati konsumen khususnya penjualan makanan dan minuman. Manfaatnya mempermudah analisis data yang besar dan membantu memberikan informasi data penjualan yang diolah.Salah satu metode yang terdapat dalam data mining yang digunakan dalam penelitian ini adalah metode Clustering (Pengelompokkan). Hasil dari penelitian ini adalah aplikasi yang dibangun dapat membantu perusahaan sebagai gambaran dalam pengambilan keputusan dalam rangka mendapatkan pola penjualan produk.

Penerapan Data Mining dengan menggunakan aplikasi yang dibangun dapat membantu PT. Indomarco sebagai gambaran bagi pengambilan keputusan perusahaan dalam rangka mendapatkan pola penjualan produk. Pengolahan data yang dilakukan dapat menghasilkan informasi yang cukup untuk dapat dianalisa lebih lanjut. Aplikasi yang dibangun dapat mengurangi penumpukan data yang kurang dimanfaatkan sebelumnya.

7. Analisa Algoritma Apriori Untuk Menentukan Merek Pakaian Yang Paling Diminati Pada Mode Fashion Group Medan 

Oleh : Eka Novita Sari


Penjualan pakaian wanita mengalami peningkatan setiap bulannya, produk yang ditawarkan bermacam merek, untuk mengetahui merek yang paling diminati diperlukan algoritma apriori. dan untuk mendapatkan hasil yang lebih baik digunakan Tools Tanagra. Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien adalah analisis pola frequensi tinggi(frequent pattern mining). Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur, yaitu : support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi.

Penerapan algoritma apriori berpedoman pada perhitungan nilai support dan confidence. Dalam proses menghitung nilai support dan confidence akan lebih sulit, jika data yang ingin diolah dalam jumlah besar.

Pengaplikasian algoritma apriori menggunakan tools Tanagra versi 1.4 dimulai dengan cara mengimport data penjualan per bulan dalam format tabular menggunakan Microsoft excel. Semakin banyak data, maka semakin sulit dalam membuat format tabular. Karena harus memasukkan data satu per satu. Akan tetapi
dalam mencari item (merek) yang paling diminati lebih praktis.

8. Implementasi Data Mining Untuk Pengenalan Karakteristik Transaksi Costumer Dengan Menggunakan Algoritma C4.5

Oleh : Sarah Faradillah

Pengenalan karakteristik transaksi customer dengan menggunakan data - data yang telah ada di masa
lalu untuk memprediksi kebutuhan para customer dimasa yang akan datang sangat diperlukan oleh perusahaan. Agar menjadi acuan untuk perusahaan meningkatkan hasil produknya. Data mining dapat digunakan untuk melakukan analisis data dan menemukan pola-pola penting pada data. Data mining tersebut akan menjadi tolak ukur ataupun acuan untuk mengambil keputusan. Pengolahan data mining dapat dilakukan dengan Algoritma C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. Adapun perangkat lunak yang menerapkan Algoritma C4.5 ini adalah Tanagra 1.4.

Algoritma C4.5 dapat digunakan untuk mengenali pola karakteristik transaksi customer pada PD. Cipta Sari Mandiri Tanjung Morawa. Setelah mengimplementasikan data mining dengan algoritma C4.5 maka karakteristik transaksi customer sudah dapat dikenali sehingga pihak PD. Cipta Sari Mandiri Tanjung Morawa bisa mengambil keputusan yang berkaitan dengan menyiapkan atau menyediakan stock produk yang digunakan untuk masa yang akan datang. Dan untuk bagian pemasaran harus meningkatkan
penawaran-penawaran dengan memberikan hal-hal yang baru pada produk untuk menarik perhatian para customer menggunakan produk yang ditawarkan.

9. Perancangan Web E-Commerce Jual Beli Batu Cincin Dengan Algoritma Apriori (Studi Kasus Toko Akik Murah Padang Sidimpuan) 

Oleh : Rizki Muliono

Saat ini e-commerce telah menjadi sebuah konsep yang berpengaruh besar dalam dunia perdagangan baik lokal dan dunia pasar interntional dimana pembayaran juga telah menggunakan online payment yang menjadim keamanan dalam bertransaksi seperti PayPal. Market Basket Analysis (MBA) adalah salah satu analisa yang bertujuan untuk menemukan barang yang dibeli bersama dalam transaksi dengan memanfaatkan data transaksi yang ada. Penelitian ini bertujuan untuk membangun sebuah sistem penjualan online dengan menerapkan analisa algoritma apriori. Algoritma ini dimulai dengan mencari sejumlah frequent itemset dan dilanjutkan dengan pembentukan aturan-aturan asosiasi (association rules). Algoritma Apriori adalah algoritma yang sangat populer untuk menemukan sejumlah frequent itemset dari data-data transaksi yang tersimpan dalam basis data.

Dalam penelitian ini algoritma Apriori digunakan untuk membantu menemukan sejumlah aturan asosiasi dari basis data transaksi penjualan produk batu cincin di Toko Akik Murah Padangsidimpuan, sehingga untuk selanjutnya dapat digunakan sebagai pertimbangan dalam membuat strategi pemasaran dan penjualan yang efektif.

Aplikasi web yang dibangun merupakan aplikasi yang dapat membantu kegiatan meningkatkan kenyamanan pelanggan dalam melakukan transaksi. Penggunaan algoritma apriori mempunyai kelemahan dalam jumlah transaksi yang dianalisa, karena untuk memperoleh hasil yang maksimal jumlah data transaksi yang dianalisa
harus mencapai ribuan bahkan jutaan transaksi. Pembayaran dengan menggunakan online Payment Paypal di indonesia sendiri masih banyak yang belum paham dan currency-nya belum mendukung untuk nilai tukar IDR (Indonesia Rupiah).

10. Perancangan Struktur Data Warehouse Untuk Mendukung Perencanaan Pemasaran Produk Menggunakan Star Schema

Oleh: Dewi Kania Widyawati

Kajian ini bertujuan untuk melakukan perancangan struktur data warehouse yang ditujukan untuk mendukung proses evaluasi dan perencanaan pemasaran produk menggunakan star schema. Penerapan data warehouse membutuhkan populasi data yang besar agar informasi yang ditampilkan dapat beragam dan dapat membentuk pola-pola informasi yang potensial. Hal tersebut menjadi penting agar perusahaan yang mengembangkan data warehouse ini dapat dengan mudah mengevaluasi jenis barang, segmen pasar dan waktu pemasaran produk yang tepat sehingga dapat meminimasi kerugian dan meningkatkan keuntungan perusahaan.

Kajian ini bertujuan untuk merancang struktur data warehouse untuk mendukung proses evaluasi dan perencanaan pemasaran produk. Rancangan ini bersifat umum sehingga dapat diimplementasi dan  dikembangkan lebih lanjut di berbagai perusahaan. Kajian ini bermanfaat dalam memberikan gambaran tentang bagaimana merancang struktur data warehouse untuk mendukung proses evaluasi dan perencanaan pemasaran produk. Implementasi data warehouse dapat mempermudah pihak manajemen perusahaan dalam mengolah dan menyajikan informasi yang dibutuhkan dalam proses evaluasi dan perencanaan pemasaran produk.

Informasi yang disajikan dari data warehouse pemasaran produk dapat dipergunakan untuk membantu pimpinan perusahaan dalam proses evaluasi dan perencanaan dan proses evaluasi kinerja pemasaran agen pemasaran produk pada wilayah pemasaran tertentu. Juga membantu perusahaan dalam mencermati trend barang yang diminati pada masing-masing wilayah pemasaran.