ANALISA DATA MINING PENGADAAN BARANG MENGGUNAKAN METODE STATISTIK POHON KEPUTUSAN

Oleh : Sugandi

NPM : 0541090

 

 

ABSTRAK

Sugandi, NPM: 0541090. “ANALISA DATA MINING PENGADAAN BARANG MENGGUNAKAN METODE STATISTIK POHON KEPUTUSAN.” Tugas, Sistem Pendukung Keputusan, Jurusan Sistem Informasi, STMIK “AMIKBANDUNG”, 2012 (April – Mei 2012).

Pengadaan barang secara umum pasti dilakukan oleh semua organisasi dalam hal ini akan saya bahas mengenai pengadaan fashion. Berawal dari latar belakang tersebut guna mendukung keputusan pengadaan barang agar lebih cepat dan optimal diperlukan analisa terhadap data transaksi dalam ukuran yang besar dan dimensi yang lebih komplek sehingga diperlukan teknik data mining. Pendekatan data mining digunakan untuk memperoleh informasi, pola-pola baru dan trend dengan menganalisa database penjualan menggunakan metode statistik.

Potensi yang bisa di dapatkan dari data mining tersebut adalah indentifikasi

atribut-atribut/parameter penentu biaya pengadaan barang, sehingga pihak pengambil keputusan dapat  mengontrol sedikit atau banyaknya barang yang harus dibeli dengan harapan estimasi biaya pengadaan barang bisa lebih optimal. Untuk mengidentifikasi penentu biaya pengadaan digunakan data penjualan barang.

Dengan metode Statistik, teknik-teknik yang digunakan adalah rata-rata, deviasi, probabilitas dan pohon alternative keputusan yang nantinya akan didapatkan

table keputusan pengadaan barang.

Keyword : Data Mining, Statistik, Pengadaan barang.

Pendahuluan

Pertumbuhan penjualan yang sangat pesat sehingga dibutuhkan sistem informasi yang mampu mengakumulasi setiap transaksi. Dari hasil transakti tersebut menghasilkan data yang sangat banyak dalam waktu cepat dan dibiarkan begitu saja maka lama-kelamaan akan menjadi sampah.

Untuk memberdayakan data tersebut agar lebih berguna atau bahkan dapat disebut sebagai salah satu faktor krisis kesuksesan dalam penjualan, maka dilakukan analisa penjualan untuk mendukung pengadaan barang. Secara konvensional analisa dapat dilakukan secara manual namum akan menemui kendala waktu analisa yang lambat, mahal dan subyektif untuk itu diperlukan proses analisa data berbasis komputasi atau lebih familier dengan sebutan Knowledge Discovery in Databases (KDD) dengan teknik Data Mining.

Studi kasus penggunaan data mining kali ini adalah kasus prediksi pengadaan barang yang diterapkan terhadap analisa data penjualan.

Proses Data Mining

Tahapan dalam data mining sesungguhnya sebelum melakukan data mining sudah harus ada gudang data yang akan kita tambang untuk memperoleh pola-pola, atau trend yang timbul dari suatu aktifitas dalam organisasi/perusahaan. Dalam hal ini tidak akan dibahas mengenai Data Warehousing jadi kita asumsikan Data Warehouse telah tersedia.

Setelah Data Warehouse tersedia, akan kita manfa’atkan untuk menggali informasi yang kita perlukan untuk analisa pengadaan barang menggunakan teknik data mining.

Tahapan Data Mining diilustrasikan digambar 2.1

Gambar 2.1

 

 

  1. Cleaning : Tahapan ini adalah melakukan pembersihan data yang tidak konsisten.
  2. Integration : Penggabungan data yang telah melalui tahap cleaning.
  3. Transformation : Tahapan ini adalah aktifitas penentuan bentuk data (fitur-fitur dan dimensi) dan mereduksi data sehingga sesuai kebutuhan data mining.
  4. Data Mining :Mengesktrak data untuk menemukan pola-pola atau trend tertentu pada data.
  5. Evaluation : Evaluasi pola atau trend yang ditemukan.
  6. Presentation : Menyampaikan hasil data mining kepada end user.

Data dan perangkat pendukung

a.   Data

Data disini akan digunakan sampling dengan asumsi data layak untuk dianalisa.

b.   Perangkat Lunak

Perangkat lunak yang digunakan adalah Applikasi buatan sendiri yang dibangun sesuai kebutuhan organisasi/perusahaan.

c.   Metode Statistik Pohon keputusan

       i.   Data Sample Penjualan

Data penjualan
No Nama Jan Feb Mar Apr Mei Jun Jul Agu Sep Okt Nov Des total
1 Tas 10 12 13 12 11 12 9 10 11 13 15 12 140
2 Sandal 10 10 11 11 13 9 9 11 11 13 16 18 135
3 Kemeja 5 8 9 6 6 7 3 6 7 5 11 10 83
Total 278

      

      ii.   Parameter

Parameter digunakan sebagai batasan yang isinya kriteria-kriteria apa saja yang dipelukan dalam pengambilan keputusan.

Contoh :

a. total penjualan

b. 140 unit

 

Kriteria :

Dikatakan laku jika ( a >= b )

Dikatakan tidak laku jika ( a < b)

Dari diatas barang disimpulkan:

a = tas …… ( a >= b). diadakan karena memenuhi kriteria

a = sandal ….. ( a < b). tidak diadakan karena memenuhi criteria

a = kemeja …… ( a < b ). Tidak diadakan karena tidak memenuhi criteria

Jadi hanya Tas yang memenuhi criteria pengadaan.

No Nama brg Jan Feb Mar Apr Mei Jun Jul Aug Sep Okt Nov Des Total
1 Tas 10 12 13 12 11 12 9 10 11 13 15 12 140

    

      

       iii   Rata-rata

Untuk mengetahui Rata-rata penjualan

X = rata-rata

x = nilai penjualan

n = nilai jumlah bulan

i = nilai bulan yang ke 1

             n
X =∑ xi / n
      x=1

X = x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10 + x11 + x12

n = (jumlah x diatas)

X=10+12+13+12+11+12+9+10+11+13+15+12 = 140   = 11,66

12

X = 11,66 (round = 12).

Rata-rata penjualan perbulan = (11,66) unit tas. Selanjutnya dalam bentuk barang kita bulatkan jadi (12 unit)

     

       iv    Deviasi

         N  σ =√ ∑ (xi – X)2 / n         

        i=1

σ = √ ((x1-X)2 + (x2-X)2 + (x3-X)+ (x4-X)2 +(x5-X)2 + (x6-X)2 (x7-X)2  + (x8-X)2 + (x9-X)2 + (x10-X)2 + (x11-X)2 + (x12-X)2 ) / n

σ = √ ((10-11,66)2 + (12-11,66) 2 + (13-11,66) 2 + (12-11,66) 2 + (11-11,66) 2 + (12-11,66) 2 + (9-11,66) 2 + (10-11,66) 2 + (11-11,66) 2 + (13-11,66) 2 + (13-11,66) 2 + (15-11,66) 2 + (12-11,66) 2)/12

σ = √ ((2,75) + (0,11) + (1,79) + (0,11) + (0,43) + (0,11) + (7,07) + (2,75) + (0,43) + (1,79) + (11,15) + (0,11)) / 12

σ = √ 28,6/12

σ = √ 2,38

σ = 1,54

standard deviasi unit tas adalah  : 1,54

artinya kemungkinan naik atau turun penjualan adalah sebesar (1,54) unit tas.

Selanjutnya besaran deviasi dalam bentuk barang kita bulatkan jadi (2 unit)

 

     v   Alternative Keputusan

9          = nilai penjualan terendah tahun lalu.

15         = nilai penjualan tertinggi tahun lalu.

11,66    = rata-rata penjualan tahun lalu.

10.12    = kemungkinan terendah barang laku tahun depan

13,2       = kemungkinan tertinggi barang laku tahun depan

Berdasarkan data diatas dapat kita simpulkan pengadaan barang setiap bulannya antara 10.12 s/d 13.2 unit tas.

no Banyaknya unit tas yang laku / bulan Peluang laku dalam setahun
1 9 1
2 10 2
3 11 2
4 12 4
5 13 2
6 14 0
7 15 1

Kita dapat simpulkan … bahwa peluang barang laku paling banyak adalah 12 unit setiap bulan kita jadikan sebagai alternative pertama.

Alternative 1 = 12

Alternative 2 =  11

Alternative 3 = 13

Kita hanya akan mereduksi beberapa alternative menjadi 3 alternative terbaik saja, agar lebih efektive dalam pemilihan.

 

      vi    Probabilitas

Peluang barang kemungkinan laku berdasarkan frekuwensi penjualan tahunan. Berdasarkan alternative.

alternative Banyaknya unit tas yang laku / bulan Peluang laku dalam setahun Persentase peluang laku
2 11 2 25 %
1 12 4 50 %
3 13 2 25 %

    

vii   Pohon keputusan

Hasil analisa pengadaan barang menggunakan metode statistik pohon keputusan. Keputusan sendiri tetap berada di tangan management.