Penerapan Konsep Data Mining Pada Penjualan
PENERAPAN
DATA MINING PADA PENJUALAN MENGGUNAKAN METODE CLUSTERING STUDY KASUS PT.
INDOMARCO
PT. Indomarco merupakan
perusahaan yang bergerak dalam bidang distribusi makanan dan minuman. PT. Indomarco menjual makanan dan
minuman ke mitra-mitra yang sudah terjalin kerjasama dengan PT. Indomarco.
Salah satu mitra yang dibahas pada kasus ini adalah PT. Indomaret cabang Jakarta. Perusahaan ingin mengetahui
jumlah penjualan makanan dan minuman pada masing-masing toko indomaret dengan
melihat trend penjualan pada toko indomaret PT. Indomarco dapat memperoleh
analisa data penjualan yang paling banyak diminati masyarakat terhadap
penjualan makanan dan minuman. Data penjualan yang sudah ada akan diolah atau
dianalisis untuk mengetahui tingkat kecenderungan konsumen di setiap tempat
tujuan pemasaran produk pada faktor ketertarikannya. Dari pengolahan data
tersebut akan diperoleh suatu pola konsumsi masyarakat terhadap produk dari
perusahaan tersebut.
Tahapan Data Mining :
Menururut Al Fattah (2007:13), Data mining adalah
proses yang menggunakan teknik statistik, perhitungan, kecerdasan buatan dan
machine learning untuk mengekstrasi dan mengidentifikasi informasi yang
bermanfaat dan pengetahuan yang terkait dari berbagai basis data besar. Dalam
aplikasinya, data mining sebenarnya merupakan bagian dari proses Knowledge
Discovery in Database (KDD), bukan sebagai teknologi yang utuh dan berdiri
sendiri. Data mining merupakan salah satu bagian langkah yang penting dalam
proses KDD terutama berkaitan dengan ekstraksi dan penghitungan pola-pola dari
data yang ditelaah, adapun tahapan data mining sebagai berikut :
1.
Data cleaning Untuk menghilangkan data
noise (data yang tidak relevan/berhubungan langsung dengan tujuan akhir proses
datamining, misal: data mining yang bertujuan untuk menganalisa hasil
penjualan, maka data-data dalam kumpulan seperti ”nama pegawai”, ”umur”, dan
sebagainya dapat diignore) dan tidak konsisten.
2.
Data selection Untuk mengambil sebuah
data yang sesuai untuk keperluan analisa.
3.
Data transformation Untuk mentransformasikan data ke dalam
bentuk yang lebih sesuai untuk di mining. Data mining Proses terpenting dimana
metode tertentu diterapkan untuk menghasilkan data pattern.
4.
Pattern evaluation Untuk mengidentifikasi apakah benar
interenting patterns yang didapatkan sudah cukup mewakili knowledge berdasarkan
perhitungan tertentu.
5.
Knowledge presentation Untuk mempresentasikan knowledge yang
sudah didapat dari user.
Analisis Sistem yang akan diusulkan:
1. Selection/Klasifikasi
Dari banyaknya jumlah wilayah yang ada penulis
membaginya menjadi empat kelompok, yaitu kelompok kota kelas A, kelompok kota
kelas B, dan kelompok kota kelas C. Adapun aturan dari penentuan kelompok
tersebut adalah dengan melihat data jumlah indomaret setiap kota tujuan
penjualan yang dimiliki oleh perusahaan. Untuk kota dengan jumlah indomaret
sampai dengan 5 toko akan masuk kelas A, untuk wilayah dengan jumlah toko
indomaret 6 sampai dengan 10 akan masuk pada kelas B, untuk wilayah dengan jumlah toko indomaret 11
sampai dengan 15 toko masuk ke kelas C, dan untuk wilayah dengan jumlah
indomaret lebih dari 15 toko masuk kekelas D. Pengelompokkan wilayah
berdasarkan kelas ini diharapkan dapat memantau seberapa jauh tingkat
efektivitas penjualan yang digunakan.
2. Clustering
Selanjutnya dari data tersebut diatas maka dilakukan
proses clustering, penulis menentekukkan pengelompokkan wilayah berdasarkan jumlah indomaret yang ada.
3. Pattern
Dari proses cluster akan didapatkan pengelompokkan
cluster berdasarkan jumlah penjualan, jika total penjualan yang didapatkan
mendekati jumlahnya diantaar wilayah akan dikelompokkan menjadi satu cluster,
jika selisih penjualan dari beberapa wilayah berbeda jauh, maka akan dibuat
pembagian cluster berikutnya. Pembagian cluster ini berdasarkan pembagian range
kelas sesuai jumlah indomaret yang tersebar di beberapa wilayah di Jakarta. Hasil yang akan didapat
dari proses clustering ini yaitu berupa grafik batang yang dapat memberikan
informasi untuk pengambilan
keputusan tentang penjualan makanan dan minuman.
4. Interpretasi
dari diagram batang akan diperlihatkan total
penjualan terbanyak dari masing-masing wilayah. Informasi penjualan ini akan
membantu perusahaan untuk pengambilan keputusan Untuk menentukan penjualan pada
bulan berikutnya.
Referensi :
http://eprints.binadarma.ac.id/78/1/PENERAPAN%20DATA%20MINING%20PADA%20PENJUALAN%20MENGGUNAKAN%20METODE%20CLUSTERING%20STUDY%20KASUS%20PT.%20INDOMARCO%20PALEMBANG
Komentar
Posting Komentar