Implementasi Data Mining Sebagai Informasi Strategis Penjualan Batik (Studi Kasus Batik Mahkota Laweyan)

Abstract :
Batik Mahkota Laweyan memiliki sebuah data warehouse yang digunakan untuk mengetahui informasi mengenai strategi apa yang bisa diterapkan di masa depan untuk kelancaran perusahaan yang terkait dengan kain batik yang sedang tren, termasuk bentuk pola dan wilayah pemasarannya. Namun, data warehouse ini belum memberikan kemudahan dalam mengakses data. 

Oleh karena itu, penelitian ini akan menerapkan metode data mining untuk mempermudah pengaksesan data. Metode data mining yang akan digunakan oleh Batik Mahkota Laweyan adalah Decision Tree dengan algoritma penentuan kriteria atributnya menggunakan information gain. 

Variabel yang dicari informasi strategisnya adalah nama kategori batik berdasarkan variabel nama pola, propinsi wilayah pemasaran, dan jenis kelamin pelanggan. Hasil penelitian menunjukkan bahwa atribut yang memiliki pengaruh paling tinggi untuk menentukan klasifikasi nama kategori batik adalah nama pola (X1). Hal ini ditunjukkan dengan variabel X1 yang menempati sebagai simpul akar dalam diagram Decision Tree.
 
Pendahuluan :
Batik Mahkota Laweyan merupakan salah satu perusahaaan batik yang besar dan berkembang, Data warehouse yang mereka pakai saat ini bertujuan untuk mendapatkan informasi strategis penjualan batik yang terkait dengan kain batik yang sedang tren. Namun, data warehouse ini belum didukung pembuatan laporan akhir dan kemudahan dalam mengakses data.

Al Irsyadi (2014) menyatakan bahwa Batik Mahkota Laweyan memliki 4 tabel dimensi yaitu dimensi produk, dimensi wilayah, dimensi waktu, dan dimensi pelanggan, dan 4 tabel sub dimensi yaitu dimensi kategori, dimensi sub_kategori, dimensi pola, dan dimensi jenis kelamin. 

Proses ekstraksi dilakukan agar data transaksi sesuai dengan format data warehouse. Proses ekstraksi akan menghasilkan tabel-tabel dimensi dan sub dimensi. Semua data-data penjualan di Batik Mahkota Laweyan dilakukan menggunakan cube browser sehingga masing-masing dimensi dapat dimasukkan atau dikeluarkan dari tabel. Informasi dapat dilihat secara lebih terperinci dengan proses drill down atau roll up.

• Selain itu, kerugian data warehouse lainnya adalah data yang bisa menumpuk yang akhirnya menjadi sampah data dan membebani basis data. Data mining digunakan untuk mencegah penumpukan sampah data. Data mining juga berfungsi untuk mengolah data menjadi sumber informasi strategis.
  Latar belakangnya, data mining sangat diperlukan oleh Batik Mahkota Laweyan dalam menghindari kerangkapan data dan memudahkan dalam mengakses data.
   
   
  Metodologi
  * Jenis Penelitian dan Penentuan Variabel Data Mining
  Penelitian ini termasuk jenis research and development karena akan meneliti dan mengembangkan sistem informasi dengan cara memonitor produksi, tren batik di suatu wilayah untuk menghasilkan rencana strategis pemasaran produk di masa yang akan datang. Variabel untuk klasifikasi ini terdiri dari 2 jenis, yaitu:
  a) Variabel dependen (Y)
  Menurut Nugroho (2015), variabel Y adalah variabel yang akan dicari nilainya berdasarkan perhitungan-perhitungan menggunakan variabel lainnya. Variabel Y dalam proses klasifikasi ini adalah Nama kategori batik.
  b) Variabel independen (X)
  Variabel X merupakan variabel yang nilainya sebagai data perhitungan-perhitungan untuk menentukan nilai variabel Y. Proses data mining ini, variabel X yang digunakan terdiri dari:
  1) Nama pola batik, sebagai X1
  2) Jenis kelamin pelanggan, sebagai X2
  3) Propinsi distribusi penjualan, sebagai X3
   
   
  * Klasifikasi Kategori Batik Menggunakan Decision Tree
  Tahapan analisis dilakukan untuk menentukan klasifikasi nama kategori batik berdasarkan nama nama pola, jenis kelamin pelanggan dan propinsi distribusi penjualannya. Klasifikasi nama kategori batik dilakukan dengan metode Decision Tree menggunakan algoritma hunt.
   
  Adapun klasifikasi nama kategori batik dilakukan dengan metode Decision Tree menggunakan algoritma hunt serta penentuan atributnya menggunakan information gain berdasarkan nilai entropi dari masing-masing atribut yang telah ditentukan.
   
  Penentuan simpul akar maupun simpul-simpul internal dalam pohon keputusan ditentukan berdasarkan nilai information gain. Atribut yang memiliki nilai information gain terbesar untuk setiap anak cabang, maka atribut tersebut ditentukan sebagai atribut yang menempati suatu simpul akar atau simpul internal. Proses pencarian simpul-simpul dilakukan hingga membentuk simpul daun untuk semua cabang dalam pohon keputusan. Jika suatu cabang sudah membentuk simpul daun, maka proses penghitungan nilai information gain dihentikan dan dilanjutkan pada cabang lain yang belum menemukan simpul daun.
   
   
   
   
   
  Referensi :
  1. https://media.neliti.com/media/publications/172893-ID-implementasi-data-mining-sebagai-informa.pdf
  2. Al Irsyadi, Fatah Yasin. (2014). Implementasi Data Warehouse dan Data Mining untuk Penentuan Rencana Strategis Penjualan Batik. Jurnal KomuniTi Fakultas Komunikasi dan Informatika Universitas Muhammadiyah Surakarta. Volume 6 No. 1, Maret 2014.
  3. Anggraini, Dyah. (2009). Analisis Perubahan Kelompok Berdasarkan Perubahan Nilai Jual Pada Bloomberg Market Data dengan Menggunakan Formal Concept Analysis. Available from : Prosiding SNATIF Ke -2 Tahun 2015 ISBN: 978-602-1180-21-1 Fakultas Teknik -- Universitas Muria Kudus 168 http://www.gunadarma.ac.id-/Akuntansi/Artikel_92106032.pdf. [Diakses pada tanggal 30 Januari 2014]