IMPLEMENTASI DATA MINING SEBAGAI INFORMASI STRATEGIS PENJUALAN BATIK (STUDI KASUS BATIK MAHKOTA LAWEYAN) Oleh: Yusuf Sulistyo Nugroho, S.T., M.Eng. Fatah.

Slides:



Advertisements
Presentasi serupa
Tree Kumpulan node yang saling terhubung satu sama lain dalam suatu kesatuan yang membentuk layaknya struktur sebuah pohon. Struktur pohon adalah suatu.
Advertisements

IFRASYI COLLECTION Graha Asri Residence Blok D3 No
KNOWLEGDE DISCOVERY in DATABASE (KDD)
PROSES PENELITIAN, MASALAH, VARIABEL DAN PARADIGMA PENELITIAN
Pohon Keputusan (Decision Tree)
Pengenalan Datawarehouse
PROFIL POTENSI DAERAH ISTIMEWA YOGYAKARTA
All about jogja by FADHIL.A.
PROPOSAL TUGAS AKHIR RANCANG BANGUN SISTEM PERAMALAN STOCK OBAT DENGAN METODE EXPONENTIAL SMOOTHING WINTER’S (STUDI KASUS PT. DNR (Dos Ni Roha) CABANG.
PROFIL POTENSI DAERAH ISTIMEWA YOGYAKARTA
SISTEM INFORMASI Pertemuan 5.
Pengenalan Datawarehouse
ANGKET PEMBACA HARIAN Field Data dan Sampel Angket dimuat pada hari Jumat, 1 Mei 2009 Penantian pengembalian Angket dari tanggal 1-15 Mei 2009 Jumlah.
ANGKET PEMBACA TABLOID Field Data dan Sampel Angket dimuat pada hari Jumat, 1 Mei 2009 Penantian pengembalian Angket dari tanggal 1-15 Mei 2009.
PERANCANGAN VISUALISASI IKLAN MELALUI TUBUH MANUSIA SEBAGAI ALTERNATIF AMBIENT MEDIA STUDI KASUS IKLAN IM3.
Decision Tree.
SEGMENTASI.
DISTRIBUSI PROBABILITAS DISKRIT
Gita Sentana Adanya persaingannya yang semakin ketat dalam perdagangan. Strategi pemasaran yang diterapkan sekarang ini dirasa kurang efektif.
Tahapan dan Pengelompokan Data Mining
Data Mining Algoritma C4.5. Penjelasan metode Kelebihan dan kekurangan.
PROFIL IAP -Ikatan Ahli Perencanaan- Jawa Timur
MANAJEMEN DATA Djoko Kartono
Peta Peningkatan Pemenuhan Energi Listrik Tiap Provinsi Hasil Model
Alur Paparan Pendahuluan Kategori dan Mekanisme Penilaian
Diseminasi Hasil Listing SENSUS EKONOMI 2016
DATA MINING (Machine Learning)
PROSES PENELITIAN, MASALAH, VARIABEL DAN PARADIGMA PENELITIAN
PROPOSAL BISNIS "BUTIK PAKAIAN DAN TAS WANITA"
PROSES PENELITIAN, MASALAH, VARIABEL DAN PARADIGMA PENELITIAN
KECERDASAN BISNIS Data Warehouse, Data Mart, OLAP, dan Data Mining
Kabupaten/Kota yang telah Menginisiasi KLA sampai Tahun 2014
STUDI KASUS KLASIFIKASI Algoritma C 4.5
DATA KELULUSAN SERTIFIKASI GURU TAHUN 2007 S.D 2010
DATA KEBUTUHAN GURU (NASIONAL) TAHUN
Martin Budi G Di Bawah Bimbingan Rindang Karyadin, S.T., M.Kom.
PEMBUATAN POHON KEPUTUSAN
Algoritma C4.5. Algoritma C4.5 Object-Oriented Programming Introduction Algoritma C4.5 merupakan algoritma yang digunakan.
Disampaikan pada Rakornas BAN-S/M Jakarta , Maret 2014
Data Warehouse, Data Mart, OLAP, dan Data Mining
Konsep Data Mining Ana Kurniawati.
Decision Tree Analysis
DATA KEBUTUHAN GURU SD NEGERI (NASIONAL) TAHUN
KECERDASAN BISNIS (Data Warehouse, Data Mart, OLAP, dan Data Mining)
PROSES PENELITIAN, MASALAH, VARIABEL DAN PARADIGMA PENELITIAN
Proses Penelitian, Variabel dan Paradigma Penelitian
PAKAIAN ADAT.
DATA KEBUTUHAN GURU SMK NEGERI (NASIONAL) TAHUN
Penyajian Data dengan Tabel
KEBIJAKAN BAN-S/M TAHUN 2014
PENDAHULUAN.
Pakaian Clothing.
Presentasi Tugas Akhir
Metodologi Penelitian (Variabel Penelitian)
Negara Kesatuan Republik Indonesia
ANALISA SEGMENTASI TOYOTA
Decision Tree Analysis
Disusun oleh :       Kasmiati (H )
SEMINAR SKRIPSI PERANCANGAN SISTEM INFORMASI
Konten: Definisi kerangka pemikiran & hipotesis
Anggota Dwita Eprila ( ) Mayang Hermeiliza Eka Putri ( ) Nadiah Amelia ( ) Rafif Abdusalam ( ) Shofyan.
Perancangan Sistem Klasifikasi Masa Studi Mahasiswa Menggunakan Data Mining Berbasis Algoritma ID3 (Studi Kasus:Jurusan Teknik Komputer –Unikom) Oleh:
DATA PREPARATION Kompetensi
Decision Tree Pertemuan : 13.
DATA PREPARATION.
Traditional Houses of Indonesia
Konsep Data Mining Ana Kurniawati.
Universitas Gunadarma
Universitas Gunadarma
Transcript presentasi:

IMPLEMENTASI DATA MINING SEBAGAI INFORMASI STRATEGIS PENJUALAN BATIK (STUDI KASUS BATIK MAHKOTA LAWEYAN) Oleh: Yusuf Sulistyo Nugroho, S.T., M.Eng. Fatah Yasin Al Irsyadi, S.T., M.T.

Latar Belakang Batik Mahkota Laweyan merupakan perusahaan batik yang distribusinya sudah menyebar di berbagai daerah di Indonesia. Sudah adanya data warehouse yang bisa dijadikan sebagai sumber informasi bagi manajemen perusahaan terkait dengan rencana strategis perusahaan di masa yang akan datang. Belum didukung dengan pembuatan laporan akhir dan kemudahan mengakses data untuk menentukan rencana strategis perusahaan..

Tujuan Penelitian Melakukan data mining guna menemukan informasi strategis terkait penjualan batik dari data warehouse yang dimiliki sebagai sumber informasi bagi manajemen Batik Mahkota Laweyan berkaitan dengan tren kategori batik berdasarkan nama pola barang dan wilayah pemasarannya dari waktu ke waktu.

Metodologi Metode klasifikasi data dengan decision tree. Algoritma yang digunakan dalam klasifikasi ini adalah menggunakan algoritma C4.5.

Penentuan Variabel Data Mining Variabel dependen (Y) Variabel dependen (Y) adalah variabel yang nilainya tergantung atau terikat berdasarkan nilai-nilai variabel lainnya. Variabel independen (X) Variabel independen (X) adalah variabel yang nilainya tidak tergantung dari nilai-nilai variabel lainnya.

Variabel Dependen (Y) Variabel Y yang digunakan adalah : Nama kategori batik.

Variabel Independen (X) Variabel X terdiri dari: Nama pola batik, sebagai X1 Jenis kelamin pelanggan, sebagai X2 Propinsi distribusi penjualan, sebagai X3

Penentuan Nilai Class Variabel Y Variabel Y memiliki nilai class yang bertipe label, terdiri dari: Abaya, Babydol, Blazer, Bahan, Batik, Blus, Bolero, Celana, Daster, Dress, Gantungan, Hem, Jaket, Jam Dinding, Jarik, Jas, Jilbab, Kaos, Kemben, Kipas, Koko, Longdress, Mukena, Rok, Sackdress, Sajadah, Sandal, Sarimbit, Sarung, Selendang, Setelan, Sprei, Syal, Tas.

Penentuan Nilai Class Variabel X Variabel X1 dibedakan menjadi 4 nilai class yang bertipe polynomial, yaitu: Cap Print Tulis Lainnya Variabel X2 terdiri dari 2 nilai class dengan tipe binomial, yaitu: PRIA WANITA

Penentuan Nilai Class Variabel X Variabel X3 dibuat menjadi 6 nilai class yang bertipe polynomial, yaitu: Bali DKI Jakarta Jawa Barat Jawa Tengah Jawa Timur Kepulauan Riau

Data Collecting dan Preprocessing Semua data dari data warehouse Batik Mahkota Laweyan yaitu sebanyak 1201 data penjualan batik digunakan sebagai data pelatihan untuk proses klasifikasi. Data real diubah menjadi data tipe binomial dan polynomial.

Klasifikasi Nama Kategori Batik

Klasifikasi Nama Kategori Batik

Rencana Strategis bagi Perusahaan Kriteria Nama Pola CAP: Jika Propinsi adalah Jawa Barat, maka nama kategori batik yang dijual adalah Celana. Jika Propinsi adalah Jawa Tengah dan DKI Jakarta, maka nama kategori batik yang dijual adalah Bahan. Jika Propinsi adalah Bali, maka nama kategori batik yang dijual adalah Sprei. Jika Propinsi adalah Kepulauan Riau, maka nama kategori batik yang dijual adalah Bolero. Jika Propinsi adalah Jawa Timur, maka nama kategori batik yang dijual tergantung dari Jenis Kelamin pelanggan, yaitu: Jika Wanita, maka nama kategori batik adalah Kaos. Jika Pria, maka nama kategori batik adalah Daster.

Rencana Strategis bagi Perusahaan Kriteria Nama Pola PRINT. Jika Propinsi adalah Jawa Barat, Jawa Tengah, DKI Jakarta, Bali, dan Kepulauan Riau, maka nama kategori batik yang dijual adalah Hem. Jika Propinsi adalah Jawa Timur, maka nama kategori batik yang dijual tergantung dari Jenis Kelamin pelanggan, yaitu: Jika Pria, maka nama kategori batik adalah Hem. Jika Wanita, maka nama kategori batik adalah Jilbab.

Rencana Strategis bagi Perusahaan Kriteria Nama Pola TULIS. Jika Propinsi adalah Jawa Barat, maka nama kategori batik yang dijual adalah Bolero. Jika Propinsi adalah Jawa Tengah, DKI Jakarta, Kepulauan Riau, dan Bali, maka nama kategori batik yang dijual adalah Hem. Jika Propinsi adalah Jawa Timur, maka nama kategori batik yang dijual adalah Bahan.

Rencana Strategis bagi Perusahaan Kriteria Nama Pola LAINNYA. Jika Propinsi adalah Jawa Barat, maka nama kategori batik yang dijual adalah Bolero. Jika Propinsi adalah Jawa Tengah, maka nama kategori batik yang dijual adalah Bahan. Jika Propinsi adalah Bali dan Kepulauan Riau, maka nama kategori batik yang dijual adalah Hem. Jika Propinsi adalah DKI Jakarta, maka nama kategori batik yang dijual adalah Blazer. Jika Propinsi adalah Jawa Timur, maka nama kategori batik yang dijual adalah Longdress.

Kesimpulan Proses data mining dengan menggunakan metode decision tree telah berhasil dilakukan untuk menggali informasi strategis bagi Batik Mahkota Laweyan. Hasil proses ini 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 (root node) dalam diagram pohon keputusan.

Kesimpulan Propinsi (X3) sebagai variabel wilayah pemasaran menempati sebagai faktor kedua yang mempengaruhi kategori batik. Hal ini dapat dilihat dalam diagram pohon keputusan bahwa variabel propinsi terletak dalam simpul cabang di bawah nama pola (X1). Perusahaan Batik Mahkota Laweyan perlu memperhatikan nama pola dan wilayah pemasaran untuk membuat produk batik dengan nama kategori tertentu.