Pembuatan
Data Warehouse Penjualan Produk dan
Penerapan
Dalam Studi Kasus Divisi Greenscope Energy –
PT.
Tustika Nagata Surabaya
Pendahuluan :
Green Scope Energy merupakan sebuah
perusahaan yang bergerak dibidang manufacturing untuk alat-alat elektronika
seprti lampu LED, Solar Cell, dan lain sebagainya. Produk-produk ini mempunyai
banyak variasi jenis masing-masing produk sesuai dengan tingkatannya misalnya
Lampu LED yang terdiri dari Lampu LED 9 Watt, Lampu LED 11 Watt, Lampu LED 20
Watt. Dalam menjalankan proses bisnis, bagian marketing Greenscope Energy – PT.
Tustika Nagata Surabaya menemukan beberapa permasalahan yang terjadi di
internal perusahaan khususnya dalam mengelola data laporan penjualan. Dalam
menentukan kebijakan yang terkait dengan permasalahan yang terjadi, tentunya
dibutuhkan keputusan yang menjadi solusi terbaik. Berdasarkan laporan data
penjualan dari tahun ke tahun Greenscope Energy – PT. Tustika Nagata Surabaya
telah mengalami peningkatan jumlah produksi sebesar 37%, sementara pada bagian
marketing sendiri untuk mengelola data laporan penjualan masih kurang optimal.
Sehingga dibutuhkan cara yang lebih efektif dan efisien untuk membantu jalannya
proses bisnis perusahaan terutama bagian marketing perusahaan
A. Pengumpulan data
dan survey
Pada
tahap ini melakukan pengumpulan data dan survey mengenai data-data yang
digunakan pada permasalahan tugas akhir ini. Data yang dipergunakan oleh
penulis merupakan data penjualan dari tahun 2007 – tahun 2011 dengan satuan
bulanan yaitu bulan Januari – Desember. Dimana jumlah data keseluruhan adalah
1564 data. Contoh data yang ditampilkan merupakan data penjualan pada tahun
2007 bulan Januari dapat dilihat pada Tabel .
Contoh
Data Pemesanan Produk
B. Analisis Tujuan
Pembangunan Sistem Datawarehouse
Seluruh pencatatan penjualan yang
dilakukan oleh PT. Greenscope Energy masih bersifat manual, yaitu menggunakan
metode paper work system yaitu seluruh aktifitas laporan penjualan masih
menggunakan kertas yang dibantu dengan aplikasi Ms. Office, metode tersebut
dianggap kurang efektif sehingga PT. Greenscope Energy mengharapkan adanya
sebuah dukungan teknologi dalam mengelola data penjualan yang sangat besar. Data
warehouse pada penelitian ini dibangun berdasarkan kebutuhan bagi PT. Green
Scope Energy untuk dapat memiliki sistem pengumpulan data yang baik sehingga
dapat mengetahui proses-proses transaksi penjualan dengan lebih mudah
berdasarkan kebutuhan yang diinginkan oleh PT. Green Scope Energy.
C. Perancangan dan
pembuatan data warehouse
Pada
bagian ini akan dilakukan proses perancangan data warehouse yang
selanjutnya akan dilakukan pembuatan data warehouse. Hasil pembuatan data
warehouse, dapat ditunjukkan oleh star schema pada Gambar.
Perancangan
Star Schema
ANALISA HASIL
IMPLEMENTASI
Dari hasil analisa association rule mining
dengan asumsi untuk melihat tingkat kecendrungan produk setiap kontraktor
didapatkan hasil 9 rule yang memiliki nilai yang sama. 9 rule tersebut
memiliki nilai importance 0, 778 dan nilai probability 1. Salah
satu dari 9 rule penulis akan mengambil salah satu contoh yaitu
Regulator = Existing, Lampu Industri 40 watt = Existing
Inverter = Existing. Dari hasil tersebut di jelaskan bahwa apabila
konsumen membeli regulator dan lampu industri 40 watt maka kecendrungan
perilaku konsumen juga membeli produk inverter. Dengan tingkat probability yaitu
1 maka dapat disimpulkan kemungkinan sudah sangat pasti. Dengan nilai probability
1 dapat dikatakan bahwa kemungkinannya cenderung pasti terjadi, apabila 0,5
adalah ragu – ragu, sedangkan < 0,5 dapat dikatakan cenderung tidak akan
terjadi. Dengan mengambil nilai importance yang terbaik yaitu nilai importance
yang terbesar, penulis mengambil 0,778 karena semakin ke bawah nilai importance
yang di dapat semakin negatif jadi tidak perlu diambil. Pengaruh hasil importance
sendiri terhadap keputusan cross selling adalah penjual bisa
menawarkan produk kepada konsumen dengan produk yang sesuai dengan hasil
analisa rule yang telah di dapatkan. Contoh : Terdapat seorang pembeli
yang memesan regulator dan lampu industri 40 watt maka penjual di Greenscope
Energy – PT. Tustika Nagata Surabaya dapat menawarkan Inverter Inverter sesuai
hasil analisa rule yang telah di dapat. Hasil association rule mining
dengan asumsi untuk setiap kontraktor dapat dilihat pada gambar
Hasil
Association Rule Mining
Disini
juga akan menampilkan hasil analisa association rule mining dengan
asumsi untuk melihat tingkat kecendrungan produk setiap kontraktor per bulan.
Dari hasil analisa tersebut didapatkan 1 buah rule yang merupakan rule
yang terbesar dengan tingkat kepentingan produk sebesar 1,6 yaitu Regulator
= Existing, Lampu Land Scape 40 Watt = Existing Inverter = Existing
dan tingkat probability 1 yang berarti pasti terjadi. Dengan
penjelasan apabila konsumen membeli regulator dan lampu land scape 40 watt maka
konsumen juga akan cenderung membeli inverter. Asumsi ini berlaku untuk
mengetahui tingkat kecendrungan produk setiap kontraktor berikut dengan satuan
waktu (bulanan). Hasil association rule mining setiap dim kontraktor
dengan penambahan dim time (waktu) apabila dibandingkan dengan data penjualan
yang ada hasilnya juga terbukti valid. Hasil association rule mining dengan
asumsi untuk setiap kontraktor per bulan dapat dilihat pada Gambar
Hasil Association Rule Mining Dim Order
Kesimpulan
Data warehouse meupakan sarana untuk menyimpan data
yang sebelumnya dilakukan secara kurang rapi dalam software aplikasi
perkantoran oleh PT. Greenscope Energy - Tustika Nagata Surabaya. Dalam proses
pemindahan data dilakukan secara ETL yaitu Extract, Tranformation,
Loading. Association rule mining merupakan teknik untuk
mengetahui kombinasi item antar suatu barang yang berfungsi untuk mengetahui
keterikatan antar suatu produk. Berdasarkan hasil analisa data warehouse dan
penerapan association rule mining dengan asumsi setiap dim kontraktor,
biasanya produk yang dibeli cenderung tetap di masa lalu. Dimana disimpulkan
bahwa terdapat 9 rule yang bernilai sama dan rule yang diambil
merupakan rule dengan nilai importance terbesar sebesar 0,778 dengan probability
1. Nilai importance adalah nilai tingkat kepentingan produk. 9 rule
tersebut antara lain :
1.
Regulator = Existing, Lampu Industri 40 Watt = Existing
Inverter = Existing.
2.
Regulator = Existing, Solar Cell 50 WP = Existing Inverter = Existing.
3.
Regulator = Existing, Solar Home System 100 WP = Existing
Inverter = Existing.
4.
Regulator = Existing, Lampu Heavy Duty 40 Watt = Existing
Inverter = Existing.
5.
Lampu Industri 40 Watt = Existing, Solar Home System 100 WP = Existing
Inverter = Existing.
6.
Lampu Industri 40 Watt = Existing, Lampu Heavy Duty 40 Watt = Existing
Inverter = Existing.
7.
Lampu Industri 40 Watt = Existing, Lampu LED 40 Watt = Existing
Inverter = Existing.
8.
Solar Cell 50 WP = Existing, Solar Home System 100 WP = Existing
Inverter = Existing.
9.
Solar Cell 50 WP = Existing, Lampu LED 20 Watt = Existing Lampu
Industri 40 Watt = Existing.
Dari
hasil analisa association rule mining dengan asumsi setiap dim
kontraktor apabila di bandingkan dengan data penjualan yang ada terbukti valid.
Sedangkan penulis juga membandingkan dalam menganalisa hasil association
rule mining setiap dim kontraktor dengan penambahan dim time ( waktu ).
Hasilnya adalah Regulator = Existing, Lampu Land Scape 40 Watt = Existing
Inverter = Existing. Dari hasil analisa association rule mining
tersebut di dapatkan nilai importance 1,6 dan nilai probability 1.
Hasil association rule mining setiap dim kontraktor dengan penambahan
dim time ( waktu ) apabila dibandingkan dengan data penjualan yang ada hasilnya
juga terbukti valid.