G.231.15.0034 15 File Komplit 20200302092504

PENGELOMPOKAN DATA TRANSAKSI PENJUALAN MENGGUNAKAN
ALGORITMA CLUSTERING K-MEANS PADA TOKO AN NUR
TUGAS AKHIR
DISUSUN OLEH :
MUHAMMAD LUQMANUL HAKIM

G.231.15.0034
PROGRAM STUDI S1 – TEKNIK INFORMATIKA

JURUSAN TEKNOLOGI INFORMASI
FAKULTAS TEKNOLOGI INFORMASI DAN KOMUNIKASI
UNIVERSITAS SEMARANG
2020
i
SALES TRANSACTION DATA CLUSTERING USING K-MEANS
CLUSTERING ALGORITHM IN AN NUR SHOP
FINAL TASK
COMPILED BY :
MUHAMMAD LUQMANUL HAKIM

G.231.15.0034
S1 STUDY PROGRAM – INFORMATIC ENGINEERING

DEPARTMENT OF INFORMATION TECHNOLOGY
FACULTY OF INFORMATION AND COMMUNICATION TECHNOLOGY
SEMARANG UNIVERSITY
2020
ii
Scanned with CamScanner
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa, karena atas rahmat dan
karuniaNya, laporan tugas akhir dengan judul “ Pengelompokan Data Transaksi
Penjualan Menggunakan Algoritma Clustering K-Means Pada Toko An Nur “, dapat
diselesaikan.
Penyusunan Tugas Akhir ini merupakan salah satu syarat untuk
menyelesaikan program studi Strata 1 (S1) pada pada Fakultas Teknologi Informasi
dan Komunikasi Universitas Semarang. Selain untuk menuntaskan program studi
yang ditempuh, tugas akhir ini banyak memberikan manfaat kepada penulis baik dari
segi akademik maupun pengalaman yang tidak dapat penulis dapatkan saat berada di
bangku kuliah.
Dalam penyusunan Tugas Akhir ini penulis mendapatkan bantuan berupa
dorongan, nasehat, semangat, petunjuk, nasehat, dan bimbingan dari berbagai pihak,
oleh sebab itu penulis ingin mengungkapkan rasa terima kasih kepada :
1. Bapak Andy Kridasusila, SE, MM selaku Rektor Universitas Semarang.
2. Bapak Susanto, S.Kom., M.Kom selaku Dekan Fakultas Teknologi Informasi
dan Komunikasi Universitas Semarang.
3. Bapak April Firman Daru, S.Kom, M.Kom selaku Ketua Program Studi
Teknik Informatika.
4. Bapak Saifur Rohman Cholil, S.Kom., M.Kom selaku Dosen Pembimbing
yang telah memberikan bimbingan dan dukungan.
5. Almarhum kedua orang tua dan keluarga yang selelalu memberikan
dukungan, doa, semangat, dan selalu mengingatkan agar tetap optimis.
6. Rekan-rekan seperjuangan program studi S1 Teknik Informatika angkatan
2015 terimakasih atas bantuan, dukungan, kerja sama dan saling
mengingatkan tugas.
7. Semua pihak-pihak yang telah membantu dan menasehati penulis sehingga
Tugas Akhir ini terselesaikan.
viii
Semoga Tugas Akhir ini dapat dipahami bagi siapapun yang membacanya,
mampu memberikan manfaat banyak bagi penulis secara pribadi dan untuk pembaca
ada umumnya. Mohon maaf apabila banyak kesalahan dalam penulisan Laporan tugas
akhir ini Penulis menyadari bahwa masih banyak kekurangan dalam Laporan Tugas
Akhir ini, oleh karena itu segala kritikan dan saran yang membangun akan penulis
terima dengan baik.
Semarang, 13 Februari 2020

Penulis
ix
DAFTAR ISI
HALAMAN JUDUL BAHASA INDONESIA ..................................................... i

HALAMAN JUDUL BAHASA INGGRIS ......................................................... ii
LEMBAR PERNYATAAN JUDUL TUGAS AKHIR ..................................... iii
LEMBAR PENGESAHAN TUGAS AKHIR .................................................... iv
LEMBAR PENGESAHAN SIDANG TUGAS AKHIR .....................................v
ABSTRAK ............................................................................................................ vi
ABSTRACT .......................................................................................................... vii
KATA PENGANTAR ........................................................................................ viii
DAFTAR ISI ...........................................................................................................x
DAFTAR GAMBAR .......................................................................................... xiii
DAFTAR TABEL ................................................................................................xv
BAB I PENDAHULUAN .......................................................................................1
1.1 Latar Belakang..........................................................................................1
1.2 Perumusan Masalah ..................................................................................3
1.3 Batasan Masalah .......................................................................................3
1.4 Tujuan Tugas Akhir ..................................................................................3
1.5 Manfaat Tugas Akhir ................................................................................3
1.5.1 Bagi Pengguna ..........................................................................3
1.5.2 Bagi Penulis ..............................................................................4
1.5.3 Bagi Akademik .........................................................................4
1.6 Metodologi Penelitian ..............................................................................4
1.6.1 Jenis Data ..................................................................................4
1.6.2 Metode Pengumpulan Data .......................................................4
1.6.3 Metode Pengembangan Sistem .................................................5
1.7 SISTEMATIKA PENULISAN ................................................................6
BAB II TINJAUAN UMUM TOKO AN NUR ....................................................8
2.1 Sejarah Singkat Toko An Nur ..................................................................8
x
2.2 Profil Perusahaan ......................................................................................8
2.3 Gambar Lokasi dan Tempat .....................................................................9
2.4 Visi dan Misi Toko An Nur ....................................................................10
2.4.1 Visi ..........................................................................................10
2.4.2 Misi .........................................................................................10
2.5 Struktur Organisasi Toko An Nur ..........................................................11
2.6 Uraian Tugas ..........................................................................................11
BAB III LANDASAN TEORI .............................................................................12
3.1 Tinjauan Studi Penelitian Sebelumnya ...................................................12
3.2 Pengertian Sistem ...................................................................................18
3.2.1 Karakteristik Sistem ................................................................18
3.3 Pengertian Data Mining ..........................................................................19
3.3.1 Arsitektur Data Mining ..................................................................21
3.3.2 Peran Utama Data Mining .............................................................21
3.4 Clustering ...............................................................................................22
3.5 Algoritma K-Means ................................................................................23
3.5.1 Kelemahan Metode K-Means ........................................................23
3.5.2 Proses Algoritma K-Means............................................................23
3.6 Analisa Sistem ........................................................................................24
3.7 Perancangan Sistem ................................................................................25
3.7.1 Unified Modelling Language (UML).............................................25
3.8 Aplikasi Pendukung................................................................................30
3.8.1 Rapid Miner ...................................................................................30
3.8.2 PHP ...............................................................................................31
3.8.3 XAMPP ..........................................................................................31
3.8.4 Sublime Text ..................................................................................31
3.9 Pengujian Sistem ....................................................................................32
3.9.1 White-box Testing ..........................................................................32
3.9.2 Black-box Testing ..........................................................................32
xi
3.10 Kerangka Pemikiran .............................................................................33
BAB IV PERENCANAAN DAN ANALISA PERANCANGAN SISTEM .....34
4.2 Analisa Sistem ........................................................................................34
4.2.1 Analisa Masalah ...........................................................................34
4.2.2 Pemecahan Masalah .....................................................................34
4.3 Analisa Kebutuhan..................................................................................34
4.3.1 Analisa Kebutuhan Perangkat Keras ............................................34
4.3.2 Analisa Kebutuhan Perangkat Lunak ...........................................35
4.3.3 Analisa Kebutuhan Fungsional .....................................................35
4.4 Implementasi Metode K-Means ..............................................................36
4.5.1 Use Case Diagram ........................................................................46
4.5.2 Skenario Use Case ........................................................................47
4.5.3 Activity Diagram ...........................................................................51
4.5.4 Sequence Diagram ........................................................................58
4.5.5 Class Diagram ..............................................................................62
4.5.6 Perancangan Database .................................................................62
4.5.7 Perancangan Interfaces .................................................................63
BAB V IMPLEMENTASI SISTEM ...................................................................68
5.1 Implementasi Database ..........................................................................68
5.2 Hasil Implementasi .................................................................................69
5.2.1 Halaman Login .............................................................................69
5.2.2 Halaman Dashboard .....................................................................69
5.2.3 Halaman Data Produk...................................................................70
5.2.4 Halaman Data Klastering..............................................................71
5.2.5 Halaman Input Data Produk .........................................................71
5.2.6 Halaman Input Data Klastering ....................................................72
5.2.7 Halaman Alur Program .................................................................73
xii
5.3 Pengujian Blackbox ................................................................................74
5.4 Hasil Pengujian .......................................................................................74
BAB VI PENUTUP ..............................................................................................96
6.1 Kesimpulan .............................................................................................96
6.2 Saran ....... ...............................................................................................96
DAFTAR PUSTAKA
LAMPIRAN
xiii
DAFTAR GAMBAR
Gambar 1.1 Model Prototype (Pressman, 2012) ......................................................5

Gambar 2.1 Tampak Depan Toko An Nur ...............................................................9
Gambar 2.2 Isi dalam toko An Nur ..........................................................................9
Gambar 2.3 Lokasi Denah Toko An Nur ...............................................................10
Gambar 2.4 Struktur Organisasi Toko An Nur ......................................................11
Gambar 3.1 Tahapan Utama Proses Data Mining (Fadli, 2011) ............................19
Gambar 3.2 Langkah-langkah data mining (Fadli, 2011) ......................................20
Gambar 3.3 Alur kerangka berpikir .......................................................................33
Gambar 4.1 Use Case Diagram ..............................................................................47
Gambar 4.2 Activity Login .....................................................................................52
Gambar 4.3 Activity input data produk ..................................................................53
Gambar 4.4 Activity edit data produk .....................................................................54
Gambar 4.5 Activity hapus data produk .................................................................54
Gambar 4.6 Activity input data klastering ..............................................................55
Gambar 4.7 Activity hapus data klastering .............................................................56
Gambar 4.8 Activity proses klastering algoritma K-Means ....................................57
Gambar 4.9 Activity logout ....................................................................................57
Gambar 4.10 Sequence diagram login sistem ........................................................58
Gambar 4.11 Sequence diagram input data produk ...............................................58
Gambar 4.12 Sequence diagram edit data produk ..................................................59
Gambar 4.13 Sequence diagram hapus data produk ..............................................59
Gambar 4.14 Sequence diagram input data klastering ...........................................60
Gambar 4.15 Sequence diagram hapus data klastering ..........................................60
Gambar 4.16 Sequence diagram proses algoritma k-means ...................................61
Gambar 4.17 Sequence diagram logout .................................................................61
Gambar 4.18 Rancangan Class Diagram ...............................................................62
Gambar 4.19 Tampilan login awal sistem..............................................................64
xiii
Gambar 4.20 Tampilan home sistem ......................................................................64
Gambar 4.21 Tampilan data produk sistem ...........................................................65
Gambar 4.22 Tampilan data klastering ..................................................................65
Gambar 4.23 Tampilan input data produk .............................................................66
Gambar 4.24 Tampilan input data klaster ..............................................................67
Gambar 4.25 Tampilan alur sistem ........................................................................67
Gambar 5.1 Database user .....................................................................................68
Gambar 5.2 Database nilai ....................................................................................68
Gambar 5.3 Database klaster .................................................................................68
Gambar 5.4 Database Produk ................................................................................69
Gambar 5.5 Tampilan Awal Login ........................................................................69
Gambar 5.6 Tampilan dashboard sistem ...............................................................70
Gambar 5.7 Tampilan halaman data produk ..........................................................70
Gambar 5.8 Tampilan data klaster .........................................................................71
Gambar 5.9 Tampilan input data produk ...............................................................72
Gambar 5.10 Tampilan input data klaster ..............................................................73
Gambar 5.11 Tampilan alur jalannya program ......................................................73
Gambar 5.12 Hasil penghitungan dari sistem iterasi 1 ..........................................79
xiv
DAFTAR TABEL
Tabel 3.1 Penelitian Sebelumnya ...........................................................................14

Tabel 3.2 Simbol Use Case Diagram (Muslihudin & Oktafianto, 2016) ..............25
Tabel 3.3 Simbol Sequence Diagram (Muslihudin & Oktafianto, 2016) ...............26
Tabel 3.4 Simbol Activity Diagram (Muslihudin & Oktafianto, 2016)..................28
Tabel 3.5 Simbol Class Diagram (Muslihudin & Oktafianto, 2016) .....................30
Tabel 4.1 Kebutuhan Fungsional Sistem ...............................................................35
Tabel 4.2 Data transaksi toko An nur.....................................................................36
Tabel 4.3 Hasil pengklasteran iterasi-1 ..................................................................38
Tabel 4.4 Pembaruan centroid iterasi-1 .................................................................40
Tabel 4.7 Hasil perhitungan iterasi-4 .....................................................................43
Tabel 4.10 Skenario login ......................................................................................47
Tabel 4.11 Skenario use case input data produk ....................................................48
Tabel 4.12 Skenario use case edit data produk ......................................................48
Tabel 4.13 Skenario use case hapus data produk ...................................................49
Tabel 4.14 Skenario use case input data klaster ....................................................49
Tabel 4.15 Skenario use case hapus data klaster ...................................................50
Tabel 4.16 Skenario use case klastering data transaksi .........................................50
Tabel 4.17 Skenario use case logout sistem...........................................................51
Tabel 4.18 Rancangan database user.....................................................................62
Tabel 4.19 Rancangan database produk ................................................................62
Tabel 4.20 Rancangan database klaster .................................................................63
Tabel 4.21 Rancangan database nilai ....................................................................63
Tabel 5.1 Pengujian Blackbox ................................................................................74
xv
Tabel 5.2 pengujian login.......................................................................................75
Tabel 5.3 Pengujian edit data transaksi ..................................................................75
Tabel 5.4 Pengujian input data transaksi................................................................75
Tabel 5.5 Pengujian hapus data transaksi ..............................................................76
Tabel 5.6 Pengujian Klastering dengan algoritma K-Means .................................76
Tabel 5.7 Pengujian logout ....................................................................................76
Tabel 5.8 Hasil penghitungan manual iterasi 1 ......................................................77
Tabel 5.9 Hasil penghitungan manual iterasi 2 ......................................................80
Tabel 5.10 Hasil penghitungan manual iterasi 3 ....................................................83
xvi
1 BAB I
PENDAHULUAN
1.1 Latar Belakang

Perdagangan atau jual-beli adalah suatu hal yang penting dalam
membangun perekonomian suatu Negara. Tolak ukur perekonomian suatu
negara dapat dilihat melalui aktifitas perdagangan dalam suatu Negara dan
menjadi suatu indikasi kemakmuran masyarakat dalam suatu Negara. Bisnis
dalam sektor perdagangan adalah kegiatan usaha dengan membeli produk
atau barang pada suatu perusahaan atau pihak tertentu dan dijual kembali
kepada masyarakat dengan tujuan untuk menghasilkan laba secara optimal
agar dapat mengembangkan, memajukan dan mempertahankan
kelangsungan hidup usahanya ketingkat yang lebih tinggi (Tamodia, 2013).
Dalam bisnis perdagangan salah satu unsur yang paling penting yaitu
persediaan barang karena berpengaruh penting dalam kelangsungan hidup
suatu bisnis. Pentingnya suatu sistem penyediaan barang dalam bisnis
perdagangan menjadi prioritas utama untuk menyetok barang agar tidak
terjadi kekosongan barang karena minimnya stok barang berpengaruh dalam
pelayanan konsumen dan pendapatan dalam bisnis (Tampubolon, Saragih,
& Reza, 2013).
Toko An Nur adalah salah satu toko dalam bidang perdagangan
barang yang berdomisili di pasar Bintoro dan Kadilangu Demak yang
merupakan pasar induk di Kabupaten Demak. Barang-barang yang dijual di
toko An Nur berpasaran dalam bidang pertanian, perikanan atau tambak,
antara lain adalah karung beras, karung plastik, plastik benih beras, waring
ikan, waring sayur, selang diesel, plastik selang, terpal tenda, dan lain-lain.
An Nur merupakan salah satu distributor barang dalam bidang pertanian
atau perikanan yang menjual untuk grosir maupun eceran. Banyaknya
ragam produk yang dijual dan banyaknya permintaan membuat toko An Nur
kesulitan dalam memenuhi permintaan karena stok barang yang tidak
mumpuni dalam memenuhi permintaan, ditambah lamanya pengiriman
1
2
pesanan dari pabrik yang tidak menentu karena pesanan yang diproduksi pabrik
harus antri sesuai urutan pesanan sehingga membuat stok barang sering kosong,
dengan masih manualnya pencatatan transaksi dan manualnya proses
managemen penyetokan barang melalui pengecekan manual data transaksi yang
terjual membuat kurang efisien dan akurat dalam penyetokan barang sehingga
dalam pengalaman yang sudah terjadi, terjadi kekosongan barang karena stok
yang tidak tersedia, tidak hanya permasalahan dalam stok barang yang kurang
atau mengalami kekosongan barang, dalam pengalaman yang sudah berjalan
penentuan penyediaan yang masih dilakukan secara manual dari menganalisis
secara manual transaksi penjualan yang masih manual, membuat stok barang
terlalu banyak sehingga membuat keuangan tidak berjalan dengan lancar karena
barang yang ter-stok terlalu banyak, dengan teknologi informasi yang semakin
maju ini, banyak teknik-teknik pengolahan data yang terlahir untuk
menyelesaikan masalah-masalah yang dihadapi. Salah satu teknik pengolahan
data yang sering dipakai yaitu teknik data mining.
Data mining adalah analisa terhadap suatu data untuk menentukan
hubungan yang jelas serta menyimpulkan yang belum diketahui sebelumnya
dengan cara terkini dan berguna bagi pemilik data tersebut (Metisen & Sari,
2015). Teknik data mining dibagi menjadi beberapa kelompok sesuai tugas
yang dilakuakan yaitu deskripsi, estimasi, prediksi, klasifikasi, klastering dan
asosiasi. Melihat dari permasalahan-permasalahan yang sudah dipaparkan
sebelumnya, penulis mengusulkan teknik data mining untuk menyelesaikan
masalah yang ada dengan mengolah data historis transaksi penjualan yang
sudah ada. Dalam permasalahan yang ada penulis menggunakan metode K-
Means, dengan menklaster atau mengelompokkan barang-barang yang terjual
menjadi 3 bagian yaitu sangat laku, laku dan kurang laku, dengan pembagian
seperti ini diharapkan memudahkan toko An Nur dalam menyusun strategi
dalam managemen penyetokan barang dengan pengelompokan barang yang
terjual dengan kriteria sangat laku, maka menyetok barang dalam jumlah
3
banyak, dengan kriteria laku, maka menyetok barang dengan jumlah sedang
dan kriteria kurang laku, maka menyetok barang dengan jumlah sedikit.
1.2 Perumusan Masalah
Dari hal-hal yang telah dituliskan dalam latar belakang masalah diatas,
maka dapat dirumuskan suatu rumusan masalah yaitu: “Bagaimana menerapkan
teknik data mining klastering sehingga dapat membantu toko An Nur dalam
menentukan strategi penentuan stok barang menggunakan algoritma K-
Means?”.
1.3 Batasan Masalah
Dalam penelitian ini, masalah dibatasi pada :
a. Penelitian fokus kepada penentuan stok barang jenis terpal.
b. Objek penelitian toko An Nur.
c. Analisis menggunakan algoritma K-Means.
d. Data historis transaksi penjualan yang diambil sebagai data testing yaitu
dari bulan Agustus – September 2018.
1.4 Tujuan Tugas Akhir
Tujuan dari tugas akhir ini adalah untuk membuat sistem klaster
pengelompokan transaksi barang menggunakan algoritma K-means pada toko
An Nur dalam menentukan strategi penentuan stok barang. Sistem ini
diharapkan mampu membantu dalam penyediaan stok barang dengan cara
klastering laporan, dengan menerapkan teknik data mining clustering dengan
algoritma K-Means dengan mengelompokkan barang-barang yang terjual
menjadi 3 kriteria yaitu: sangat laku, laku, dan kurang laku, serta dapat
menyelesaikan masalah toko An Nur dalam menentukan strategi penentuan
stok barang.
1.5 Manfaat Tugas Akhir

1.5.1 Bagi Pengguna
a. Membantu toko An Nur dalam menentukan stok barang.
4
b. Menstabilkan dan meningkatkan perekonomian toko An Nur, karena

stok barang tidak sampai kosong dan tidak mengalami kelebihan
stok barang.
1.5.2 Bagi Penulis
a. Sebagai sarana mahasiswa dalam pengaplikasian ilmu yang
didapat selama belajar di Universitas.
b. Meningkatkan pengetahuan dan pemahaman baru mengenai teknik
data mining.
1.5.3 Bagi Akademik
a. Menambah literature diperpustakaan Universitas Semarang,
sebagai petunjuk pembuatan Tugas akhir.
b. Dapat dijadikan bahan informasi maupun tahapan-tahapan dalam
penyusunan Tugas akhir.
1.6 Metodologi Penelitian
Penulis menggunakan beberapa metode dalam mengumpulkan data, yaitu :
1.6.1 Jenis Data
Jenis data yang digunakan untuk menyusun proposal ini adalah :
a. Data Primer
Data Primer diperoleh dengan cara melakukan wawancara
kepada pengguna sistem lama yaitu pemilik dan karyawan pada toko
An Nur.
b. Data Sekunder
Data sekunder diperoleh dengan melakukan studi pustaka pada
beberapa literature seperti buku dan jurnal ilmiah.
1.6.2 Metode Pengumpulan Data
a. Pengamatan (Observasi)
Penulis melakukan pengamatan bagaimana prosedur melayani
customer dan bagaimana nanti sistem akan digunakan.
5
b. Wawancara (Interview)
Penulis melakukan wawancara kepada karyawan mas Amik
dan pemilik toko An Nur Mas Nur Huda tentang sistem yang akan
digunakan.
c. Studi Pustaka
Studi pustaka dilakukan dengan cara mengumpulkan data
dengan cara mempelajari teori dan buku yang berhubungan dengan
objek tugas akhir sebagai dasar dalam penelitian.
1.6.3 Metode Pengembangan Sistem
Metode pengembangan sistem yang digunakan adalah metode
prototype, yang ditunjukkan pada Gambar 1.1.
Gambar 1.1 Model Prototype (Pressman, 2012).
Tahapan-tahapan dari metode prototype sebagai berikut :

a. Komunikasi
6
Penulis melakukan pengamatan dan melakukan wawancara

personal dengan pegawai dan pemilik Toko An Nur yang akan
berhubungan dengan sistem yang akan dibuat. Penulis
mengidentifikasi kebutuhan sistem dan garis besar sistem yang akan
dibuat.
b. Perencanaan Secara Cepat
Langkah selanjutnya adalah menyusun spesifikasi kebutuhan
sistem secara menyeluruh.
c. Pemodelan Perancangan Secara Cepat
Pada tahap selanjutnya adalah membuat pemodelan
perencanaan pada penelitian ini, pemodelan perencanaan
menggunakan UML dengan tools Star UML.
d. Pembuatan Prototype
Tahap ini dimulai melakukan pembangunan prototype secara
tepat, dan mendiskusikan kepada pengguna tentang sistem yang
dibangun.
e. Penyerahan Sistem dan Umpan Balik
Tahap terakhir dari model prototype ini adalah sosialisasi dan
penyerahan sistem kepada pelanggan yaitu pengguna sistem, pegawai
dan pemilik An Nur. Dan mendapatkan umpan balik tentang sistem
yang telah dikerjakan.
1.7 SISTEMATIKA PENULISAN

Sistematika penulisan laporan ini terbagi menjadi beberapa bab dan
sub bab. Adapun sistematika laporan ini sebagai berikut:
BAB I PENDAHULUAN
Dalam bab ini diuraikan latar belakang, perumusan masalah,
batasan masalah, tujuan tugas akhir, manfaat tugas akhir, metodelogi
penelitian dan sistematika penulisan.
7
BAB II TINJAUAN UMUM TOKO AN NUR

Dalam bab ini memuat tentang letak sejarah singkat, profil,
visi dan misi.
BAB III LANDASAN TEORI
Dalam bab ini mengulas mengenai penguraian landasan teori
dari laporan tugas akhir ini, pembahasan tentang data mining dan
algoritma k-means.
BAB IV PERENCANAAN DAN ANALISA PERANCANGAN SISTEM
Dalam bab ini merencanakan dan merancang kebutuhan
perangkat lunak berdasarkan teori yang menunjang, seperti
perancangan antar muka dari sistem yang dibuat.
BAB V IMPLEMENTASI SISTEM DAN PENGUJIAN SISTEM
Pada bab ini berisi tentang hasil implementasi dari
perancangan dan pembangunan sistem serta membahas pengujian pada
sistem menggunakan metode white box dan black box untuk
memastikan bahwa semua bagian telah diuji sesuai dengan desain
awal.
BAB VI PENUTUP
Bab ini berisi tentang kesimpulan dari bab-bab yang telah
dipaparkan dan saran-saran yang diharapkan bermanfaat.
DAFTAR PUSTAKA
LAMPIRAN-LAMPIRAN
BAB II
TINJAUAN UMUM TOKO AN NUR
2.1 Sejarah Singkat Toko An Nur

Toko An Nur merupakan toko yang bergerak dibidang jual dan beli
karung, tali dan peralatan sawah juga tambak. Toko ini telah berdiri sejak tahun
2017, toko yang didirikan oleh bapak Nur Huda berdiri di ruko Kadilangu
Bintoro Demak dan sampai sekarang masih beroprasi ditempat yang sama dan
memiliki beberapa cabang yang berada diwilayah yang sama, pada saat awal
berdiri toko hanya masih memiliki satu kios saja, dan gudang barang memakai
sebagian ruangan rumah yang dimiliki. Seiring berjalannya waktu Toko An Nur
terus mengembangkan usahanya dan sampai sekarang memiliki beberapa
cabang kios toko dan gudang yang tersebar di kota Demak.
Toko An Nur juga memiliki cabang usaha lain yaitu sablon karung,
plastik dan produk kemasan lainnya, karena banyaknya toko yang menjual
peralatan sawah dan tambak di kota Demak, maka Toko An Nur terus
berinovasi dan selalu berusaha memberikan pelayanan terbaik untuk
memuaskan pelanggan dengan pelayanan pembelian yang cepat dan tepat
waktu, pelayanan kepada konsumen yang ramah, respon cepat, dan harga yang
terjangkau, agar mampu bersaing dengan toko yang lain.
2.2 Profil Perusahaan

A. Nama Toko : Toko An Nur
B. Alamat Toko : Kampung Jobar RT. 03 RW. 3 Kadilangu Demak
C. Pemilik Toko : Nur Huda
D. Nomor HP : 08995575293
E. Nomor TDP : 1102547 01556
8
9
2.3 Gambar Lokasi dan Tempat

a. Berikut adalah tampak depan toko An Nur yang berlokasi di Kadilangu
Demak, ditunjukkan di Gambar 2.1.
Gambar 2.1 Tampak Depan Toko An nur
b. Foto keadaan dalam Toko An Nur yang ditunjukkan pada Gambar 2.2.
Gambar 2.2 Isi di dalam Toko An nur

10
c. Lokasi keberadaan Toko An Nur yang bisa dicari di GMaps yang

ditunjukkan pada Gambar 2.3.
Gambar 2.3 Lokasi Denah Toko An nur
2.4 Visi dan Misi Toko An Nur

Adapun Visi dan Misi CV. Atom Jaya sebagai berikut :
2.4.1 Visi
Menjadi supplier yang dapat memenuhi permintaan pelanggan
dengan produk yang berkualitas dan senantiasa meningkatkan
produktivitas dan pelayanan demi kemajuan toko.
2.4.2 Misi
a. Kepuasan Konsumen
Konsumen adalah seorang raja dan toko akan selalu
memberikan pelayanan yang terbaik untuk konsumen.
b. Mengikuti Perkembangan Pasar
11
Dapat memenuhi segala kebutuhan alat pertanian dan

perikanan dengan harga yang terjangkau di masyarakat dengan
kualitas terbaik.
12
2.5 Struktur Organisasi Toko An Nur

Berikut adalah struktur organisasi toko yang ditunjukkan pada Gambar 2.4.
Gambar 2.4 Struktur Organisasi Toko An Nur.
2.6 Uraian Tugas

Fungsi dan tugas dari masing-masing jabatan perusahaan di dalam
struktur organisasi pada Gambar 2.4 adalah sebagai berikut :
a. Pemilik
1. Bertugas mengawasi aktifitas yang ada.
2. Memantau perkembangan pemasukan dan pengeluaran.
3. Memberikan persetujuan dalam setiap transaksi Pengelola Toko.
b. Bagian Operasional
Menyuplai barang habis.
c. Bagian Gudang
1. Bertanggung atas semua kegiatan di gudang.
2. Mengelola stok gudang.
3. Mengelola penataan barang di gudang.
d. Bagian Pemasaran
Bertanggung jawab dalam perencanaan strategi pemasaran dengan
memperhatikan dan mengikuti perkembangan pasar.
e. Karyawan
1. Melayani keperluan konsumen selama berada di toko.
13
2. Menjaga barang.
BAB III
LANDASAN TEORI
3.1 Tinjauan Studi Penelitian Sebelumnya

Berikut ini beberapa hasil penelitian yang ditemukan oleh para
peneliti terdahulu dalam memecahkan masalah dengan menggunakan
algoritma K-Means :
1. Benri Melpa Metisen dan Herlina Latipa Sari, dalam penelitian ini
menjelaskan tentang pengelompokan penjualan produk dengan objek
penelitian pada swalayan Fadhila. Dalam penelitian ini pada terdapat
masalah dalam pengelompokan produk terjual laris, maupun kurang laris,
sehingga menimbulkan permasalahan yaitu seringnya kekurangan stok
barang yang laku karena penjualannya tinggi. Sehingga peneliti merancang
sebuah aplikasi dengan menerapkan algoritma K-Means dengan output
mengelompokan produk terjual menjai produk laris dan produk kurang
laris, sehingga dapat membantu swalayan Fadhila dalam menentukan stok
barang (Metisen & Sari, 2015).
2. Surmayanti, Hari Marfalino, Ade Rahmi, dalam penelitian ini menjelaskan
tentang penerapan analisis klustering penjualan komputer dengan objek
penelitian ini pada toko Tribuana Komputer kota Solok. Dalam penelitian
ini pada toko tersebut mendapatkan masalah yaitu sulit mendapatkan
informasi strategis seperti tingkat penjualan per-periode, sehingga peneliti
merancang suatu aplikasi dengan menerapkan algoritma K-Means dengan
mengelompokkan barang terjual menjadi barang laris dan barang tidak
laris sehingga membantu mempermudah dalam memprediksi tingkat
penjualan (Surmayanti, Marfalino, & Rahmi, 2015).
3. Apriadi Bahar, Bambang Pramono, Laode Hasnuddin Sagala, dalam
penelitian ini menjelaskan tentang penentuan strategi penjualan alat-alat
tato dengan objek penelitian pada studio SonyXTatto. Dalam penelitian ini
pada tempat tersebut memiliki masalah tertumpuknya data historis
12
13
penjualan alat tato yang tidak terpakai atau belum termanfaatkan, sehingga
peneliti merancang aplikasi dengan menerapkan algortima K-Means
dengan memanfaatkan data historis penjualan alat yang ada dengan
mengelompokkan data menjadi laris dan tidak laris, sehingga dapat
memudahkan studio tersebut dalam menentukan strategi penjualan toko
online yang berfokus pada produk yang paling baru (Bahar, Pramono, &
Sagala, 2016).
4. Elly Muningsih, Sri Kiswati, dalam penelitian ini menjelaskan tentang
bagaimana mengklaster produk onlineshop dengan menerapkan metode K-
Means dalam menentukan stok barang dengan objek penelitian pada toko
online ragam Jogja. Dalam penelitian ini di toko tersebut memiliki
masalah yaitu banyak produk dan jenis membuat manajemen stok barang
menjadi tidak akurat, sering terjadi kekurangan atau kelebihan produk
tertentu, serta kesulitan dalam penentuan stok barang minimum tiap
barang yang harus dipenuhi berdasarkan permintaan konsumen dengan
permasalahan yang ada, sehingga peneliti merancang aplikasi dengan
menerapkan algoritma K-Means dengan mengelompokkan produk terjual
menjadi paling laku, laku dan kurang laku. Dengan mengelompokkan
produk sehingga toko online ragam Jogja dapat mendapatkan informasi
penentuan stok barang lebih cepat, akurat dalam menentukan stok barang
(Muningsih & Kiswati, 2015).
14
Tabel 0.1 Penelitian Sebelumnya.
No Nama Tahun Judul Masalah Metode / Hasil

. Algoritma
1. - Benri Melpa 1. Pemrosesan data K-Means

2015 Analisis Dari penelitian yang telah
Metisen transaksi masih
Clustering dilakukan dengan
- Herlina manual.
menggunakan mengelompokkan menjadi produk
Latipa Sari metode K- 2. Swalayan Fadhila yang laris dan tidak laris dengan
tidak dapat
MEANS Dalam menerapkan algoritma K-MEANS
mengelompokkan
mengelompokka dapat memecahkan masalah yang
produk yang laris
n Penjualan dihadapi yaitu dapat
dan yang tidak laris
Produk Pada menanggulangi kekurangan stok
dijual.
Swalayan barang yang laris dan
Fadhila. meminimalisir penumpukkan
produk yang tidak laris.
2. - Surmayanti, 1. Meningkatkan Efektifitas

2015 Penerpan Sulitnya mendapatkan K-Means
- Hari penjualan laptop di Toko Tri
Analisis informasi-informasi
15
Marfallino Clustering Pada strategis seperti tingkat Buana Komputer yang

- Ade Rahmi Penjualan penjualan per periode. sebelumnya masih cenderung
komputer lambat.
Dengan 2. Memberikan kemudahan
Perancangan dalam mengolah data
Aplikasi Data transaksi.
Mining 3. Dapat mempermudah pihak
Menggunakan toko dalam memprediksi
Algoritma K- tingkat penjualan.
MEANS (Studi
Kasus Toko Tri
Buana
Komputer Kota
Solok).
3. - Apriadi 2016 Penentuan Menumpuknya historis K-Means Dengan merancang aplikasi yang
Bahar Strategi data penjualanan yang menerapkan algoritma K-Means
- Bambang Penjualan Alat- tidak termanfaatkan. dapat mengelompokkan data
Pramono alat Tatto Di penjualan menjadi beberapa
16
- Laode Studio kelompok kriteria sehingga

Hasnuddin Sonyxtatto memudahkan Studio Sonyxtatto
Sagala Menggunakan dalam menentukan stategi
Metode K- penjualan yang berfokus pada
MEANS produk yang paling laku.
Clustering.
4. - Elly 1. Produk yang K-Means

2015 Penerapan Berdasaarkan penelitian yang
Munigsih bergam dan banyak
Metode K- dilakukan dengan merancang
- Sri Kiswati jenisnya
MEANS Untuk aplikasi yang menerapkan
menjadikan
Clustering algoritman K-Means dapat
managemen stok
Produk Online menyelesaikan masasalah
yang dilakukan
Shop Dalam diantaranya:
menjadi tidak
Penentuan Stok
1. Dapat mengelompokkan
akurat.
Barang.
produk terjual menjadi 3
2. Mengalami
kriteria yaitu sangat laku, laku
kesulitan dalam
dan kurang laku.
menentukan jumlah
2. Memberikan Informasi lebih
barang yang harus
cepat dan akurat dalam
17
di stok dengan menentukan stok barang

jumlah banyak 3. Dengan aplikasi penentuan
sedang dan sedikit stok barang memeberikan
dalam pemenuhan kontribusi lebih baik karena
stok barang. dapat menampilkan kategori
produk dalam jangka waktu
sesuai yang di inginkan.
18
3.2 Pengertian Sistem

Sistem adalah rangkaian dari dua atau lebih komponen-komponen
yang saling berhubungan, yang berinteraksi untuk mencapai suatu tujuan.
Sebagian besar sistem terdiri dari dari subsistem yang lebih kecil yang
mendukung sistem yang lebih besar (Romney, B, & Steinbart, 2015).
3.2.1 Karakteristik Sistem
Suatu sistem mempunyai ciri-ciri karakteristik yang terdapat
pada sekumpulan elemen yang harus dipahami dalam
mengidentifikasi pembuatan sistem (Hutahaean, 2015). Adapun
karakteristik sistem yang dimaksud adalah sebagai berikut :
a. Komponen Sistem (Component)
Suatu sistem terdiri dari sejumlah komponen yang saling
berinteraksi, yang saling bekerja sama membentuk suatu
komponen sistem atau bagian-bagian dari sistem.
b. Batasan Sistem (Boundary)
Merupakan daerah yang membatasi suatu sistem dengan
sistem yang lain atau dengan lingkungan kerjanya.
c. Subsistem
Bagian-bagian dari sistem yang beraktivitas dan
berinteraksi satu sama lain untuk mencapai tujuan dengan
sasarannya masing-masing.
d. Lingkungan Luar Sistem (Environment)
Suatu sistem yang ada di luar dari batas sistem yang
dipengaruhi oleh operasi sistem.
e. Penghubung Sistem (Interface)
Media penghubung antara suatu subsistem dengan
subsistem lainnya. Adanya penghubung ini memungkinkan
berbagai sumber daya mengalir ari suatu subsistem ke subsistem
lainnya.
19
f. Masukan Sistem (Input)

Energi yang masuk ke dalam sistem, berupa perawatan dan
sinyal. Masukan perawatan adalah energi yang dimasukkan
supaya sistem dapat berinteraksi.
g. Keluaran Sistem (Output)
Hasil energi yang diolah dan diklasifikasikan menjadi
keluaran yang berguna, dan sisa pembuangan.
h. Pengolahan Sistem (Process)
Suatu sistem dapat mempunyai suatu bagian pengolah yang
akan mengubah masukan menjadi keluaran.
i. Sasaran (Objective)
Tujuan yang ingin dicapai oleh sistem, akan dikatakan
berhasil apabila mengenai sasaran atau tujuan.
3.3 Pengertian Data Mining

Cabang ilmu komputer yang relatif baru adalah Data Mining.
Masih menjadi perdebatan dalam menempatkan data mining pada bidang
ilmu yang mana. Ada beberapa pihak yang menyatakan data mining tidak
lebih dari analisis statistik yang berjalan diatas database dan ada pihak yang
mempunyai pendapat bahwa database berperan penting dalam data mining
terutama dalam optimasi querynya (Fadli, 2011).
Gambar 0.1 Tahapan Utama Proses Data Mining (Fadli, 2011).

20
Data mining adalah suatu kegiatan menambang pengetahuan atau

mengekstraksi data yang memiliki ukuran atau jumlah yang besar, informasi
inilah yang nantinya sangat berguna untuk dikembangkan.
Gambar 0.2 Langkah-langkah data mining (Fadli, 2011).
Langkah-langkah dalam melakukan data mining adalah sebagai berikut :

a. Data cleaning yaitu untuk menghilangkan noise data yang tidak
konsisten.
b. Data integration (di mana sumber data yang terpecah dapat
disatukan).
c. Data selection (di mana data yang relevan dengan tugas
analisis dikembalikan ke dalam database).
d. Data transformation (di mana data berubah atau bersatu
menjadi bentuk yang tepat untuk menambang dengan ringkasan
performa atau operasi agresi).
e. Data mining (proses esensial dimana metode yang intelejen
digunakan untuk mengekstrak pola data).
f. Patten evolution (untuk mengidentifikasi pola yang benar-
benar menarik yang mewakili pengetahuan berdasarkan atas
beberapa tindakan yang menarik).
21
g. Knowledge presentation (di mana gambaran teknik visualisasi

dan pengetahuan digunakan untuk memberikan pengetahuan
yang telah ditambang kepada user.
3.3.1 Arsitektur Data Mining

Beberapa arsitektur dalam data mining antara lain :
a. Tempat penyimpanan informasi, seperti : database, data
warehouse, dll.
b. Database server atau data warehouse.
c. Pengetahuan dasar data mining.
d. Mesin data mining.
e. Pola evolusi modul.
f. Graphical user interfaces.
3.3.2 Peran Utama Data Mining
Beberapa pembagian data mining berdasarkan pola seperti
apa yang akan ditambang, yaitu :
a. Estimasi
Estimasi hampir mirip dengan klasifikasi, tetapi estimasi
mempunyai variabel target berupa bilangan numerik (kontinyu)
dan bukan bilangan kategorikal (distrit atau nominal). Estimasi
nilai dari variabel target ditentukan berdasarkan nilai dari
variabel atribut. Algortima yang sering diterapkan dalam
estimasi yaitu Linear Regression, Neural Network, dan lain-lain.
b. Prediksi
Teknik prediksi terkadang digunakan juga untuk klasifikasi.
Tidak hanya untuk prediksi time series karena sifatnya yang bisa
menghasilkan class berdasarkan berbagai atribut yang
disediakan. Semua algoritma yang digunakan dalam estimasi
bisa digunakan untuk algoritma prediksi, dimana
label/target/class bertipe numerik, hanya saja data yang
digunakan merupakan data rentet waktu.
22
c. Klasifikasi
Klasifikasi merupakan algoritma yang menggunakan data
dengan label/class/target berupa nilai nominal (kategorikal).
Sebagai contoh apabila class/label/target adalah pendapatan,
maka target/label/class dapat dibagi menjai 3 kategori yaitu
pendapatan besar, pendapatan sedang, pendapatan rendah.
Algoritma yang sering digunakan dalam klasifikasi antara lain:
Naïve Bayes, K-Nearest Neighbor, C4.5, dan lain-lain.
d. Klastering
Teknik pengklasteran yaitu pengelompokan kasus data, dan
hasil observasi ke dalam suatu class yang mirip. Klaster yaitu
pengelompokan data yang mirip antara satu dengan yang
lainnya, dan perbedaan jika dibandingkan dengan data dari
klaster lainnya. Algoritma klastering ini tidak mempunyai
target/label/class. Algoritma yang sering digunakan dalam
klastering yaitu K-Means, Fuzzy C-Means, K-Medoids, dan lain-
lain.
e. Asosiasi
Teknik asosiasi atau sering disebut market basket analisis
merupakan sebuah algortima yang menemukan atribut yang
muncul secara bersamaan. Algoritma asosiasi akan mencari
aturan yang menghitung hubungan diantara dua atau lebih
atribut. Algoritma yang banyak diterapkan dalam asosiasi yaitu
Apriori, FP-Growth, dan lain-lain.
3.4 Clustering
Clustering merupakan suatu kelompok entitas yang memiliki
persamaan dan memiliki perbedaan entitas dari kelompok lain. Cara kerja
teknik klaster yaitu dengan mengelompokkan objek-objek data (entitas,
kejadian, pola, unit, hasil observasi) atau melakukan pemisahan/
segmentasi/ pemecahan data kedalam sejumlah klaster tertentu. Teknik
23
klaster dapat di aplikasikan keberbagai bidang ilmu di antaranya : Teknik,

Ilmu Komputer, Medis, Astronomi, Sosial, dan Ekonomi (Suprayogi, 2013).
3.5 Algoritma K-Means
Algoritma ini merupakan suatu metode analisis kelompok yang
mengarah kepada pembagian (N) objek kedalam (K) kelompok (klaster),
dimana setiap objek dimiliki oleh sebuah kelompok dengan Mean. Proses
dalam algoritma ini yaitu menemukan pusat centroid (kelompok) dalam
data sebanyak literasi perbaikan yang dilakukan. Konsep algoritma ini
membagi data kedalam kelompok, kelompok yang mempunyai karakteristik
sama akan dijadikan menjadi satu kelompok dan kelompok yang
mempunyai karakteristik yang berbeda dimasukkan kedalam kelompok
yang lainnya (Suprayogi, 2013).
3.5.1 Kelemahan Metode K-Means
Metode ini memiliki beberapa kelemahan (Wakhidah, 2014),
diantaranya :
a. Jumlah klaster sebanyak K harus ditentukan sebelum dilakukan
perhitungan.
b. Bila jumlah data tidak terlalu banyak maka mudah dalam
menentukan centroid awal.
c. Kontribusi dari atribut dalam pengelompokan tidak diketahui
karena semua atribut dianggap mempunyai bobot yang sama.
d. Tidak pernah mengetahui real cluster dengan menggunakan data
yang sama, tetapi dimasukkan dengan cara yang berbeda, mungkin
dapat memproduksi kluster uang berbeda jika jumlah datanya
sedikit.
3.5.2 Proses Algoritma K-Means
Langkah-langkah dalam penerapan algoritma K-Means (Suprayogi,
2013) :
a. Menentukan jumlah kriteria yang di cluster.
b. Mengalokasikan data secara acak kedalam kelompok.
24
c. Menghitung pusat cluster (centroid) dengan Means untuk masing-

masing kelompok. Cara menentukan jarak terdekat centroid dengan
menggunakan rumus :
𝑝
𝐷(𝑋₂ − 𝑋₁) = ||𝑋₂ − 𝑋₁||² = √∑𝑖=1|𝑥₂ − 𝑥₁|2 [3.1]
d. Mengalokasikan data kecentroid terdekat. Rumus untuk

mengalokasikan data centroid terdekat :
1 𝑑 = min {𝐷(𝑋𝑖 − 𝐶1)}
𝑎𝑖𝑗 { [3.2]
0 𝐿𝑎𝑖𝑛𝑦𝑎
Penjelasan :
aij adalah nilai keanggotaan titik Xi ke centroid c1, d adalah jarak

terpendek dari data Xi ke k (kelompok) setelah dibandingkan, dan
c1 adalah centroid ke-1.
e. Selanjutnya lakukan kembali tahap 3, lakukan perulangan hingga
nilai centroid yang dihasilkan tetap dan anggota cluster tidak
berpindah ke cluster lain.
3.6 Analisa Sistem
Analisa sistem didefinisikan sebagaimana memahami dan
menspesifikasikan dengan detail apa yang harus dilakukan oleh sistem.
Analisa sistem sangat bergantung pada teori sistem umum sebagai sebuah
landasan konseptual, yang tujuannya adalah untuk memperbaiki berbagai
fungsi didalam sistem yang sedang berjalan, merancang output yang sedang
digunakan untuk mencapai tujuan yang sama dengan seperangkat input
yang lain.
Tahapan dalam menganalisa sistem adalah sebagai berikut :
a. Definisikan masalah yang mencakup input, proses dan output dari sistem
yang sedang berjalan dan sistem yang akan dibangun.
b. Pahami sistem yang sedang berjalan tersebut dan pahami definisinya.
c. Mencari alternatif yang ditawarkan haruslah terdiri dari beberapa bentuk
yang menunjukkan kelebihan dan kekurangan.
d. Pilih salah satu alternatif yang telah dirumuskan pada tahap sebelumnya.
25
e. Implementasikan alternatif terpilih dari sekian alternatif yang telah

ditawarkan.
f. Mengevaluasi dampak yang ditimbulkan akibat perubahan yang telah
dilakukan terhadap sistem.
3.7 Perancangan Sistem
3.7.1 Unified Modelling Language (UML)
Menurut Mulyani (2016), UML adalah sebuah teknik
pengembangan sistem yang menggunakan bahasa grafis sebagai alat
untuk pendokumentasian dan melakukan spesifikasi pada sistem.
Diagram dalam UML
UML menyediakan beberapa macam diagram untuk memodelkan
aplikasi perangkat lunak berorientasi objek, yaitu :
a. Use Case Diagram
Diagram use case bersifat statis. Diagram ini
memperlihatkan himpunan use case dan aktor-aktor (suatu jenis
khusus dari kelas). Diagram ini terutama sangat penting untuk
mengorganisasi dan memodelkan perilaku suatu sistem yang
dibutuhkan serta diharapkan pengguna.
Tabel 0.2 Simbol Use Case Diagram (Muslihudin & Oktafianto, 2016).
Simbol Nama Keterangan
Use Case Menjelaskan kegiatan yang
dilakukan actor untuk
mencapai suatu tujuan
tertentu.
Aktor/actor Orang atau pihak yang akan

mengelola sistem.
Asosiasi / Komunikasi antara actor dan

Association use case yang berpartispasi
26
pada use case yang memiliki

interkasi dengan actor.
Ekstensi / Memberikan opsi eksklusif
Extend pada program.
Include Perintah langsung dieksekusi
tanpa opsi
b. Sequence Diagram
Diagram interkasi dan sequence (urutan) bersifat dinamis.
Dinamis urutan adalah diagram interaksi yang menekankan pada
pengiriman pesan dalam suatu waktu tertentu.
Tabel 0.3 Simbol Sequence Diagram (Muslihudin & Oktafianto, 2016).

Simbol Nama Deskripsi
Aktor/actor Orang atau pihak yang akan
mengelola sistem.
Garis hidup Menyatakan kehidupan suatu objek.

/ Lifeline
Objek Menyatakan objek yang berinteraksi

Nama_objek
pesan.
Nama_kelas
Boundary Menyatakan objek sebagai tampilan.
Control Menyatakan objek sebagai control.

27
Entity Menyatakan objek sebagai data.
Waktu aktif Menyatakan objek dalam keadaan

aktif dan berinteraksi, semua yang
terhubung dengan waktu aktif ini
adalah tahapan yang dilakukan
didalamnya.
<<create>> Pesan tipe Menyatakan suatu objek membuat

create objek yang lain, arah panah
mengarah pada objek yang dibuat
Pesan tipe Menyatakan suatu objek memanggil
1:nama_metode() Call operasi / metode yang ada pada
objek lain atau dirinya sendiri.
1:masukan Pesan tipe Menyatakan bahwa suatu objek
send mengirim data / masukan informasi
ke objek lainnya, arah panah
mengarah pada objek yang dikirimi.
Pesan tipe Menyatakan bahwa suatu obejk yang
Return telah menjalankan suatu operasi /
metode menghasilkan suatu
kembaliaan ke objek tertentu, arah
panah mengarah pada objek yang
menerima kembalian.
<<destroy>> Pesan tipe Menyatakan suatu objek mengahiri
destroy hidup objek yang lain, arah panah
mengarah pada objek yang diakhiri,
sebaiknya jika ada create maka ada
destroy.
28
c. Activity Diagram
Diagram aktivitas bersifat dinamis, diagram aktivitas
adalah tipe khusus dari diagram status yang memperlihatkan
aliran dari suatu aktivitas ke aktivitas lainnya dalam suatu
sistem. Diagram ini terutama penting dalam suatu sistem serta
pemodelan fungsi-fungsi suatu sistem dan memberi tekanan
pada aliran kendali antar objek, didalam aktiviti diagram
terdapat juga beberapa simbol. Berikut ini adalah simbol-simbol
yang ada pada diagram aktivitas, yaitu :
Tabel 0.4 Simbol Activity Diagram (Muslihudin & Oktafianto, 2016).

Simbol Nama Deskripsi
Status awal Status awal aktivitas sistem,
sebuah diagram aktivitas
memiliki sebuah status awal.
Aktifitas Aktivitas yang dilakukan

Aktivitas sistem, aktivitas biasanya
diawali dengan kata kerja.
Percabangan/ Asosiasi percabangan dimana

Decision jika ada pilihan aktivitas lebih
dari satu.
Merge Node Titik control ini membawa

beberapa aliran alternatif
menjadi satu aliran keluar.
Status akhir Status akhir yang dilakukam
sistem, sebuah diagram
aktivitas memiliki sebuah
status akhir.
29
Join Suatu cara menyinkronkan

aliran – aliran kendali dengan
batang hitam horizontal
dengan dua atau lebih anak
panah yang menunjuk ke
dalam dan satu anak panah
yang menunjuk keluar.
Fork Mempresentasikan pemisahan
aktivitas digambarkan sebagai
batang hitam horizontal
dengan satu anak panah
menunjuk ke batang dan dua
atau lebih anak panah
menunjuk keluar.
Swinlane Memisahkan organisasi bisnis

yang bertanggung jawab
terhadap aktifivitas yang
terjadi.
d. Class Diagram
Class Diagram menggambarkan struktur sistem dari segi
pendefinisian kelas-kelas yang akan dibuat untuk membangun
sistem. Kelas memiliki apa yang disebut atribut dan metode atau
operasi. Class memiliki tiga area pokok :
- Name
- Atribut
- Methods
Atribut dan Methods dapat memiliki salah satu sifat sebagai
berikut :
30
1. Private,tidak dapat dipanggil dari luar class yang

bersangkutan.
2. Protected,hanya dapat dipanggil oleh class yang bersangkutan
dan anak-anak yang mewarisinya.
3. Public, dapat dipanggil oleh siapa-siapa.
Tabel 0.5 Simbol Class Diagram (Muslihudin & Oktafianto, 2016).

Simbol Keterangan
Kelas pada struktur sistem.
Nama_kelas
+atribut
+operasi()
Antarmuka / interface Konsep sama interface dalam

pemrograman berorientasi objek.
Nama_interface
Asosiasi / assocoation Relasi antarkelas dengan makna
umum.
Asosiasi berarah / directed Relasi antarkelas dengan makna kelas
association yang satu digunakan oleh kelas yang
lain.
Generalisasi Relasi antarkelas dengan makna
umum khusus.
Agregasi / agregation Relasi antarkelas dengan makna

semua bagian.
3.8 Aplikasi Pendukung

3.8.1 Rapid Miner
Menurut Fatmawati (2016) RapidMiner merupakan
perangkat lunak yang dibuat oleh Dr. Markus Hofmann dari Institute
of Technology Blanchardstowndan Raif Klinkenberg dari rapid-
i.com dengan tampilan GUI (Graphical User Interface) sehingga
31
memudahkan pengguna dalam menggunakan perangkat lunak ini.

Perangkat lunak ini bersifat open source dan dibuat dengan
menggunakan bahasa Java dibawah lisensi GNU Public License dan
RapidMiner dapat dijalankan disistem operasi manapun. Dengan
menggunakan RapidMiner, tidak dibutuhkan kemampuan koding
khusus, karena semua fasilitas sudah disediakan (Fatmawati, 2016).
3.8.2 PHP
PHP merupakan suatu bahasa server-slide –scripting yang
menyatu dengan HTML dalam membuat halaman web yang dinamis.
Sintak-sintak dan perintah PHP akan dieksekusi pada server
kemudian hasilnya akan dikirim ke browser dengan format HTML.
Dengan kata lain kode yang tertulis pada PHP tidak akan terlihat
oleh user sehingga keamanan web lebih terjamin (Ritonga, 2015).
3.8.3 XAMPP
Xampp adalah sebuah software yang kompatibel dengan
banyak sistem operasi. Xampp yaitu gabungan dari beberapa
program yang mempunyai fungsi sebagai server yang berdiri sendiri
(localhost). Xampp terdiri dari program MySql Database, Appace
HTTP Server, dan penerjemah yang ditulis dalam bahasa
pemrograman PHP dan Perl (Cahyanti & Purnama, 2012).
3.8.4 Sublime Text
Sublime adalah sebuah teks editor yang hampir mirip
dengan software notepad bawaan windows yang memberikan
fasilitas kaya fitur, cross platform, elegan, mudah dan simpel.
Perangkat lunak ini cukup terkenal dalam kalangan penulis, desainer
dan developer. Sublime mempunyai beberapa keunggulan (Faridl,
2015), yaitu :
a. Dapat mengubah kode pada baris yang berbeda dengan waktu
yang sama.
b. Dapat mengakses file shortcut.
32
c. Dapat membuat tampilan layar menjadi penuh dengan menekan

shift + f11.
3.9 Pengujian Sistem
Pengujian sistem atau system testing adalah serangkaian pengujian
dengan tujuan utamanya untuk menjalankan seluruh elemen sistem yang
dikembangkan. Pengujian dilakukan untuk menemukan dan memperbaiki
sebanyak mungkin kesalahan dalam program sebelum menyerahkan
program kepada kostumer. Salah satu pengujian yang baik adalah pengujian
yang memiliki probabilitas tinggi dalam menenmukan kesalahan (Pressman,
2012).
3.9.1 White-box Testing
Pengujian white-box adalah metode test-case design yang
menggunakan struktur control desain prosedural untuk memperoleh
test-case. Dengan menggunakan metode pengujian white-box,
perekayasa sistem dapat memperoleh test-case yang :
a. Memberikan jaminan bahwa semua jalur independen pada suatu
modul telah digunakan paling tidak satu kali.
b. Menggunakan semua keputusan logis dari sisi true dan false.
c. Mengeksekusi semua batas fungsi loops dan batas
operasionalnya, dan lain-lain.
3.9.2 Black-box Testing
Black-box testing merupakan pengujian yang berpusat pada
kebutuhan fungsional perangkat lunak dimana memungkinkan untuk
memperoleh sekumpulan kondisi input yang secara penuh
memeriksa fungsional dari sebuah aplikasi. Black-box testing
berusaha menemukan kesalahan-kesalahan seperti kesalahan fungsi
dan kesalahan tampilan aplikasi. Black-box testing dapat digunakan
untuk menguji aplikasi konvensional dan aplikasi yang berorientasi
objek.
33
3.10 Kerangka Pemikiran
Masalah
Bagaimana menerapkan teknik data mining clustering sehingga dapat
membantu toko An Nur dalam menentukan strategi penentuan stok barang
menggunakan algoritma K-Means?
Tujuan
Dengan menerapkan teknik data mining clustering dengan algoritma K-means
dengan mengelompokkan barang-barang yang terjual menjadi 3 kriteria yaitu :
sangat laku, laku, dan kurang laku, dapat menyelesaikan masalah toko An Nur
dalam menentukan strategi penentuan stok barang.
Eksperimen
PreProcessing Mendapat Keputusan

Data dari toko Menghasilkan sebuah
An Nur
Data keputusan
set
Implementasi metode Komputasi metode

Komputasi hasil ke
Clustering K-Means aplikasi
Hasil
Mempermudah, Mempercepat, dan meningkatkan ke akuratan dalam
menentukan strategi penentuan stok barang.
Gambar 0.3 Alur kerangka berpikir

BAB IV
PERENCANAAN DAN ANALISA PERANCANGAN SISTEM

Perancangan sistem merupakan langkah pertama dalam proses
membangun sistem, karena dalam tahap ini akan ditentukan sistem apa yang
akan dibangun sehingga berfungsi secara optimal sesuai dengan kebutuhan
pengguna. Dari adanya masalah yang ada, penulis merencanakan pembuatan
sistem Pengelompokan Data Transaksi Penjualan Menggunakan Algoritma
Clustering K-Means Pada Toko An Nur.
4.2 Analisa Sistem
Analisa sistem adalah penguraian dari sistem, tahap analisa sistem
digunakan untuk mendapatkan data-data yang diperlukan dalam
membangun sistem. Hasil dari analisa ini diharapkan menghasilkan sebuah
sistem yang dapat diidentifikasi secara jelas.
4.2.1 Analisa Masalah
Toko An Nur merupakan usaha yang bergerak dibidang
penjualan peralatan tambak dan sawah. Dalam mengingat stok
barang dan data penjualan masih menggunakan sistem manual
dengan cara menulis di buku, dalam melihat stok dan data penjualan
yang lama masih kurang efektif.
4.2.2 Pemecahan Masalah
Setelah melakukan analisa masalah pada Toko An Nur, maka
perlu direncanakan pembuatan sistem yang dapat memberikan
pengelompokan data penjualan secara terkomputerisasi. Maka dari
itu perlu dibuat sistem pengelompokan data klatering.
4.3 Analisa Kebutuhan
4.3.1 Analisa Kebutuhan Perangkat Keras
Dalam pembangunan sistem yang dibutuhkan oleh toko An
Nur membutuhkan perangkat keras dengan spesifikasi minimal
sebagai berikut :
34
35
1. Processor Dual-Core.
2. RAM 1 Gb.
3. Harddisk 250 Gb.
4. Display 10”.
5. Mouse.
6. Keyboard.
4.3.2 Analisa Kebutuhan Perangkat Lunak
Agar sistem yang akan dibangun untuk toko An Nur dapat
dijalankan maka perangkat keras membutuhkan minimal perangkat
lunak diantaranya :
1. Sistem Operasi : Windows 7.
2. Aplikasi Browser.
3. Aplikasi yang terdapat Appache dan MySql : Aplikasi
Xampp.
4.3.3 Analisa Kebutuhan Fungsional
Pada analisis kebutuhan fungsional ini akan menampilkan
tabel kebutuhan fungsional pada sistem. Kebutuhan fungsional yaitu
kebutuhan fungsi yang harus ada pada sistem. Kebutuhan fungsional
yang dibutuhkan sebagai berikut :
Tabel 0.1 Kebutuhan Fungsional Sistem
Id Fungsional Deskripsi Kebutuhan
Mn-01 User harus login untuk menggunakan sistem.
Mn-02 Sistem dapat menginput data produk.
Mn-03 Sistem dapat mengedit data produk.
Mn-04 Sistem dapat manghapus data produk.
Mn-05 Sistem dapat menginput data klastering.
Mn-06 Sistem dapat manghaspus data klastering.
Mn-07 Sistem dapat mengklaster data transaksi
dengan algoritma K-Means.
Mn-08 User dapat logout setelah selesai menggunakan
36
sistem.
4.4 Implementasi Metode K-Means

Implementasi data yang akan diterapkan pada metode K-Means di
toko An Nur adalah data transaksi penjualan yang dihasilkan dari rekap
penjualan harian. Dalam penelitian data yang diambil sebagai sempel yaitu
data transaksi penjualan pada bulan Agustus – September 2018. Dalam
penilitian ini data transaksi akan diklaster menjadi 3 kriteria yaitu sangat
laku, laku dan kurang laku. Berikut proses perhitungan dalam metode K-
Means :
Tabel 0.2 Data transaksi toko An nur.
No. Nama Barang Jumlah Transaksi Jumlah Terjual Rata-rata penjualan

1 Terpal 2 x 3 a5 China 43 75 1,74
2 Terpal 3 x 3 a5 China 23 24 1,04
3 Terpal 3 x 4 a5 China 38 43 1,13
4 Terpal 3 x 5 a5 China 14 18 1,29
5 Terpal 3 x 6 a5 China 8 9 1,13
8 Terpal 4 x 5 a5 China 19 22 1,16
9 Terpal 4 x 6 a5 China 18 20 1,11
10 Terpal 4 x 7 a5 China 5 5 1,00
11 Terpal 5 x 6 a5 China 6 7 1,17
12 Terpal 5 x 7 a5 China 5 7 1,40
13 Terpal 6 x 8 a5 China 12 18 1,50
14 Terpal 6 x 10 a5 China 0 0 0,00
15 Terpal 6 x 11 a5 China 0 0 0,00
*** *** *** *** ***
48 Terpal 5 x 6 a12 Salur 3 3 1,00
49 Terpal 5 x 7 a12 Salur 1 1 1,00
50 Terpal 6 x 8 a12 Salur 0 0 0,00
37
1. Tentukan jumlah klaster dalam penelitian ini, terdiri dari 3 klaster karena
hasil penelitian ini diharapkan mendapatkan 3 kelompok kriteria.
2. Memilih centroid secara acak pada perhitungan ini, dipilih centroid
sebagai berikut :
Centroid
Centroid 1 43 75 1,74
Centroid 2 38 43 1,13
Centroid 3 8 9 1,13
3. Hitung jarak terdekat data terhadap centroid, disini data akan dihitung
jarak terdekat terhadap centroid, setiap data akan dihitung jarak terdekat
dengan setiap centroid yang sudah ditentukan pada tahap sebelumnya
dengan menggunakan rumus Euclidean.
Hitung jarak terdekat data terhadap setiap centroid.
𝐷(𝑥₂ − 𝑋₁) = √(𝑋₂𝑎 − 𝑋₁𝑎)2 + (𝑋₂𝑏 − 𝑋₁𝑏)² + (𝑋₂𝑐 − 𝑋₁𝑐)² [4.1]
38
Dan seterusnya sehingga mendapatkan hasil sebagai berikut :

Tabel 0.3 Hasil pengklasteran iterasi-1.
Iterasi-1
Jumlah Jumlah Rata-rata Jarak

No. Nama Barang Cluster 1 Cluster 2 Cluster 3
Transaksi Terjual penjualan Terdekat
1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 32,39 74,71 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 24,21 21,21 C3
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 0,00 45,34 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 34,66 10,82 C3
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 45,34 0,00 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 49,58 4,24 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 50,33 5,00 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 28,32 17,03 C3
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 30,48 14,87 C3
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 50,33 5,00 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 48,17 2,83 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 48,84 3,62 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 36,07 9,86 C3
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 57,40 12,09 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 57,40 12,09 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 57,40 12,09 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 18,87 27,79 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 43,15 4,19 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 22,80 22,63 C3
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 39,05 6,40 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 57,40 12,09 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 55,97 10,63 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 51,74 6,40 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 43,28 2,24 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 28,43 17,89 C3
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 54,56 9,22 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 48,11 3,20 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 45,34 0,00 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 47,51 2,24 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 57,40 12,09 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 53,15 7,81 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 57,40 12,09 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 50,33 5,00 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 49,52 4,52 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 50,33 5,00 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 48,92 3,61 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 49,58 4,24 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 54,52 9,41 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 53,15 7,81 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 53,15 7,81 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 55,97 10,63 C3
42 Terpal 2 x 3 a12 Salur 1 5 5 81,70 53,18 8,95 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 45,34 0,00 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 48,84 3,62 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 50,99 5,66 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 49,58 4,24 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 51,74 6,40 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 53,15 7,81 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 55,97 10,63 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 57,40 12,09 C3
39
Setelah data transaksi sudah terklaster selanjutnya cari nilai BVC

(penjumlahan hasil perhitungan jarak terdekat antar centroid yang
ditentukan pada tahap sebelumnya), WCV (penjumlahan hasil
perhitungan jarak terkecil terhadap centroid) dam rasio.
- hitung nilai BCV dengan rumus seperti rumus Euclidean.
𝐶(𝐶₂ − 𝐶₁) = √(𝐶₂𝑎 − 𝐶₁𝑎)2 + (𝐶₂𝑏 − 𝐶₁𝑏)² + (𝐶₂𝑐 − 𝐶₁𝑐)² [4.2]
C1C2 (C₂-C₁) = 32,39 C1C3 (C₂-C₁) = 74,71 C2C3 (C₂-C₁) = 45,34
BCV = C1C2 (C₂-C₁) + C1C3 (C₂-C₁) + C2C3 (C₂-C₁) = 152,45

WCV = (0,000)² + (21,213)² + (0,00)² + (10,818)² + (0,000)² + (4,243)² +
(5,002)² + (17,029)² + (14,866)² + (5,002)² + (2,829)² + (3,616)² + (9,856)² +
(12,094)² + (12,094)² + * * * + (7,811)² + (10,631)² + (12,094)² = 4638,52
Rasio = BCV/WCV = 152,45 / 4638,52= 0,033
Karena ini baru iterasi-1 maka lanjutkan perhitungan ke iterasi

berikutnya sampai kelompok klaster tidak berubah tempat dan nilai rasio
mendapatkan nilai sama dengan nilai rasio sebelumnya. Sebelum masuk ke
iterasi-2 centroid pada tahap iterasi-1 harus diperbarui terlebih dahulu.
Pembaruan centroid dilakukan dengan cara menghitung rata-rata nilai
perkelompok klaster.
40
Tabel 0.4 Pembaruan centroid iterasi-1.

Pembaruan centroid iterasi 1
CLUSTER 1
Jumlah Jumlah Rata-rata
No. Nama Barang
Transaksi Terjual penjualan
1 Terpal 2 x 3 a5 China 43 75 1,74
Mean 43 75 1,74
CLUTETR 2
3 Terpal 3 x 4 a5 China 38 43 1,13
17 Terpal 2 x 3 a5 Korea 22 33 1,50
Mean 30,00 38,00 1,32
CLUSTER 3
2 Terpal 3 x 3 a5 China 23 24 1,04
4 Terpal 3 x 5 a5 China 14 18 1,29
8 Terpal 4 x 5 a5 China 19 22 1,16
9 Terpal 4 x 6 a5 China 18 20 1,11
10 Terpal 4 x 7 a5 China 5 5 1,00
11 Terpal 5 x 6 a5 China 6 7 1,17
12 Terpal 5 x 7 a5 China 5 7 1,40
13 Terpal 6 x 8 a5 China 12 18 1,50
14 Terpal 6 x 10 a5 China 0 0 0,00
15 Terpal 6 x 11 a5 China 0 0 0,00
16 Terpal 6 x 12 a5 China 0 0 0,00
18 Terpal 3 x 3 a5 Korea 7 13 1,86
19 Terpal 3 x 4 a5 Korea 24 25 1,04
20 Terpal 3 x 5 a5 Korea 13 13 1,00
*** *** *** *** ***
48 Terpal 5 x 6 a12 Salur 3 3 1,00
49 Terpal 5 x 7 a12 Salur 1 1 1,00
50 Terpal 6 x 8 a12 Salur 0 0 0,00
Mean 6,04 7,23 1,11
Setelah mendapatkan centroid baru lanjutkan perhitungan. Langkah

perhitungan sama seperti langkah yang ke 3 sampai kelompok klaster tidak
berubah tempat dan nilai rasio mendapatkan nilai sama dengan nilai rasio
sebelumnya.
41

Iterasi-2

1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 39,22 77,19 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 15,65 23,85 C2
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 9,44 47,96 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 25,61 13,39 C3
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 36,40 2,64 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 40,61 1,62 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 41,40 2,47 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 19,42 19,65 C2
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 21,63 17,49 C3
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 41,40 2,47 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 39,20 0,24 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 39,82 1,11 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 26,91 12,31 C3
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 48,43 9,49 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 48,43 9,49 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 48,43 9,49 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 9,44 30,31 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 33,97 5,89 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 14,32 25,26 C2
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 30,23 9,04 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 48,43 9,49 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 47,01 8,02 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 42,80 3,83 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 34,41 4,83 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 19,11 20,37 C2
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 45,61 6,61 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 39,05 1,38 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 36,40 2,64 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 38,60 0,99 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 48,43 9,49 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 44,21 5,21 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 48,43 9,49 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 41,40 2,47 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 40,46 2,15 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 41,40 2,47 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 40,00 1,24 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 40,61 1,62 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 45,48 6,85 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 44,21 5,21 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 44,21 5,21 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 47,01 8,02 C3
42 Terpal 2 x 3 a12 Salur 1 5 5,00 81,70 44,09 6,75 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 36,40 2,64 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 39,82 1,11 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 42,01 3,03 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 40,61 1,62 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 42,80 3,83 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 44,21 5,21 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 47,01 8,02 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 48,43 9,49 C3
42

43
Tabel 0.7 Hasil perhitungan iterasi-4.

Iterasi-4

1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 53,18 80,04 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 2,58 26,75 C2
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 23,34 50,87 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 11,32 16,29 C2
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 22,06 5,54 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 26,28 1,30 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 27,06 0,86 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 5,06 22,56 C2
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 7,29 20,40 C2
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 27,06 0,86 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 24,87 2,71 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 25,52 2,17 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 12,77 15,17 C2
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 34,11 6,61 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 34,11 6,61 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 34,11 6,61 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 6,76 33,19 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 19,84 8,50 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 2,58 28,16 C2
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 15,88 11,92 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 34,11 6,61 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 32,68 5,11 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 28,46 1,04 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 20,05 7,68 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 5,89 23,23 C2
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 31,28 3,71 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 24,77 3,14 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 22,06 5,54 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 24,25 3,47 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 34,11 6,61 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 29,87 2,33 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 34,11 6,61 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 27,06 0,86 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 26,19 2,09 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 27,06 0,86 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 25,65 2,10 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 26,28 1,30 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 31,21 4,20 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 29,87 2,33 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 29,87 2,33 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 32,68 5,11 C3
42 Terpal 2 x 3 a12 Salur 1 5 5,00 81,70 29,94 5,01 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 22,06 5,54 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 25,52 2,17 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 27,69 0,21 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 26,28 1,30 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 28,46 1,04 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 29,87 2,33 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 32,68 5,11 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 34,11 6,61 C3
44

Iterasi-5

1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 54,46 80,42 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 2,70 27,12 C2
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 24,75 51,25 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 9,91 16,67 C2
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 20,67 5,91 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 24,88 1,68 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 25,67 1,10 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 3,73 22,93 C2
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 5,96 20,77 C2
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 25,67 1,10 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 23,48 3,08 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 24,12 2,55 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 11,36 15,55 C2
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 32,72 6,23 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 32,72 6,23 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 32,72 6,23 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 7,79 33,57 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 18,42 8,88 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 3,36 28,53 C2
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 14,52 12,28 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 31,29 4,73 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 27,07 0,71 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 18,68 8,04 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 4,69 23,61 C2
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 29,88 3,33 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 23,37 3,50 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 20,67 5,91 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 22,87 3,82 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 28,48 1,95 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 25,67 1,10 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 24,78 2,39 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 25,67 1,10 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 24,27 2,43 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 24,88 1,68 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 29,81 3,91 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 28,48 1,95 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 28,48 1,95 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 31,29 4,73 C3
42 Terpal 2 x 3 a12 Salur 1 5 5,00 81,70 28,53 4,91 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 20,67 5,91 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 24,12 2,55 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 26,29 0,35 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 24,88 1,68 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 27,07 0,71 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 28,48 1,95 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 31,29 4,73 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 32,72 6,23 C3
45

Iterasi-6

1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 54,46 80,42 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 2,70 27,12 C2
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 24,75 51,25 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 9,91 16,67 C2
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 20,67 5,91 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 24,88 1,68 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 25,67 1,10 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 3,73 22,93 C2
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 5,96 20,77 C2
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 25,67 1,10 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 23,48 3,08 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 24,12 2,55 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 11,36 15,55 C2
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 32,72 6,23 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 32,72 6,23 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 32,72 6,23 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 7,79 33,57 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 18,42 8,88 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 3,36 28,53 C2
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 14,52 12,28 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 31,29 4,73 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 27,07 0,71 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 18,68 8,04 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 4,69 23,61 C2
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 29,88 3,33 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 23,37 3,50 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 20,67 5,91 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 22,87 3,82 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 28,48 1,95 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 25,67 1,10 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 24,78 2,39 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 25,67 1,10 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 24,27 2,43 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 24,88 1,68 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 29,81 3,91 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 28,48 1,95 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 28,48 1,95 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 31,29 4,73 C3
42 Terpal 2 x 3 a12 Salur 1 5 5,00 81,70 28,53 4,91 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 20,67 5,91 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 24,12 2,55 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 26,29 0,35 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 24,88 1,68 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 27,07 0,71 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 28,48 1,95 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 31,29 4,73 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 32,72 6,23 C3
46
Pada perhitungan tahap terakhir yaitu pada iterasi-6 perhitungan

berhenti karena hasil Rasionya tidak berubah atau sama pada tahap
sebelumnya. Hasil perhitungan sebagai berikut :
Hitung nilai BCV dengan rumus seperti rumus Euclidien.
𝐶(𝐶₂ − 𝐶₁) = √(𝐶₂𝑎 − 𝐶₁𝑎)2 + (𝐶₂𝑏 − 𝐶₁𝑏)² + (𝐶₂𝑐 − 𝐶₁𝑐)² [4.3]
C1C2 (C₂-C₁) = 54,46 C1C3 (C₂-C₁) = 80,42 C2C3 (C₂-C₁) = 26,56
BCV = C1C2 (C₂-C₁) + C1C3 (C₂-C₁) + C2C3 (C₂-C₁) = 161,44

WCV = (0,00)² + (2,70)² + (24,75)² + (9,91)² + (5,91)² + (1,68)² +
(1,10)² + (3,73)² + (5,96)² + (1,10)² + (3,08)² + (2,55)² + (11,36)² +
(6,23)² + (6,23)² * * * + (1,95)² + (4,73)² + (6,23)² = 1869,60
Rasio = BCV/WCV = 1869,60 / 8157,64 = 0,086.

Pada subbab ini membahas perancangan sistem yang akan dibangun
pada penelitian ini. Perancangan sistem meliputi Use Case, skenario Use
Case, Activity Diagram, Sequence Diagram, Perancangan Database,
Perancangan Interface.
4.5.1 Use Case Diagram
Pada perancangan sistem dalam menggambarkan alur kerja
sistem penulis menggunakan Use Case Diagram. Perancangan alur
kerja sistem meliputi kebutuhan fungsional yang sudah dianalisis
pada subbab sebelumnya, yang akan digambarkan pada Gambar 4.1.
47
Gambar 0.1 Use Case Diagram
4.5.2 Skenario Use Case

Skenario use case merupakan perincian setiap use case
seperti actor, deskripsi use case, prekondisi, alur proses, alur proses
alternative, hasil yang diharapkan.
1. Login
Tabel 0.10 Skenario login.
48
2. Input data produk

Tabel 0.11 Skenario use case input data produk.
3. Edit data produk

Tabel 0.12 Skenario use case edit data produk.
49
4. Hapus data produk

Tabel 0.13 Skenario use case hapus data produk.
5. Input data klastering

Tabel 0.14 Skenario use case input data klaster.
50
6. Hapus data klastering

Tabel 0.15 Skenario use case hapus data klaster.
7. Mengklaster data transaksi

Tabel 0.16 Skenario use case klastering data transaksi.
51
8. Logout
Tabel 0.17 Skenario use case logout sistem.
4.5.3 Activity Diagram

Activity diagram berisi gambaran aktifitas use case yang
melibatkan timbal balik antara user dan sistem yang mengacu
kepada skenario use case yang di rancang pada subbab sebelumnya.
1. Activity Login
Untuk menggambarkan bagaimana alur proses user login
terhadap sistem. Pada aktifitas ini user akan melakukan proses
login dengan memasukkan username dan password. Jika
username dan password valid dengan username dan password
pada database maka sistem akan masuk ke dalam dashboard dan
jika username dan password tidak valid maka sistem akan
kembali ke proses login, bisa dilihat pada Gambar 4.2.
52
Gambar 0.2 Activity Login.
2. Activity input data produk

Untuk menggambarkan bagaimana alur proses user input
data produk ke dalam sistem. Pada aktifitas user akan melakukan
proses input data produk. User membuka halaman input data
produk, sistem akan menampilkan halaman input data produk.
User memasukkan data produk. Sistem akan memproses fungsi
input data produk. Tambah data akan masuk kedalam database.
Sistem akan menampilkan laporan bahwa input data berhasil,
bisa dilihat pada Gambar 4.3.
53
Gambar 0.3 Activity input data produk.
3. Activity edit data produk

Untuk menggambarkan alur proses user mengedit data
produk ke dalam sistem. Pada aktifitas ini akan melakukan
proses edit data produk. User membuka halaman data produk.
Sistem akan menampilkan halaman data produk. User pilih menu
edit. Sistem akan menampilkan halaman edit data produk. User
mengedit data produk. Sistem memproses fungsi edit data
produk. Data produk akan terupdate dalam database. Sistem
akan menampilkan update data berhasil, bisa dilihat pada
Gambar 4.4.
54
Gambar 0.4 Activity edit data produk.
4. Activity hapus data produk

Untuk menggambarkan alur proses user menghapus data
produk ke dalam sistem. Pada aktifitas ini akan melakukan proses
hapus data produk. User membuka halaman data produk. Sistem
akan menampilkan halaman data produk. User pilih menu hapus.
Sistem memproses fungsi hapus data produk. Data produk akan
terdelete dalam database. Sistem akan menampilkan data
terhapus, bisa dilihat pada Gambar 4.5.
Gambar 0.5 Activity hapus data produk.

55
5. Activity input data klastering

Untuk menggambarkan bagaimana alur proses user input
data klastering ke dalam sistem. Pada aktifitas user akan
melakukan proses input data klastering. User membuka halaman
input data klastering, sistem akan menampilkan halaman input
data klastering. User memasukkan data transaksi yang akan
diklaster. Sistem akan memproses fungsi input data klastering.
Tambah data akan masuk kedalam database. Sistem akan
menampilkan laporan bahwa input data berhasil, bisa dilihat pada
Gambar 4.6.
Gambar 0.6 Activity input data klastering.
6. Activity hapus data klastering

Untuk menggambarkan alur proses user menghapus data
klastering ke dalam sistem. Pada aktifitas ini akan melakukan
proses hapus data transaksi yang akan diklaster. User membuka
halaman data klastering. Sistem akan menampilkan halaman data
klastering. User pilih menu hapus. Sistem memproses fungsi
hapus data transaksi. Data transaksi akan terdelete dalam
56
database. Sistem akan menampilkan data terhapus, bisa dilihat

pada Gambar 4.7.
Gambar 0.7 Activity hapus data klastering.
7. Activity proses klastering algoritma K-Means

Untuk menggambarkan alur proses user memproses
klastering data transaksi dengan menggunakan algoritma K-
Means ke dalam sistem. Pada aktifitas ini akan melakukan proses
klastering data transaksi. User membuka halaman data klastering.
Sistem akan menampilkan halaman data klastering. User pilih
menu proses. Sistem memproses fungsi klastering data transaksi
yang telah di input dengan menggunakan algoritma K-Means.
Database akan memberikan data transaksi yang akan diklastering.
Sistem akan menampilkan hasil klastering data transaksi dengan
algoritma K-Means, bisa dilihat pada Gambar 4.8.
57
Gambar 0.8 Activity proses klastering algoritma K-Means.
8. Activity logout
Untuk menggambarkan bagaimana alur proses user
logout terhadap sistem. Pada aktifitas ini user akan melakukan
proses logout dari sistem. User memilih menu logout pada
sistem. Sistem memproses fungsi logout. Sistem akan
menampilkan halaman login, bisa dilihat pada Gambar 4.9.
Gambar 0.9 Activity logout.

58
4.5.4 Sequence Diagram

1. Sequence diagram login
Sequence diagram dibawah ini menjelaskan bagaimana
interaksi antara user dengan sistem pada saat proses login sistem,
seperti pada Gambar 4.10.
Gambar 0.10 Sequence diagram login sistem.
2. Sequence diagram input data produk

interaksi antara user dengan sistem pada saat proses input data
produk, seperti pada Gambar 4.11.
Gambar 0.11 Sequence diagram input data produk.

59
3. Sequence diagram edit data produk

interaksi antara user dengan sistem pada saat proses edit data
Gambar 0.12 Sequence diagram edit data produk.
4. Sequence diagram hapus data produk

interaksi antara user dengan sistem pada saat proses hapus data
Gambar 0.13 Sequence diagram hapus data produk.

60
5. Sequence diagram input data klastering

interaksi antara user dengan sistem pada saat proses input data
klastering, seperti pada Gambar 4.14.
Gambar 0.14 Sequence diagram input data klastering.
6. Sequence diagram hapus data klastering

interaksi antara user dengan sistem pada saat proses hapus data
transaksi yang akan diklaster, seperti pada Gambar 4.15.
Gambar 0.15 Sequence diagram hapus data klastering.

61
7. Sequence diagram proses algoritma k-means

interaksi antara user dengan sistem pada saat proses klastering
data transaksi menggunakan algoritma K-Means, seperti pada
Gambar 4.16.
Gambar 0.16 Sequence diagram proses algoritma k-means.

8. Sequence diagram logout
interaksi antara user dengan sistem pada saat proses logout
sistem, seperti pada Gambar 4.17.
Gambar 0.17 Sequence diagram logout.

62
4.5.5 Class Diagram

Berikut adalah rancangan class diagram yang bisa dilihat
pada Gambar 4.18.
Gambar 0.18 Rancangan Class Diagram.

4.5.6 Perancangan Database
Tabel 0.18 Rancangan database user.
Field Type Description
user_id Int (11) Primary key
user_username Varchar (20)
user_password Varchar (20)
Level Varchar (20)
Tabel 0.19 Rancangan database produk.

Kar_id Int(11) Primary key
kar_KodBar Varchar (20)
kar_NamaBarang Varchar (30)
kar_StokBarang Int (5)
kar_jumTrans Int (3)
kar_jumTerj Int (3)
kar_RataPenj float
63
Tabel 0.20 Rancangan database klaster.

id Int (5) Primary key

nama Varchar (30)
C1 Int (5)
C2 Int (5)
C3 Int (5)
C4 Int (5)
C5 Int (5)
C6 Int (5)
kinerja Varchar (30)
Tabel 0.21 Rancangan database nilai.

nilai_id Int (15) Primary key
nilai_KodeBarang Varchar (15)
nilai_NamaBarang Varchar (30)
nilai_stok Int (15)
nilai_JumTrans Int (15)
nilai_JumTerj Int (15)
nilai_RataPenj Foat
nilai_hasil_point Int (15)
nilai_bulan Varchar (20)
4.5.7 Perancangan Interfaces

Perancangan interface merupakan suatu hal yang penting
dalam membangun suatu sistem, untuk mengkomunikasikan antar
sistem sebelum sistem dibangun, sehingga sistem yang dibangun
akan sesuai rencana dan mendapatkan hasil yang diharapkan.
64
1. Perancangan Tampilan Login

Tampilan menu login ini digunakan pengguna sebelum
masuk ke dalam sistem. Sistem hanya bisa digunakan bagi
pengguna yang memiliki username dan password pada sistem
An Nur, tampilan bisa dilihat pada Gambar 4.19.
Gambar 0.19 Tampilan login awal sistem.
2. Perancangan Tampilan Home

Pada perancangan tampilan Home berisi tentang
beberapa gambar produk An Nur, Deskripsi singkat Toko An
Nur, Produk-produk yang dijual di toko An Nur, Deskripsi
Algoritma yang diterapkan, bisa dilihat pada Gambar 4.20.
Gambar 0.20 Tampilan home sistem.

65
3. Perancangan Tampilan Data Produk

Pada perancangan data produk berisi tabel data produk An
Nur meliputi kode barang, nama barang, stok barang, jumlah
transaksi, jumlah terjual, rata-rata penjualan dan opsi untuk
mengedit data produk, bisa dilihat pada Gambar 4.21.
Gambar 0.21 Tampilan data produk sistem.
4. Perancangan Tampilan Data Klastering

Pada Tampilan data klastering berisi tabel data transaksi
yang akan diklastering, menu untuk memproses data yang akan
diklastering dan menghapus data tabel transaksi, bisa dilihat pada
Gambar 4.22.
Gambar 0.22 Tampilan data klastering.

66
5. Perancangan Tampilan Input Data Produk

Pada tampilan input data produk berisi form untuk
menginput data yang nantinya akan masuk ke tabel menu data
produk, button insert, untuk memasukkan data yang telah diisi.
Form input data meliputi kode barang, nama barang, stok barang,
jumlah transaksi, jumlah terjual, rata-rata penjualan, lebih
jelasnya bisa dilihat pada Gambar 4.23.
Gambar 0.23 Tampilan input data produk.
6. Perancangan Tampilan Input Data Klastering

Pada tampilan input data klastering berisi form untuk
menginput data yang nantinya akan masuk ke tabel menu data
klastering, button cari, button ini berfungsi jika kita memasukkan
kode barang maka data dari barang tersebut akan secara
otomastis muncul dalam form, button insert, untuk memasukkan
data yang telah diisi. Form input data meliputi kode barang,
nama barang, stok barang, jumlah transaksi, jumlah terjual, rata-
rata penjualan, lebih jelas bisa dilihat pada Gambar 4.24.
67
Gambar 0.24 Tampilan input data klaster.
7. Perancangan Tampilan Alur Sistem

Pada tampilan alur sistem berisi alur menggunakan sistem
ini mulai dari login, input data, edit data, dan memproses data.
Sehingga memudahkan pengguna dalam menggunakan sistem
ini, lebih jelasnya pada Gambar 4.25.
Gambar 0.25 Tampilan alur sistem.

BAB V
IMPLEMENTASI SISTEM
5.1 Implementasi Database

Pembuatan sistem klaster pengelompokan transaksi menggunakan
algoritma K-means pada toko An Nur ini menggunakan database MySQL
dan memiliki beberapa tabel penyusunan diantara lain :
1. Database user
Gambar 0.1 Database user.
2. Database nilai
Gambar 0.2 Database nilai.
3. Database klaster
Gambar 0.3 Database klaster.
68
69
4. Database produk
Gambar 0.4 Database Produk

5.2 Hasil Implementasi
Hasil penelitian ini merupakan implementasi dari perencanaan yang
telah disusun pada bab sebelumnya. Berikut adalah hasil implementasi dari
perencanaan yang dijelaskan pada bab sebelumnya :
5.2.1 Halaman Login
Berikut adalah hasil implementasi dari perencanaan login
sistem. Pada halaman login user diharuskan memasukkan username
dan password untuk dapat menjalankan sistem, bisa dilihat pada
Gambar 5.5.
Gambar 0.5 Tampilan Awal Login.
5.2.2 Halaman Dashboard

Berikut adalah hasil implementasi dari perencanaan halaman
dashboard sistem. Pada dasboard sistem akan tampil gambar produk
toko An Nur, Profil toko An Nur dan pilihan menu untuk masuk ke
halaman lainnya, seperti pada Gambar 5.6.
70
Gambar 0.6 Tampilan dashboard sistem.
5.2.3 Halaman Data Produk

data produk. Pada halaman produk akan tampil tabel data produk
seperti : kode barang, nama barang, stok barang, jumlah transaksi,
jumlah terjual, rata-rata penjualan. Pada halaman produk juga akan
tampil menu tambah produk, edit produk, hapus produk, lebih
jelasnya bisa dilihat pada Gambar 5.7.
Gambar 0.7 Tampilan halaman data produk.

71
5.2.4 Halaman Data Klastering

data klastering. Pada halaman data klastering akan tampil data
transaksi yang akan diproses pengelompokkan dalam algoritma K-
means dengan mengelompokkan menjadi 3 kriteria barang sangat
laku, laku dan kurang laku. Pada halaman data transaksi juga akan
tampil menu hapus data transaksi, lebih jelas bisa dilihat pada
Gambar 5.8.
Gambar 0.8 Tampilan data klaster.
5.2.5 Halaman Input Data Produk

Berikut ini adalah hasil implementasi dari perencanaan
halaman input data produk. Pada halaman input data produk akan
tampil form untuk di inputkan ke halaman data produk seperti kode
barang, nama barang, stok barang, jumlah transaksi, jumlah terjual,
rata-rata penjualan dan menu untuk insert data ke halaman data
72
Gambar 0.9 Tampilan input data produk.
5.2.6 Halaman Input Data Klastering

halaman input data klastering. Pada halaman input data produk akan
tampil form untuk di inputkan ke halaman data klastering seperti
kode barang, nama barang, stok barang, jumlah transaksi, jumlah
terjual, rata-rata penjualan, menu untuk insert data ke halaman data
klastering, dan terdapat menu cari. Menu cari berfungsi untuk
searching data yang sudah di inputkan pada halaman produk, jadi
apabila data yang ingin inputkan sudah ada kita hanya manggil data
pada menu cari tanpa harus mengetik ulang, seperti pada Gambar
5.10.
73
Gambar 0.10 Tampilan input data klaster.
5.2.7 Halaman Alur Program

halaman alur sistem. Pada halaman alur sistem akan tampil tabel
yang berisi alur menggunakan sistem, seperti pada Gambar 5.11.
Gambar 0.11 Tampilan alur jalannya program.

74
5.3 Pengujian Blackbox

Black Box Testing berfokus pada spesifikasi fungsional dari
perangkat lunak. Tester dapat mendefinisikan kumpulan kondisi input dan
melakukan pengetesan pada spesifikasi fungsional program. Berikut adalah
pengujian pada blackbox dalam sistem ini bisa dilihat dalam tabel dibawah
ini.
Tabel 0.1 Pengujian Blackbox.
No. Kelas pengujian Butir pengujian Jenis pengujian
1 Login Input Username Blackbox

dan password.
2 Edit data produk Mengisi form data Blackbox

transaksi dan
update data yang
di edit.
3 Input data transaksi Pengisian data Blackbox

transaksi.
4 Hapus data Penghapusan data Blackbox

transaksi transaksi.
5 Klastering data Hasil pengujian Blackbox

transaksi dengan sistem dengan
Algoritma K- hasil penghitungan
Means manual.
6 Logout Keluarkan sistem. Blackbox
5.4 Hasil Pengujian

Pengujian Blackbox yang dilakukan pada sistem yaitu sebagai
berikut : login, edit data produk, input data transaksi, hapus data transaksi,
pengelompokkan data transaksi dengan algoritma K-Means, logout.
75
1. Pengujian login
Tabel 0.2 pengujian login.
Yang diharapkan Pengamatan Kesimpulan
Data masukan
Username: admin Menampilkan Berhasil masuk Berhasil
Password : admin masuk sistem ke sistem ke
pada bagian home bagian tampilan
(halaman utama). utama (home).
2. Pengujian edit data transaksi

Tabel 0.3 Pengujian edit data transaksi.
Data
masukan
Klik button Data bisa di Data yang sudah di update Berhasil
edit data. update dan bisa dan di ubah berhasil keluar
di ubah serta data pada tampilan form berisi data
yang di update yang berhasil di update.
dan di ubah pada
database.
3. Pengujian input data transaksi

Tabel 0.4 Pengujian input data transaksi.
Data
masukan
Klik button Input data masuk Tampilan berupa Berhasil
insert data. ke dalam pemberitahuan bahwa data
database. berhasil di simpan dan data
tersebut masuk tersimpan ke
dalam database.
76
4. Pengujian hapus data transaksi

Tabel 0.5 Pengujian hapus data transaksi.
Data
masukan
Klik button Pada data tabel Data pada server database Berhasil
hapus data. transaksi dan terhapus dan tampilan form
server database juga terhapus.
bisa terhapus.
5. Pengujian klastering algoritma k-means

Tabel 0.6 Pengujian Klastering dengan algoritma K-Means.
Yang di harapkan Pengamatan Kesimpulan
Data masukan
Penghitungan Hasil Hasil yang Berhasil
manual dan penghitungan dibandingkan
penghitungan sama. sama.
sistem.
6. Pengujian logout
Tabel 0.7 Pengujian logout.
Yang di harapkan Pengamatan Kesimpulan
Data masukan
Klik button log Keluar dari Keluar dari admin Berhasil
out. session admin. area dan kembali
ke menu login.
Berikut adalah perbandingan hasil dari perhitungan manual dan

perhitungan sistem, dan hasil yang didapat sama, bisa dilihat pada tabel
dan gambar dibawah ini.
77
Tabel 0.8 Hasil penghitungan manual iterasi 1.

Iterasi-1
Jumlah Jarak
No. Nama Barang Jumlah Terjual Rata-rata penjualan Cluster 1 Cluster 2 Cluster 3
Transaksi Terdekat
1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 32,39 74,71 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 24,21 21,21 C3
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 0,00 45,34 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 34,66 10,82 C3
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 45,34 0,00 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 49,58 4,24 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 50,33 5,00 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 28,32 17,03 C3
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 30,48 14,87 C3
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 50,33 5,00 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 48,17 2,83 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 48,84 3,62 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 36,07 9,86 C3
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 57,40 12,09 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 57,40 12,09 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 57,40 12,09 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 18,87 27,79 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 43,15 4,19 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 22,80 22,63 C3
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 39,05 6,40 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 57,40 12,09 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 55,97 10,63 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 51,74 6,40 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 43,28 2,24 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 28,43 17,89 C3
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 54,56 9,22 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 48,11 3,20 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 45,34 0,00 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 47,51 2,24 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 57,40 12,09 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 53,15 7,81 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 57,40 12,09 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 50,33 5,00 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 49,52 4,52 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 50,33 5,00 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 48,92 3,61 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 49,58 4,24 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 54,52 9,41 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 53,15 7,81 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 53,15 7,81 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 55,97 10,63 C3
42 Terpal 2 x 3 a12 Salur 1 5 5 81,70 53,18 8,95 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 45,34 0,00 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 48,84 3,62 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 50,99 5,66 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 49,58 4,24 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 51,74 6,40 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 53,15 7,81 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 55,97 10,63 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 57,40 12,09 C3
78
79
Gambar 0.12 Hasil penghitungan dari sistem iterasi 1.

80

Iterasi-2
Jumlah Jarak
Transaksi Terdekat
1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 39,22 77,19 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 15,65 23,85 C2
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 9,44 47,96 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 25,61 13,39 C3
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 36,40 2,64 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 40,61 1,62 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 41,40 2,47 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 19,42 19,65 C2
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 21,63 17,49 C3
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 41,40 2,47 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 39,20 0,24 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 39,82 1,11 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 26,91 12,31 C3
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 48,43 9,49 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 48,43 9,49 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 48,43 9,49 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 9,44 30,31 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 33,97 5,89 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 14,32 25,26 C2
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 30,23 9,04 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 48,43 9,49 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 47,01 8,02 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 42,80 3,83 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 34,41 4,83 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 19,11 20,37 C2
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 45,61 6,61 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 39,05 1,38 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 36,40 2,64 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 38,60 0,99 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 48,43 9,49 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 44,21 5,21 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 48,43 9,49 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 41,40 2,47 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 40,46 2,15 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 41,40 2,47 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 40,00 1,24 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 40,61 1,62 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 45,48 6,85 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 44,21 5,21 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 44,21 5,21 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 47,01 8,02 C3
42 Terpal 2 x 3 a12 Salur 1 5 5,00 81,70 44,09 6,75 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 36,40 2,64 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 39,82 1,11 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 42,01 3,03 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 40,61 1,62 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 42,80 3,83 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 44,21 5,21 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 47,01 8,02 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 48,43 9,49 C3
81
82

83

Iterasi-3
Jumlah Jarak
Transaksi Terdekat
1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 50,21 79,21 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 4,72 25,90 C2
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 20,27 50,02 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 14,40 15,44 C2
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 25,14 4,69 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 29,36 0,46 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 30,14 0,75 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 8,14 21,70 C2
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 10,36 19,55 C2
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 30,14 0,75 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 27,96 1,86 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 28,60 1,39 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 15,81 14,33 C3
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 37,19 7,45 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 37,19 7,45 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 37,19 7,45 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 4,65 32,35 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 22,88 7,72 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 3,69 27,31 C2
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 18,95 11,07 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 37,19 7,45 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 35,77 5,96 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 31,55 1,82 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 23,14 6,84 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 8,50 22,39 C2
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 34,36 4,56 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 27,85 2,40 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 25,14 4,69 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 27,34 2,66 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 37,19 7,45 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 32,95 3,17 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 37,19 7,45 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 30,14 0,75 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 29,27 1,63 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 30,14 0,75 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 28,74 1,35 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 29,36 0,46 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 34,29 4,94 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 32,95 3,17 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 32,95 3,17 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 35,77 5,96 C3
42 Terpal 2 x 3 a12 Salur 1 5 5,00 81,70 32,99 5,42 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 25,14 4,69 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 28,60 1,39 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 30,77 0,98 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 29,36 0,46 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 31,55 1,82 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 32,95 3,17 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 35,77 5,96 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 37,19 7,45 C3
84
85

86

Iterasi-4
Jumlah Jarak
Transaksi Terdekat
1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 53,18 80,04 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 2,58 26,75 C2
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 23,34 50,87 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 11,32 16,29 C2
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 22,06 5,54 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 26,28 1,30 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 27,06 0,86 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 5,06 22,56 C2
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 7,29 20,40 C2
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 27,06 0,86 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 24,87 2,71 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 25,52 2,17 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 12,77 15,17 C2
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 34,11 6,61 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 34,11 6,61 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 34,11 6,61 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 6,76 33,19 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 19,84 8,50 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 2,58 28,16 C2
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 15,88 11,92 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 34,11 6,61 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 32,68 5,11 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 28,46 1,04 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 20,05 7,68 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 5,89 23,23 C2
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 31,28 3,71 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 24,77 3,14 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 22,06 5,54 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 24,25 3,47 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 34,11 6,61 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 29,87 2,33 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 34,11 6,61 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 27,06 0,86 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 26,19 2,09 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 27,06 0,86 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 25,65 2,10 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 26,28 1,30 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 31,21 4,20 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 29,87 2,33 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 29,87 2,33 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 32,68 5,11 C3
42 Terpal 2 x 3 a12 Salur 1 5 5,00 81,70 29,94 5,01 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 22,06 5,54 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 25,52 2,17 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 27,69 0,21 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 26,28 1,30 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 28,46 1,04 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 29,87 2,33 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 32,68 5,11 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 34,11 6,61 C3
87
88

89

Iterasi-5
Jumlah Jarak
Transaksi Terdekat
1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 54,46 80,42 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 2,70 27,12 C2
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 24,75 51,25 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 9,91 16,67 C2
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 20,67 5,91 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 24,88 1,68 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 25,67 1,10 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 3,73 22,93 C2
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 5,96 20,77 C2
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 25,67 1,10 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 23,48 3,08 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 24,12 2,55 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 11,36 15,55 C2
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 32,72 6,23 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 32,72 6,23 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 32,72 6,23 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 7,79 33,57 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 18,42 8,88 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 3,36 28,53 C2
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 14,52 12,28 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 31,29 4,73 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 27,07 0,71 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 18,68 8,04 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 4,69 23,61 C2
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 29,88 3,33 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 23,37 3,50 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 20,67 5,91 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 22,87 3,82 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 28,48 1,95 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 25,67 1,10 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 24,78 2,39 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 25,67 1,10 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 24,27 2,43 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 24,88 1,68 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 29,81 3,91 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 28,48 1,95 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 28,48 1,95 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 31,29 4,73 C3
42 Terpal 2 x 3 a12 Salur 1 5 5,00 81,70 28,53 4,91 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 20,67 5,91 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 24,12 2,55 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 26,29 0,35 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 24,88 1,68 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 27,07 0,71 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 28,48 1,95 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 31,29 4,73 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 32,72 6,23 C3
90
91

92

Iterasi-6
Jumlah Jarak
Transaksi Terdekat
1 Terpal 2 x 3 a5 China 43 75 1,74 0,00 54,46 80,42 C1

2 Terpal 3 x 3 a5 China 23 24 1,04 54,79 2,70 27,12 C2
3 Terpal 3 x 4 a5 China 38 43 1,13 32,39 24,75 51,25 C2
4 Terpal 3 x 5 a5 China 14 18 1,29 63,95 9,91 16,67 C2
5 Terpal 3 x 6 a5 China 8 9 1,13 74,71 20,67 5,91 C3
6 Terpal 3 x 7 a5 China 5 6 1,20 78,77 24,88 1,68 C3
7 Terpal 4 x 4 a5 China 5 5 1,00 79,65 25,67 1,10 C3
8 Terpal 4 x 5 a5 China 19 22 1,16 58,18 3,73 22,93 C2
9 Terpal 4 x 6 a5 China 18 20 1,11 60,42 5,96 20,77 C2
10 Terpal 4 x 7 a5 China 5 5 1,00 79,65 25,67 1,10 C3
11 Terpal 5 x 6 a5 China 6 7 1,17 77,42 23,48 3,08 C3
12 Terpal 5 x 7 a5 China 5 7 1,40 77,90 24,12 2,55 C3
13 Terpal 6 x 8 a5 China 12 18 1,50 64,88 11,36 15,55 C2
14 Terpal 6 x 10 a5 China 0 0 0,00 86,47 32,72 6,23 C3
15 Terpal 6 x 11 a5 China 0 0 0,00 86,47 32,72 6,23 C3
16 Terpal 6 x 12 a5 China 0 0 0,00 86,47 32,72 6,23 C3
17 Terpal 2 x 3 a5 Korea 22 33 1,50 46,96 7,79 33,57 C2
18 Terpal 3 x 3 a5 Korea 7 13 1,86 71,69 18,42 8,88 C3
19 Terpal 3 x 4 a5 Korea 24 25 1,04 53,49 3,36 28,53 C2
20 Terpal 3 x 5 a5 Korea 13 13 1,00 68,88 14,52 12,28 C3
21 Terpal 3 x 6 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
22 Terpal 3 x 7 a5 Korea 1 1 1,00 85,09 31,29 4,73 C3
23 Terpal 4 x 4 a5 Korea 4 4 1,00 81,01 27,07 0,71 C3
24 Terpal 4 x 5 a5 Korea 10 10 1,00 72,90 18,68 8,04 C3
25 Terpal 4 x 6 a5 Korea 16 25 1,56 56,82 4,69 23,61 C2
26 Terpal 4 x 7 a5 Korea 2 2 1,00 83,73 29,88 3,33 C3
27 Terpal 5 x 6 a5 Korea 5 8 1,60 77,03 23,37 3,50 C3
28 Terpal 5 x 7 a5 Korea 8 9 1,13 74,71 20,67 5,91 C3
29 Terpal 6 x 8 a5 Korea 7 7 1,00 76,95 22,87 3,82 C3
30 Terpal 6 x 10 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
31 Terpal 6 x 11 a5 Korea 3 3 1,00 82,37 28,48 1,95 C3
32 Terpal 6 x 12 a5 Korea 0 0 0,00 86,47 32,72 6,23 C3
33 Terpal 2 x 3 a12 Hijau 5 5 1,00 79,65 25,67 1,10 C3
34 Terpal 3 x 4 a12 Hijau 4 7 1,75 78,39 24,78 2,39 C3
35 Terpal 3 x 5 a12 Hijau 5 5 1,00 79,65 25,67 1,10 C3
36 Terpal 4 x 5 a12 Hijau 6 6 1,00 78,30 24,27 2,43 C3
37 Terpal 4 x 6 a12 Hijau 5 6 1,20 78,77 24,88 1,68 C3
38 Terpal 4 x 7 a12 Hijau 1 3 3,00 83,36 29,81 3,91 C3
39 Terpal 5 x 6 a12 Hijau 3 3 1,00 82,37 28,48 1,95 C3
40 Terpal 5 x 7 a12 Hijau 3 3 1,00 82,37 28,48 1,95 C3
41 Terpal 6 x 8 a12 Hijau 1 1 1,00 85,09 31,29 4,73 C3
42 Terpal 2 x 3 a12 Salur 1 5 5,00 81,70 28,53 4,91 C3
43 Terpal 3 x 4 a12 Salur 8 9 1,13 74,71 20,67 5,91 C3
44 Terpal 3 x 5 a12 Salur 5 7 1,40 77,90 24,12 2,55 C3
45 Terpal 4 x 5 a12 Salur 4 5 1,25 80,13 26,29 0,35 C3
46 Terpal 4 x 6 a12 Salur 5 6 1,20 78,77 24,88 1,68 C3
47 Terpal 4 x 7 a12 Salur 4 4 1,00 81,01 27,07 0,71 C3
48 Terpal 5 x 6 a12 Salur 3 3 1,00 82,37 28,48 1,95 C3
49 Terpal 5 x 7 a12 Salur 1 1 1,00 85,09 31,29 4,73 C3
50 Terpal 6 x 8 a12 Salur 0 0 0,00 86,47 32,72 6,23 C3
93
94
Keterangan hasil akhir perhitungan sistem di iterasi ke 6 :

C1 menunjukkan hasil kurang laku. Produknya yaitu :
1. Terpal 2 x 3 a5 China.
C2 menunjukkan hasil laku. Produknya yaitu :
7. Terpal 2 x 3 a5 Korea.
95
C3 menunjukkan hasil sangat laku. Produknya yaitu :

1. Terpal 3 x 6 a5 China. 31. Terpal 6 x 8 a12 Hijau.
2. Terpal 3 x 7 a5 China. 32. Terpal 2 x 3 a12 Salur.
10. Terpal 3 x 3 a5 Korea. 40. Terpal 6 x 8 a12 Salur.
23. Terpal 2 x 3 a12 Hijau.
BAB VI
PENUTUP
6.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan di toko An Nur, maka
dapat ditarik beberapa kesimpulan sebagai berikut :
1. Dengan dibuatnya sistem dengan algoritma K-Means ini dapat membantu
toko An Nur dalam menyusun strategi dalam menentukan stok barang
dengan dikelompokkan menjadi 3 kriteria yaitu sangat laku, laku, dan
kurang laku.
2. Klastering produk merupakan suatu kelompok entitas yang memiliki
persamaan dan memiliki perbedaan entitas dari kelompok lain. Cara kerja
teknik klaster yaitu dengan mengelompokkan objek-objek data (entitas,
kejadian, pola, unit, hasil observasi) atau melakukan pemisahan/
segmentasi/pemecahan data kedalam sejumlah klaster tertentu.
3. Pemilik toko An Nur dapat mengetahui produk-produk dari toko yang
tergolong dalam kriteria sangat laku, laku dan kurang laku.
6.2 Saran
Untuk meningkatkan kinerja dari sistem yang telah dibuat ini agar
menjadi lebih baik lagi, adapun saran agar pembaca yang ingin
mengembangkan sistem ini agar menjadi lebih baik lagi sebagai berikut :
1. Untuk mendapatkan hasil yang lebih variatif penelitian ini bisa di
implementasikan pada perusahaan/ toko lain sehingga dapat membatu
pemilik perussahaan/ toko dalam mengembangkan bisnisnya.
2. Jika penerapan algoritma k-means ini dapat membantu dalam menyusun
strategi dalam menentukan stok barang, diharapkan metode ini lebih
dikombinasi lagi dengan algoritma lain agar mendapatkan hasil yang
lebih baik lagi dan proses penghitungan lebih cepat.
3. Dari hasil aplikasi ini belum sangat lengkap dan masih sederhana,
diharapkan ada yang mengembangkan sistem ini menjadi lebih baik lagi.
Sehingga aplikasi yang digunakan lebih bermanfaat.
96
DAFTAR PUSTAKA
Bahar, A., Pramono, B., & Sagala, L. H. (2016). Penentuan Strategi Penjualan
Alat-alat Tattoo di Studio Sonyxtattoo Menggunakan Metode K-Means
Clustering. semanTIK, vol. 2, pp. 75-86.
Cahyanti, A. N., & Purnama, B. E. (2012). Pembangunan Sistem Informasi

Manajemen Puskesmas Pakis Baru Nawangan. vol. 4, pp. 17-21.
Fadli, A. (2011). Konsep Data Mining. Pohon Keputusan, vol. 1, pp. 1-9.
Faridl, M. (2015). Fitur Dahsyat Sublime Text. Lug Stikom, pp. 1-12.
Fatmawati. (2016). Perbandingan Algoritma Klasifikasi Data Mining Model C4 .

5 Dan Naive Bayes Untuk Prediksi Penyakit Diabetes. Techno Nusa
Mandiri, pp. 50-59.
Hutahaean, J. (2015). Konsep Sistem Informasi. Yogyakarta: Deepublish.
Metisen, B. M., & Sari, H. L. (2015). Analisis Clustering Menggunakan Metode

K-Means Dalam Pengelompokkan Penjualan Produk Pada Swalayan
Fadhila. J. Media Infotama, vol. 11, pp. 110-118.
Muningsih, E., & Kiswati, S. (2015). Penerapan Metode K-Means Untuk

Clustering Produk Online Shop Dalam Penentuan Stok Barang. Bianglala
Inform, vol. 3, pp. 229-236.
Muslihudin, M., & Oktafianto. (2016). Analisis Dan Perancangan Sistem

Informasi Menggunakan Model Terstruktur Dan UML. Yogyakarta: Andi.
Pressman, R. (2012). Rekayasa perangkat lunak. Yogyakarta: Andi.
Ritonga, P. (2015). Bahasa Pemrograman PHP Menurut Para Pakar. Retrieved 3

3, 2015, from Pengertian Bahasa Pemrograman PHP:
www.bangpahmi.com/2015/03/pengertian-bahasa-pemrograman-php.html
Romney, B, M., & Steinbart. (2015). Sistem Informasi Akuntansi.
Soekamto, R. A., & Shalahuddin, M. (2013). Rekayasa Perangkat Lunak

Terstruktur dan Berorientaasi Objek. Bandung: Informatika.
Suprayogi. (2013). Data Mining Clustering. J. Chem. Inf. Model., vol. 53, pp.
1689-1699.
Surmayanti, Marfalino, H., & Rahmi, A. (2015). Penerapan Analysis Clustering
Pada Penjualan Komputer Dengan Perancanganan Aplikasi Data Mining
Menggunakan Algoritma K-Means ( Study Kasus Toko Tri Buana
Komputer Kota Solok ). pp. 50-59.
Tamodia, W. (2013). Evaluasi Penerapan Sistem Pengendalian Intern Untuk

Persediaan Barang Dagangan Pada Pt. Laris Manis Utama Cabang
Manado. J. EMBA, vol. 1, pp. 20-29.
Tampubolon, K., Saragih, H., & Reza, B. (2013). Implementasi Data Mining
Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan. Inf dan
Teknol Ilm, pp. 93-106.
Wakhidah, N. (2014). Clustering Menggunakan K-Means Algorithm ( K-Means

Algorithm Clustering ). Fak. Teknol. Inf., vol. 21, pp. 70-80.

G.231.15.0034 15 File Komplit 20200302092504

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

G.231.15.0034 15 File Komplit 20200302092504

Uploaded by

Copyright:

Available Formats

PENGELOMPOKAN DATA TRANSAKSI PENJUALAN MENGGUNAKAN

ALGORITMA CLUSTERING K-MEANS PADA TOKO AN NUR

MUHAMMAD LUQMANUL HAKIM

PROGRAM STUDI S1 – TEKNIK INFORMATIKA

MUHAMMAD LUQMANUL HAKIM

S1 STUDY PROGRAM – INFORMATIC ENGINEERING

Semarang, 13 Februari 2020

HALAMAN JUDUL BAHASA INDONESIA ..................................................... i

Gambar 1.1 Model Prototype (Pressman, 2012) ......................................................5

Tabel 3.1 Penelitian Sebelumnya ...........................................................................14

1.1 Latar Belakang

1.5 Manfaat Tugas Akhir

b. Menstabilkan dan meningkatkan perekonomian toko An Nur, karena

Gambar 1.1 Model Prototype (Pressman, 2012).

Tahapan-tahapan dari metode prototype sebagai berikut :

Penulis melakukan pengamatan dan melakukan wawancara

1.7 SISTEMATIKA PENULISAN

BAB II TINJAUAN UMUM TOKO AN NUR

2.1 Sejarah Singkat Toko An Nur

2.2 Profil Perusahaan

2.3 Gambar Lokasi dan Tempat

Gambar 2.1 Tampak Depan Toko An nur

Gambar 2.2 Isi di dalam Toko An nur

c. Lokasi keberadaan Toko An Nur yang bisa dicari di GMaps yang

Gambar 2.3 Lokasi Denah Toko An nur

2.4 Visi dan Misi Toko An Nur

Dapat memenuhi segala kebutuhan alat pertanian dan

2.5 Struktur Organisasi Toko An Nur

Gambar 2.4 Struktur Organisasi Toko An Nur.

2.6 Uraian Tugas

3.1 Tinjauan Studi Penelitian Sebelumnya

Tabel 0.1 Penelitian Sebelumnya.

No Nama Tahun Judul Masalah Metode / Hasil

1. - Benri Melpa 1. Pemrosesan data K-Means

2. - Surmayanti, 1. Meningkatkan Efektifitas

Marfallino Clustering Pada strategis seperti tingkat Buana Komputer yang

- Laode Studio kelompok kriteria sehingga

4. - Elly 1. Produk yang K-Means

di stok dengan menentukan stok barang

3.2 Pengertian Sistem

f. Masukan Sistem (Input)

3.3 Pengertian Data Mining

Gambar 0.1 Tahapan Utama Proses Data Mining (Fadli, 2011).

Data mining adalah suatu kegiatan menambang pengetahuan atau

Gambar 0.2 Langkah-langkah data mining (Fadli, 2011).

Langkah-langkah dalam melakukan data mining adalah sebagai berikut :

g. Knowledge presentation (di mana gambaran teknik visualisasi

3.3.1 Arsitektur Data Mining

klaster dapat di aplikasikan keberbagai bidang ilmu di antaranya : Teknik,

c. Menghitung pusat cluster (centroid) dengan Means untuk masing-

d. Mengalokasikan data kecentroid terdekat. Rumus untuk

aij adalah nilai keanggotaan titik Xi ke centroid c1, d adalah jarak

e. Implementasikan alternatif terpilih dari sekian alternatif yang telah

Aktor/actor Orang atau pihak yang akan

Asosiasi / Komunikasi antara actor dan

pada use case yang memiliki

Tabel 0.3 Simbol Sequence Diagram (Muslihudin & Oktafianto, 2016).

Garis hidup Menyatakan kehidupan suatu objek.

Objek Menyatakan objek yang berinteraksi

Boundary Menyatakan objek sebagai tampilan.

Control Menyatakan objek sebagai control.

Entity Menyatakan objek sebagai data.

Waktu aktif Menyatakan objek dalam keadaan