< prev

Page 1Page 2Page 3Page 4Page 5Page 6Page 7Page 8Page 9Page 10Page 11Page 12

Page 4 of 12
next >

Majalah Ilmiah UNIKOM

Vol.15 No. 2

192

H a l a m a n

Permasalahan yang muncul pada data

transaksi penjualan yaitu adanya informasi

yang hilang dengan tidak terdapatnya atri-

but yang dibutuhkan untuk melakukan ana-

lisis terkait dengan tujuan penelitian. Peneli-

tian ini memperhitungkan trends berdasar-

kan jumlah produk yang terjual. Sedangkan

atribut jumlah penjualan tidak terdapat pa-

da data penjualan. Attribute construction

merupakan solusi untuk mengatasi perma-

salahan tersebut. Attribute construction

membentuk satu atau lebih atribut baru

yang dibentuk dari atribut-atribut yang

sudah ada untuk membantu peningkatan

akurasi dan pemahaman data dalam

struktur dimensi yang lebih tinggi. Penera-

pan attribute construction yaitu dengan

membentuk atribut qty_product yang berisi

informasi mengenai jumlah dari produk

yang terjual untuk setiap transaksi penjua-

lan. Atribut jumlah penjualan didapat dari

hasil perhitungan atribut total_product

dibagi dengan atribut price.

Memahami skema data yang akan digali

merupakan upaya untuk mendapatkan hasil

penggalian data lebih maksimal. Identifikasi

struktur produk merupakan proses pemaha-

man skema data. Data transaksi penjualan

yang digunakan pada penelitian ini memiliki

pengelompokan untuk setiap itemnya

Pemilihan tingkatan data didasarkan pada

jumlah dari varian produk dengan intesitas

jumlah transaksi penjualannya, dikarenakan

kondisi waktu diperhitungkan terkait den-

gan data yang lain. Penelitian ini menggu-

nakan pengelompokan data pada tingkatan

parent produk,dikarenakan varian produk

yang banyak dengan intesitas transaksi pen-

jualan untuk setiap produknya yang sedikit

untuk rentang waktu tertentu.

Proses normalisasi data juga diperlukan

pada data transaksi penjualan yaitu dengan

membentuk struktur pengkodean untuk

product_id yang baru yang disesuakan den-

gan struktur produk. Penggantian atribut

nama dengan Id dengan skema tertentu

digunakan untuk mempermudah proses

penggalian dan untuk mendapatkan hasil

yang lebih maksimal.

3. Analisa Data Ulasan Konsumen

Data ulasan konsumen merupakan salah

satu faktor penting untuk user dalam men-

gambil keputusan untuk melakukan pembe-

lian secara online. Semakin banyak ulasan

user tersedia di internet. Ulasan untuk pro-

duk atau jasa yang biasanya didasarkan

pada opini-opini dengan format yang tidak

terstruktur. (Vinodhini, et al., 2012).

Data ulasan konsumen yang digunakan da-

lam membangun model data mining atau

ada nilai yang tidak dimasukkan dalam da-

ta. Ada juga kendala ketidaklengkapan data

atau malah sengaja tidak diisi karena suatu

hal. Jika, nilai kosong (missing values) san-

gat banyak maka, bisa jadi akan menurun-

kan akurasi dari model data mining yang

dibangun. Untuk mengurangi missing values

akan menggunakan cara mengisi dengan

nilai positif.

Tabel 3. Data Ulasan Konsumen

Apriani Puti Purfini

Date

Prod-

uct_ID

Ulasan

2014-

01-02

HTH-

P0406

Bagus sekali

2014-

01-02

HTH-

P0277

bisa ndak ya, kedua kartu

dipakai jaringan 3G tanpa

pindah kartu, biasanya

sih simcard 1 jaringan 3G

dan simcard 2 jaringan

2G? klo dari aganAgan yg

uda pada beli dan sayang

na ini hp blum 4Gmerasa-

kan ini hp tolong dong

kasih info ea.

2014-

01-02

KPAK0

606

packaging rapih dan

pengiriman cepat

2014-

01-02

HTH-

P0255

Rasanya enakkk sekali.

Meskipun ada di sema-

rang tapi saya tetap beli

di karena ada diskon dan

jatuhnya lebih murah.

2014-

01-03

KPAK0

701

ketahanan daya mantap...

tahan lama buat 1 unit pc

2014-

01-04

FPSP0

501

Ada bercak sidik jari d

garis putihnya