Luki Ishwara's journal

Penjelasan tentang Market Basket Analysis

Ide Dasar

Sekarang kita coba bahas ide dasar dari Market Basket Analysis, Coba anda bayangkan kalau anda jalan-jalan ke Supermarket misalnya Superindo (dulunya Gelael, tempat belanja favorite saya di *** dulu hehehe), perhatikan orang yg belanja dengan menggunakan trolley, perhatikan trolley tersebut, trolley itu berisi berbagai macam produk seperti (misalnya) pulpy orange, Nestle Purelife, pisang, pembersih jendela, deterjen dan lain-lain.

Satu keranjang ini menginformasikan kita tentang apa saja yang dibeli konsumen pada satu waktu, oke lah pada akhirnya mereka menuju kasir dan membayarnya, tampaknya tidak ada satu hal yg istimewa disini, tapi dari sisi supermarket tersebut sebenarnya telah memperoleh sebuah daftar lengkap pembelian yang dilakukan oleh semua pelanggannya, nah daftar lengkap pembelian ini memiliki sebuah bagian penting dari bisnis ritel seperti: barang apa saja yg dibeli oleh konsumen, disini konsumen pun membeli serangkaian produk yg berbeda, dengan quantity yang berbeda, dan dalam kerangka waktu yang berbeda ***.

Market Basket Analysis menggunakan infromasi tentang apa saja yang dibeli oleh konsumen untuk menghasilkan sebuah wawasan tentang siapa sebenarnya para konsumen kita dan mengapa mereka melakukan pembelian tertentu.

Market Basket Analysis memberikan informasi baru tentang barang dagangan mana yang cenderung untuk dibeli bersama sama, dan mana yang paling cocok untuk dimasukkan ke promosi, nah ketika informasi baru ini didapat, informasi baru ini bisa langsung ditindak lanjuti, misalnya:

Kunci untuk membuat Keputusan yang efektif

Pada postingan blog sebelumnya kita sudah menyadari bahwa ada tiga kunci penting dalam membuat keputusan yang efektif:

1. Harus memiliki sebuah tujuan yang Spesifik
2. Harus ada cara untuk mengukur apakah langkah yang diambil membawa pergerakan ke arah yg dekat atau malah menjauh dari sasaran yang diinginkan.
3. Informasi yang diperoleh berdasarkan cara pengukuran tersebut harus diberikan kepada para pengambil keputusan pada waktu yang tepat.

sekarang kita akan bahas lebih dalam lagi tentang faktor ini.

Kemana arah anda? kesini atau kesana?

Banyak sekali organisasi yang memiliki tujuan yang tidak jelas dalam misinya, kata-kata seperti misalnya “Mewujudkan kepuasan total Konsumen” merupakan sebuah slogan besar yang digunakan untuk mendevelop sebuah kampanye pemasaran (marketing campaign) ataupun membangun semangat pada tim kita supaya mencapai tujuan kesuksesan, namun kata-kata ini tidak memiliki sebuah batasan pengukuran yang jelas untuk menakar / mengukur performa bisnis organisasi tersebut.

“Mewujudkan kepuasan total Konsumen” adalah cita cita yang indah (Dunia tampaknya akan menjadi tempat yang jauh lebih menyenangkan kalau saja setengah perusahaan di dunia ini yang memiliki slogan tersebut benar-benar menuju ke arah itu ), tapi masalahnya adalah:

• Bagaimana mengukur “kepuasan total konsumen”
• Bagaimana caranya kita tahu bahwa kita telah mencapai ke cita-cita yang kita inginkan tersebut?,
• Apakah kita telah membuat kemajuan yang mendekatkan kita ke arah cita-cita tersebut?.

Keputusan yang efektif

Hidup selalu penuh dengan pilihan.

Apakah malam ini saya akan merebus Mie ABC Selera Pedas ataukah saya keluar mencari Sate Kambing di lapak Sihono Putro yang terletak di area Arcamanik untuk makan malam saya?

Haruskah saya mulai mengambil sertifikasi profesional di bidang IT atau saya cukup mengandalkan gelar akademis yang saya dapatkan dari tempat kuliah saya? 

Haruskah saya menyediakan waktu menuliskan ide dan pengetahuan yang saya miliki dalam blog saya ataukah saya cukup memendamnya sendiri saja?

Pilihan yang kita buat dapat memiliki konsekuensi yang mengubah hidup. Bahkan tampaknya sepele, keputusan dapat memiliki konsekuensi yang besar di jalan hidup kita.

Ini seperti orang tua Anda selalu mengatakan Anda: Kunci keberhasilan dalam hidup adalah membuat pilihan yang baik

Pengambilan keputusan yang efektif

Pengambilan keputusan adalah sebuah hal yang penting didalam dunia kerja yang kita jalani, setiap hari banyak sekali keputusan harus dibuat untuk menentukan arah dan efisiensi di tempat kita bekerja, misal:

• keputusan yang dibuat ketika harus menentukan kapasitas produksi, target pemasaran, dan sumber daya manusia
• keputusan yang dibuat ketika harus menentukan harga pokok produksi, harga pokok jual, dan margin yang akan diperoleh

sama seperti keputusan yang kita ambil untuk kehidupan kita sendiri, kunci sukses sebuah organisasi adalah dengan membuat pilihan yang baik, pilihan yang tepat. Sebuah organisasi harus memiliki pengambil keputusan yang menghasilkan sebuah keputusan yang efektif.

Skala Pengukuran pada Statistik

Mungkin terlihat tidak lazim kenapa saya menuliskan blog ini , tidak tampak IT Related.

fokus blog ini ingin saya arahkan kepada Business Intelligence, tentu tidak terlepas dari Data Mining, nah data mining sendiri merupakan perkawinan antara Computer Science dan Statistik. Dalam usaha pencarian informasi dalam data, tentu kita tidak lepas dari disiplin ilmu statistik (disamping disiplin ilmu computer science). karena itu saya ingin mendokumentasikan beberapa skala pengukuran yang nantinya akan kita pakai didalam proses data mining.

Kurang lebih keterkaitannya ada disitu . saya harapkan kita tidak hanya menjadi “operator” sebuah system, tapi juga memahami apa hakikat yang dikerjakan oleh system tersebut, termasuk ketika kita harus melakukan sebuah “klasifikasi” terhadap data tertentu (yg kadang di lapangan harus kita lakukan secara manual).

Skala Nominal

Skala yang mengelompokkan obyek atau peristiwa dalam berbentuk kategori. Skala nominal diperoleh dari pengukuran nominal yaitu suatu proses mengklasifikasian obyek-obyek yang berbeda kedalam kategori-kategori berdasarkan beberapa karakteristik tertentu

Contoh Kasus:

Andre dan Anna bergolongan darah A, adapun Betty bergolongan darah B. Dapat dikatakan bahwa:

• Golongan darah Andre ‘sama dengan (=)’ golongan darah Anna, dan
• Golongan darah Andre ‘tidak sama dengan (≠)’ golongan darah Betty.

Terhadap golongan darah Andre dan Betty tidak dapat diajukan pertanyaan berikut:

1. Manakah yang lebih … (lebih tinggi, lebih besar, lebih dulu, dan seterusnya), golongan darah Andre ataukah golongan darah Betty?
2. Berapakah jarak antara golongan darah Andre, yaitu A, terhadap golongan darah Betty, yaitu B?
3. Berapa kalikah besarnya golongan darah Andre dibandingkan golongan darah Betty?

Tutorial data mining dasar dengan menggunakan Microsoft SQL Server #3

Membangun Mining Model

---

Latar Belakang

Departemen marketing ingin meningkatkan penjualan dengan cara melakukan kampanye pemasaran terhadap customer-customer tertentu, metode yang digunakan adalah: menyelidiki atribut yang dimiliki oleh customer yang ada dalam database mereka. Perusahaan berharap dapat menemukan pola kesamaan yang ada di antara customer-customer berpotensi untuk membeli produk yang dihasilkan oleh perusahaan.

Katakanlah perusahaan memiliki database Adventure Works DW, yang berisi daftar dari customer-customer yang pernah membeli produk mereka, dan disamping itu, database tersebut berisi daftar customer baru yang berpotensi membeli produknya.

sebagai tambahan, departemen marketing ingin menemukan apakah terdapat pengelompokan yang logis dari customer yang terdapat pada database perusahaan, seperti misalnya customer yang memiliki kesamaan demografi dan pola pembelian.

---

Tujuan

pada pelajaran ini, anda akan belajar membuat sebuah skenario pengiriman promosi tepat sasaran, dan setelahnya anda akan mendapatkan beberapa hal sebagai berikut:

• Seperangkat mining model yang akan memberikan saran kepada anda anda, customer mana saja dari daftar customer yang merupakan customer berpotensi untuk membeli produk anda.
• Pengelompokan customer saat ini, pada kategori mana mereka berada.

Untuk menyelesaikan tugasi ini, anda akan menggunakan beberapa algoritma sebagai berikut:

1. Microsoft Naive Bayes Algorithm
2. Microsoft Decision trees Algorithm
3. Microsoft Clustering Algorithm

---

Langkah-langkah

1. Membuat sebuah Mining structure untuk skenario pengiriman promosi tepat sasaran

Langkah pertama untuk membuat sebuah skenario pengiriman promosi tepat sasaran adalah dengan menggunakan Data Mining Wizard yang terdapat pada Business Intelligence Development Studio, sehingga anda dapat menciptakan sebuah Mining Structure baru dan sebuah Decision tree mining model.

Pada tutorial ini anda akan membuat beberapa model berdasarkan mining structure yang telah dibuat. Model pertama akan dibuat bersamaan dengan dibuatnya structure ketika anda telah menyelesaikan proses wizard-nya, dan model ini tercipta berdasarkan kepada Microsoft Decision Trees Algorithm.

Tutorial Data Mining dasar dengan Menggunakan Microsoft SQL Server #2

pada tutorial bagian kedua ini saya akan pecah menjadi 4 bagian,

•  
  •  
    •  
      • Cara membuat sebuah analysis Service Project
      • Cara membuat Data Source baru
      • Cara membuat Data Source View baru
      • Memodifikasi Data Source View

Keempat langkah ini saling berkaitan, karena itu pastikan pengerjaannya berurutan.

Cara Membuat sebuah Analysis Service Project

1. Buka Microsoft SQL Server Business Intelligence Development Studio, anda bisa mendapatkannya pada Start –> All Programs –>Microsoft SQL Server 2008 – > SQL Server Business Intelligence Development Studio

Tutorial Data Mining dasar dengan Menggunakan Microsoft SQL Server #1

Tutorial ini akan memberikan anda gambaran bagaimana cara melakukan data mining dengan menggunakan SQL Server. Tutorial ini adalah tutorial dasar, jadi prinsipnya anda ikuti saja dulu langkah demi langkahnya, sampai nanti pada akhirnya anda mampu untuk melihat “The Big Picture” atau ide yang terdapat didalam tutorial dasar ini. Ketika anda sudah memperoleh “The Big Picture”-nya, kita akan masuk kedalam proses yang lebih kompleks. Mari kita mulai:

1. Menyiapkan Database untuk Analysis Service

Pada tutorial ini anda akan belajar bagaimana membuat database analysis service, menambahkan datasource dan datasource view, serta menyiapkan database baru untuk digunakan pada proses data mining.

---

2. Membangun Mining Model

Pada tutorial ini, anda akan belajar bagaimana membuat Mining Model, anda juga akan belajar bagaimana mengeksplorasi mining model, membandingkan mining model, dan membuat prediksi dari mining model yang anda buat dengan menggunakan algoritma-algoritma yang sudah disediakan seperti:

• Microsoft Decision Trees
• Microsoft Clustering
• Microsoft Naïve Bayes

Data Mining Terapan Menggunakan Microsoft Excel #3

Konfigurasi Koneksi ADD-IN ke Analysis Service

Perlu anda ketahu sebelumnya: Anda hanya dapat menggunakan Table Analysis Tools, hanya pada objek berformat tabel di Spreadsheet Excel.

Tabel pada Excel adalah sebuah area dengan format khusus, jadi bukan hanya area tertentu berisi data yang dihias tampak seolah olah sebagai sebuah tabel.

Setiap seleksi range berisi data dapat di ubah menjadi sebuah tabel, dengan cara melakukan format as table pada area data tersebut berada

Data Mining Terapan Menggunakan Microsoft Excel #2

Mempersiapkan Table Analysis Tools

SQL Server 2008 Data Mining add-ins for Microsoft Office 2007 dapat di download secara gratis, tools ini dapat membuat anda menggunakan kekuatan dari SQL Server Data mining pada Aplikasi Microsoft Office anda (terutama Microsoft Excel). Untuk mendapatkan add-in ini, anda dapat mendownloadnya di sini

Untuk menggunakan add-in ini, anda membutuhkan sebuah instance dari SQL Server Analysis service sudah terinstall di komputer anda. Analysis service sudah termasuk di dalam paket Microsoft SQL Server. Apabila anda tidak memiliki analysis service, anda dapat mendownload versi trial Microsoft SQL Server 2008 di sini.

Ketika Analysis service sudah terinstall dan berjalan, anda dapat menginstall Data Mining Add-in.

Data Mining Terapan Menggunakan Microsoft Excel #1

Bagi beberapa orang, Microsoft excel adalah awal dan akhir dari data analysis, maksudnya adalah dari awal data dibuat, data tersebut di analisa, dan sampai pada akhirnya membuat report, selalu microsoft excel yang digunakan.

Microsoft Excel merupakan tools yang sangat berguna untuk menampilkan data, melakukan perhitungan bahkan membangun model finansial.

Kali ini saya akan membahas bagaimana melakukan Data mining terapan dengan menggunakan Microsoft Excel.

Ide dasar penggunaan Microsoft Excel + data mining add in adalah menggunakan para pekerja informasi (orang-orang yang bekerja dengan data dan belum tentu seorang Spesialis IT ) untuk dapat melakukan analisa prediksi walaupun mereka tidak memiliki latar belakang pada data mining atau statistik.

Pengenalan DAX (DATA ANALYSIS EXPRESSION)

Business Intelligence dan Data Warehouse #1

Pengenalan Data Mining