Analisis Data Mining Pada PT Buana Finance

Nama: Mohammad Rijal

NRP  : 5113100193

Deskripsi Soal

Pada suatu perusahaan yang bergerak di bidang keuangan yang disebut Buana Finance. Buana merupakan salah satu perusahaan pembiayaan atau yang biasa disebut leasing yang kini mulai berkembang. Leasing umumnya membiayai pembelian kendaraan nasabah atau konsumen, dimana nasabah yang bersangkutan dapat membayar kendaraan nya secara bertahap sesuai dengan ketentuan dan perjanjian kontrak.

Informasi yang dicatat pada perusahaan leasing antara lain :

Nasabah

Vendor penyedia mobil

Bank sumber dana

Credit Marketing Officer

Sistem angsuran dan pembayaran

Banyaknya data yang hanya tersimpan pada database perusahaan ini memerlukan analisis kinerja penjualan. Dari analisis kinerja penjualan tersebut perusahaan dapat mengetahui berapa besar laba yang diperoleh bahkan kerugian. Untuk menganalisa kinerja penjualan diperlukan data historis dari kegiatan penjualan yang kemudian datanya diolah untuk menghasilkan informasi kinerja penjualan.

Analisis kinerja penjualan sangat dibutuhkan karena dari situ lah dapat diketahui gambaran kondisi dari perusahaan sebenernya. Jika kinerja penjualan sedang menurun berarti perusahaan sedang dalam keadaan tidak sehat begitu pun sebaliknya jika kinerja penjualan naik berarti perusahaan dalam keadaan sehat.

Perusahaan dapat menganalisa dan mengetahui faktor-faktor yang dapat menjaga kinerja penjualan agar selalu dalam posisi sehat. Analisis dapat dilakukan dengan mengumpulkan data penjualan yang bersifta historis atau lampau dan kemudian melihat grafik kinerja penjualan. Terdapat banyak macam komponen terkait penjualan diantaranya, hubungan antara variasi produk yang dijual, jumlah produk yang dijual, waktu penjualan, promosi produk yang dijual, dan segmentasi pasar.

Dalam melakukan analisis perusahaan perlu memiliki data yang banyak secara kuantitas dan baik secara kualitas. Pihak manajemen perusahaan membutuhan teknologi yang membantu memahami analisis data yang akan dilakukan.

1. Buatlah daftar report yang perlu dibuat untuk menunjang kinerja buana finance beserta gambaran informasi yang bisa dihasilkan
2. Tentukan tahapan-tahapan metodologi untuk menghasilkan report yang didefinisikan
3. Rancanglah system database transaksional dan database analysisnya (OLTP dan OLAP) dalam bentuk arsitektur basis data
4. Bonus – jawaban bisa dilengkapi dengan prototype implementasi

Report

Report dibawah merupakan report dari data yang telah tersimpan selama 3 tahun dari perusahaan Buana Finance.

     1.      Report Vendor

Report ini berisi Vendor yang menggunakan jasa leasing. Dalam report ini juga dapat terlihat Vendor yang mempunyai transaksi leasing paling tinggi per bulan atau tahun.

    2.      Report Mobil Vendor Terfavorit per Bulan

 Report ini berisi kendaraan dari vendor yang paling banyak dileasing selama satu bulan.

    3.      Report Nasabah Baru per Bulan

Report ini berisi nasabah yang baru mendaftar jasa leasing per bulan. Dalam kurun waktu tertentu, dapat terlihat bulan yang memiliki jumlah nasabah baru tertinggi per bulan atau tahun.

     4.      Report Transaksi per Bulan

Report ini berisi transaksi penjualan/penggunaan jasa leasing dalam satu bulan. Selain itu bisa juga dilihat tren penjualan berdasarkan waktu.

     5.      Report Bank

Report ini berisi Bank yang bekerja sama dengan jasa leasing Buana Finance. Dalam ini report ini dapat terlihat bank dengan transkasi paling tinggi per bulan atau tahun.

     6.      Report CMO

Report ini berisi CMO yang melayani jasa leasing Buana Finance. Selain itu, terlihat juga CMO dengan transaksi paling tinggi per bulan atau tahun.

Metodologi

    1.      Data Cleaning          

Pembersihan data dilakukan untuk menghilangkan data noise (data yang tidak berhubungan langsung dengan tujuan akhir proses data mining, misal: data mining yang bertujuan untuk menganalisa hasil penjualan, maka data-data dalam kumpulan seperti ”nama nasabah”, ”umur”, dan sebagainya dapat diabaikan) dan tidak konsisten.

    2.      Data Integration

Integrasi data dilakukan untuk menggabungkan multiple data source atau dengan kata lain dari berbagai database ke dalam suatu database baru. Tidak jarang data yang diperlukan untuk data mining tidak hanya berasal dari satu database tetapi juga berasal dari beberapa database atau file teks. Integrasi data dilakukan pada atribut-aribut yang mengidentifikasikan entitas-entitas yang unik seperti atribut nama nasabah, jenis mobil, nomor pelanggan dan lainnya.

    3.      Data Selection

Seleksi data dilakukan untuk mengambil data yang sesuai dengan report yang akan dianalisis dari database. Dalam kasus ini, misalnya, untuk meneliti faktor kecenderungan nasabah menggunakan leasing, tidak perlu mengambil nama nasabah melainkan hanya id nasabah saja sudah cukup.

    4.      Data Transformation

Transformasi data dilakukan untuk mentransformasikan data ke dalam bentuk yang lebih sesuai untuk di mining. Data mining proses terpenting dimana metode tertentu diterapkan untuk menghasilkan data pattern. Sebagai contoh beberapa metode standar seperti analisis asosiasi dan clustering hanya bisa menerima input data kategorikal.

    5.      Pattern Evaluation

Evaluasi pola ini digunakan untuk mengetahui pola-pola menarik atau interenting patterns. Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang khas maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang ada memang tercapai. Misalnya dalam kasus ini, nasabah cenderung memilih mobil avanza dalam lima tahun terakhir.

    6.      Knowledge Presentation

Presentasi pengetahuan merupakan visualisasi dan penyajian pengetahuan mengenai metode yang digunakan untuk memperoleh pengetahuan yang diperoleh pengguna. Selain itu terdapat aksi atau keputusan dari analisis data mining yang didapat.  Misalnya dalam kasus ini, karena data mining menunjukan bahwa nasabah cenderung memilih mobil Avanza, maka keputusan atau rekomendasi yang dihasilkan adalah menambah unit mobil Avanza untuk dileasing.

Ekstraksi       Pembersihan Data      Tranformasi        Evaluasi           Visualisasi Data
Data                                                         Data                   Pola               Interpretasi Hasil

Arsitektur Database

OLTP
Online Transaction Processing atau sering dikenal dengan OLTP adalah sistem yang berorientasi proses yang memproses transaksi secara langsung melalui komputer yang terhubung dalam jaringan. Dalam  kasus ini yang dibutuhkan sebagai sumber data sebagai berikut :

     1.      Tabel Cabang

IDCabang

Kode_Cabang

Nama_Cabang

     2.      Tabel Bank

IDBank

Kode_Bank

Nama_Bank

    3.      Tabel Waktu Kontrak

IDWaktu

Tanggal

Bulan

Tahun

Kuarter_Tahun

Semester

    4.      Tabel Nasabah

IDNasabah

No_Kontrak

Nama_Nasabah

Umur_Nasabah

    5.      Tabel Mobil

IDMobil

Kode_Mobil

Merk_Mobil

Type_Mobil

Ukuran_CC

Kategori

Tujuan

Tahun_Kendaraan

Produk

    6.      Tabel CMO (Credit Marketing Officer)

IDCMO

Kode_CMO

Nama_CMO

    7.      Tabel Vendor

IDVendor

Kode_Vendor

Nama_Vendor

    8.      Tabel Transaksi

IDWaktu

IDNasabah

IDMobil

IDBank IDCMO

IDVendor

IDCabang

Jumlah

Tenor

Angsuran_per_Bulan

Total_Angsuran

Biaya_Administrasi

OLAP

Online Analytical Processing, atau disingkat OLAP adalah metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk tujuan analisis. Dalam OLAP tabel yang terdapat dalam OLTP dibuat menjadi dua sub bagian. Pertama, adalah Tabel Fakta dan yang kedua adalah Tabel Dimensi. Tabel Fakta mengandung unsur yang bisa diukur, pada kasus Buana Finance, di dalamnya terdapat Jumlah, Tenor, Angsuran per Bulan, Total Angsuran, dan Biaya Administrasi. Sedangkan Tabel Dimensi berisi detail foreign key dari Tabel Fakta.

Dari Star Scheme Buana Finance di atas dapat dilihat Fakta Transaksi. Dari situ dapat dikembangkan untuk pengambilan keputusan seperti, mengolah informasi tentang perkembangan leasing mobil, daftar mobil yang paling banyak diminati, dsb.

Referensi

Sutrisno, dkk. 2013. “PENERAPAN DATA MINING PADA PENJUALAN MENGGUNAKAN METODE CLUSTERING STUDY KASUS PT. INDOMARCO PALEMBANG”.  http://eprints.binadarma.ac.id/ 78/1/PENERAPAN%20DATA%20MINING%20PADA%20PENJUALAN%20MENGGUNAKAN%20METODE%20CLUSTERING%20STUDY%20KASUS%20PT.%20INDOMARCO%20PALEMBANG.pdf diakses pada 29 Mei 2015.

Masykur Huda, Nuqson. 2010. “APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA”. http://core.ac.uk/download/pdf/11722190.pdf diakses pada 29 Mei 2015.

Purwanti, Indah dkk. 2008. “Perancangan Data Warehouse pada PT. Olympindo Multi Finance Palembang Area Regional Sumatera II”. http://eprints.mdp.ac.id/779/1/JURNAL%202008 250008%20INDAH%20PURWANTI_2010250502%20DIAJENG%20SEKAR%20NINGRUM.pdf diakses pada 29 Mei 2015.