IMPLEMENTASI ASOSIASI RULE MINING PADA DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA APRIORI
(1) Universitas Bina Insan
(2) 
(3) 
(*) Corresponding Author
Sari
Data mining merupakan serangkaian proses untuk mendapatkan informasi yang berguna dari gudang basis data yang besar. Data mining juga dapat diartikan sebagai pengekstrakan informasi baru yang diambil dari bongkahan data besar yang membantu dalam pengambilan keputusan[1]. Dalam data mining terdapat banyak teknik dalam pengerjaannya, diantaranya yaitu algoritma naïve bayes, decision tree, jaringan saraf tiruan dan masih banyak lainnya. Prediksi merupakan suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi dimasa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Prediksi tidak harus memberikan jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi [2].metode yang digunakan dalam penelitian ini adalah Algoritma apriori digunakan untuk mendapatkan aturan asosiasi dan mencari pola hubungan antar satu atau lebih item dalam suatu data [2]. Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien adalah analisis pola frekuensi (frequent pattern mining). Suatu asosiasi dapat diketahui penting atau tidak dapat diukur menggunakan parameter support dan confidence. Support atau nilai penunjang adalah ukuran yang menunjukkan tingkat dominasi suatu item dari keseluruhan transaksi, sedangkan confidence atau nilai kepastian adalah kuatnya hubungan antar-item dalam aturan asosiasi [2]. Toko Bobi elektronik selama ini sudah memiliki data penjualan yang dicatat secara manual yaitu dengan membuat catatan di buku dan juga microsoft excel, hanya saja history penjualan ini tidak digunakan secara maksimal hasil dari penelitian ini memiliki 10 best rule dengan nilai confiden rata-rata 90%.
Teks Lengkap:
PDFReferensi
H. Sulistiawati; Sulistiani, “Perancangan Dashboard Interaktif Penjualan (Studi Kasus : Pt Jaya Bakery ),” J. Tekno Kompak, vol. 12, no. 1, pp. 15–17, 2018.
N. Azwanti, “Algoritma C4.5 Untuk Memprediksi Mahasiswa Yang Mengulang Mata Kuliah (Studi Kasus Di Amik Labuhan Batu),” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 11–22, 2018.
Aswendy, “Analisis Data Iklim Indonesia Menggunakan Aplikasi Weka Dengan Metode Klasifiksi,” Teknol. Rekayasa, vol. 21, no. 3, pp. 217–228, 2016.
U. Ependi and A. Putra, “Solusi PrediksiPersediaan Barang dengan Menggunakan Algoritma Apriori (Studi Kasus: Regional Part Depo Auto 2000 Palembang),” J. Edukasi dan Penelit. Inform., vol. 5, no. 2, p. 139, 2019.
A. R. Riszky and M. Sadikin, “Data Mining Menggunakan Algoritma Apriori untuk Rekomendasi Produk bagi Pelanggan,” J. Teknol. dan Sist. Komput., vol. 7, no. 3, pp. 103–108, 2019.
P. G. S. C. Nugraha, I. W. Aribawa, I. P. O. Priyana, and G. Indrawan, “Penerapan Metode Decision Tree(Data Mining) Untuk Memprediksi Tingkat Kelulusan Siswa Smpn1 Kintamani,” Semin. Nas. Vokasi dan Teknol., pp. 35–44, 2016.
M. F. Mulya, N. Rismawati, and A. R. Rizky, “Analisis Dan Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan Pada Kantin Universitas Tanri Abeng,” Fakt. Exacta, vol. 12, no. 3, pp. 210–218, 2019.
M. Sholik and A. Salam, “Implementasi Algoritma Apriori untuk Mencari Asosiasi Barang yang Dijual di E-commerce OrderMas,” Techno.COM, vol. 17, no. 2, pp. 158–170, 2018.
I. M. Kamal, T. H. P, and R. Ilyas, “Prediksi Penjualan Buku Menggunakan Data Mining,” Semin. Nas. Teknol. Inf. dan Multimed., pp. 49–54, 2017.
DOI: http://dx.doi.org/10.31602/tji.v13i1.6121
Refbacks
- Saat ini tidak ada refbacks.
© 2019 Technologia p-ISSN: 2086-6917 e-ISSN: 2656-8047
-------------------------------------------------------------------------------------------
This work is licensed under a Creative Commons Attribution 4.0 International License.