Aturan Asosiasi Berbasis Algoritma Apriori Pada Penjualan Retail Online

Andi Akram Nur Risal(1*), Fhatiah Adiba(2), Andi Aisyah Nurfitri(3),

(1) Universitas Negeri Makassar
(2) Universitas Negeri Makassar
(3) Universitas Negeri Makassar
(*) Corresponding Author




DOI: https://doi.org/10.26858/jmtik.v6i2.45773

Abstract


Penjualan Retail pada data penelitian ini adalah hasil transaksi penjualan tokoh retail non tokoh di Inggris. Untuk meningkatkan penjualan salah satu cara yang harus dilakukan adalah dengan menganalisis arsip dari transaksi penjual untuk melihat produk yang paling sering dibeli oleh pelanggan menggunakan teknik data mining dengan algoritma apriori. Tujuan dari penelitian ini adalah untuk mendapatkan suatu aturan asosiasi produk apa saja yang selalu di beli oleh pelanggang dengan membandingkan aturan min support 10% dengan confidance 70%, min support 10% dengan confidance 50%, dan min support 10 dengan confidance 30%. Hasil min support 10% dengan confidance 70% adalah (Knitted Union Flag Hot Water Bottle) (White Hanging Heart T-Light Holder) min support 11% dengan confidance 100%, hasil dari min support 10% dengan confidance 30% dan 50% (Knitted Union Flag Hot Water Bottle) (White Hanging Heart T-Light Holder) dengan nilai min support 11% dengan confidance 100%. Berdasarkan hasil perbandingan diatas terbentuk sebuah aturan yaitu Jika membeli Knitted Union Flag Hot Water Bottle, maka akan membeli White Hanging Heart T-Light Holder

Keywords


Data Mining, Algoritma Apriori, Support, Confidance

Full Text:

PDF

References


J. Han, J. Pei, and H. Tong, Data mining: concepts and techniques. Morgan kaufmann, 2022.

N. Hidayati, H. Widi Nugroho, and Nurjoko, “Penerapan Data Mining Untuk Menghasilkan Pola Pembelian Roti Menggunakan Algoritma Apriori,” Semin. Nas. Has. Penelit. dan Pengabdi. Masy., pp. 246–254, 2021.

S. C. Pal, D. Ruidas, A. Saha, A. R. M. T. Islam, and I. Chowdhuri, “Application of novel data-mining technique-based nitrate concentration susceptibility prediction approach for coastal aquifers in India,” J. Clean. Prod., p. 131205, 2022.

S. P. Tamba, “Penerapan Data Mining Algoritma Apriori Dalam Menentukan Stok Bahan Baku Pada Restoran Nelayan Menggunakan Metode Association Rule,” J. Sist. Inf. dan Ilmu Komput. Prima (JUSIKOM PRIMA), vol. 5, no. 2, pp. 97–102, 2022.

I. Maryani, O. Revianti, H. M. Nur, and S. Sunanto, “Implementasi Data Mining Pada Penjualan Di Toko GOC Kosmetik Dengan Menggunakan Metode Algoritma Apriori,” Indones. J. Softw. Eng., vol. 8, no. 1, pp. 92–98, 2022.

E. D. Sikumbang, “Penerapan Data Mining Penjualan Sepatu Menggunakan Metode Algoritma Apriori,” J. Tek. Komput. AMIK BSI, vol. Vol 4, No., no. September, pp. 1–4, 2018.

D. Anggraini, S. A. Putri, and L. A. Utami, “Implementasi Algoritma Apriori Dalam Menentukan Penjualan Mobil Yang Paling Diminati Pada Honda Permata Serpong,” J. Media Inform. Budidarma, vol. 4, no. 2, p. 302, 2020, doi: 10.30865/mib.v4i2.1496.

T. Prasetya, J. E. Yanti, A. I. Purnamasari, A. R. Dikananda, and O. Nurdiawan, “Analisis Data Transaksi Terhadap Pola Pembelian Konsumen Menggunakan Metode Algoritma Apriori,” INFORMATICS Educ. Prof. J. Informatics, vol. 6, no. 1, pp. 43–52, 2022.

Z. Abidin, A. K. Amartya, and A. Nurdin, “Penerapan Algoritma Apriori pada Penjualan Suku Cadang Kendaraan Roda Dua (Studi Kasus: Toko Prima Motor Sidomulyo),” J. Teknoinfo, vol. 16, no. 2, pp. 225–232, 2022.

Y. Zheng and Y. Chen, “The Identification of Chinese Herbal Medicine Combination Association Rule Analysis Based on an Improved Apriori Algorithm in Treating Patients with COVID-19 Disease,” J. Healthc. Eng., vol. 2022, 2022.

F. Harahap, N. E. Saragih, E. D. P. Situmeang, E. Tuti, E. Ginting, and W. Fahrozi, “Implementasi Data Mining dalam Memprediksi Stok Herbal menggunakan Algoritma Apriori,” J. MEDIA Inform. BUDIDARMA, vol. 6, no. 2, pp. 1159–1165, 2022.

I. M. D. P. Asana, I. G. I. Sudipa, A. A. T. W. Mayun, N. P. S. Meinarni, and D. V. Waas, “Aplikasi Data Mining Asosiasi Barang Menggunakan Algoritma Apriori-TID,” INFORMAL Informatics J., vol. 7, no. 1, pp. 38–45, 2022.


Article Metrics

Abstract view : 207 times | PDF view : 31 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Andi Akram Nur Risal, Fhatiah Adiba, Andi Aisyah Nurfitri

Terindeks:

        

 

 

Diterbitkan Oleh:

Program Studi Pendidikan Teknik Informatika dan Komputer,

Jurusan Teknik Informatika dan Komputer,

Fakultas Teknik Universitas Negeri Makassar,

Makassar, Telp. (0411) 889629

Email: jurnal.mediatik@unm.ac.id

 Creative Commons License
MediaTIK is licensed under a Creative Commons Attribution 4.0 International License.

 

Web Analytics View My Stats MediaTIK