Prediksi Produk Bundle Pada Promo Dengan Algoritma Apriori Menggunakan Association Rule
Article Sidebar
Main Article Content
Abstract
Di dalam dunia bisnis maupun industri ritel pada zaman sekarang sangatlah berkembang pesat khususnya pada sektor penjualan barang yang berupa produk, permasalahan yang di hadapi adalah ke tidak tahuan dalam menggabungkan suatu produk ke dalam promo bundle. Oleh karena itu penelitian ini bertujuan memprediksi produk yang akan di gabungkan untuk di jadikan promo bundle menggunakan metode algoritma apriori serta association rule dengan menggunakan 600 data transaksi. Dengan proses data mining dengan melibatkan analisa algoritma apriori dengan menentukan hasil frekuensi tinggi pada 1 itemset, kemudian dilanjut dengan menentukan hasil frekuensi tinggi 2 itemset, proses ini dilakukan untuk mencari minimal support dengan nilasi 0,05% dan 0,06% pada item set yang akan di gunakan, lalu di lanjut dengan pembentukan aturan asosiasi dengan menentukan minimal Confidence 75% setelah itu di lakukanlah pencarian pada expected confidence dan lanjut mencari nilai lift ratio. Setelah melakukan semua proses data mining itu selesai maka penelitian ini berhasil mendapatkan 4 rule yang berupa produk yang akan di gabungkan untuk menjadi promo bundle.
Downloads
Article Details
Badrul, M. (2016). Algoritma Asosiasi Dengan Algoritma Apriori Untuk Analisa Data Penjualan. None, 12(2), 121–129.
Budiyasari, V. N., Studi, P., Informatika, T., Teknik, F., Nusantara, U., & Kediri, P. (2017). Implementasi Data Mining Pada Penjualan kacamata Dengan Menggunakan Algoritma Apriori. Indonesian Journal on Computer and Information Technology, 2(2), 31–39.
FAHRUDIN, N. F. (2019). Penerapan Algoritma Apriori untuk Market Basket Analysis. MIND Journal, 4(1), 13–23. https://doi.org/10.26760/mindjournal.v4i1.13-23
Fauzy, M., & Asror, I. (2016). PENERAPAN METODE ASSOCIATION RULE. II(2).
Gunadi, G., & Sensuse, D. I. (2012). Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth ( Fp-Growth ) : Telematika, 4(1), 118–132.
Haryanto, D., Oslan, Y., & Dwiyana, D. (2011). Implementasi Analisis Keranjang Belanja Dengan Aturan Asosiasi Menggunakan Algoritma Apriori Pada Penjualan Suku Cadang Motor. Jurnal Buana Informatika, 2(2), 81–94. https://doi.org/10.24002/jbi.v2i2.311
Kusumo, D. S., Bijaksana, M. A., & Darmantoro, D. (2016). Data Mining Dengan Algoritma Apriori Pada Rdbms Oracle. TEKTRIKA - Jurnal Penelitian Dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, Dan Elektronika, 8(1), 1–5. https://doi.org/10.25124/tektrika.v8i1.215
Lestari, A. F., Hafiz, M., Bina, U., Informatika, S., & Kunci, K. (2020). Penerapan Algoritma Apriori Pada Data Penjualan Barbar Warehouse. 96–105.
Sholik, M., & Salam, A. (2018). Implementasi Algoritma Apriori untuk Mencari Asosiasi Barang yang Dijual di E-commerce OrderMas. Techno.COM, 17(2), 158–170.
Sianturi, F. A. (2018). Penerapan Algoritma Apriori Untuk Penentuan Tingkat Pesanan. Mantik Penusa, 2(1), 50–57. http://e-jurnal.pelitanusantara.ac.id/index.php/mantik/article/view/330
Syahril, M., Erwansyah, K., & Yetri, M. (2020). Penerapan Data Mining Untuk Menentukan Pola Penjualan Peralatan Sekolah Pada Brand Wigglo Dengan Menggunakan Algoritma Apriori. 3(1), 118–136.
Syamsudin, D., Halundaka, Y. C. D., & Nugroho, A. (2020). Prediksi Status Konsumen Produk Celana Menggunakan Naïve Bayes. JOINTECS (Journal of Information Technology and Computer Science), 5(3), 177. https://doi.org/10.31328/jointecs.v5i3.1435
Takdirillah, R. (2020). Penerapan Data Mining Menggunakan Algoritma Apriori Terhadap Data Transaksi Sebagai Pendukung Informasi Strategi Penjualan. Edumatic : Jurnal Pendidikan Informatika, 4(1), 37–46. https://doi.org/10.29408/edumatic.v4i1.2081
Utomo, T. J. (2010). Lingkungan Bisnis dan Persaingan Bisnis Ritel ( The Business Environment and the Competition of Retail Business ). Fokus Ekonomi, 5(1), 70–80.
Yaumi, A. S., Zulfiqkar, Z., & Nugroho, A. (2020). Klasterisasi Karakter Konsumen Terhadap Kecenderungan Pemilihan Produk Menggunakan K-Means. JOINTECS (Journal of Information Technology and Computer Science), 5(3), 195. https://doi.org/10.31328/jointecs.v5i3.1523
Wijoyo, H. (2020). Perancangan Sistem Informasi Administrasi pada Quality Fresh Laundry Pekanbaru. JS (Jurnal Sekolah), 4(1), 27-32.
Setyawati, E., Widjayanti, C. E., Siraiz, R. R., & Wijoyo, H. (2021). Pengujian keamanan komputer kriptografi pada surat elektronik berbasis website dengan enkripsi metode MD5. Jurnal Manajamen Informatika Jayakarta, 1(1), 56-67.
Musnaini, M., & Wijoyo, H. (2021). Impact of Variety Seeking, dan Elektronic Word of Mouth of Cosmetic Brand Switching Brand Switching di Industri Kosmetik Indonesia. Ekonam: Jurnal Ekonomi, Akuntansi & Manajemen, 3(1), 23-32.
Siagian, A. O., & Wijoyo, H. (2021). Sistem Pembantu Keputusan Penerima Karyawan Menggunakan Metode TOPSIS di PT Trans Media Corpora. INCODING, 1(1), 53-61.
Wijoyo, H. (2020). RANCANG BANGUN SISTEM INFORMASI PENGGAJIAN DAN ABSENSI KARYAWAN MEGARA HOTEL PEKANBARU BERBASIS WEB. Ekonam: Jurnal Ekonomi, Akuntansi & Manajemen, 2(2), 56-76.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.