Analisis Market Basket Dengan Algoritma Apriori Pada Transaksi Penjualan Di Freshfood

IJCIT - Indonesian Journal on Computer and Information Technology

View Publication Info
 
 
Field Value
 
Title Analisis Market Basket Dengan Algoritma Apriori Pada Transaksi Penjualan Di Freshfood
 
Creator Alfiyan, Ahmad Rifqy
Kahfi, Ahmad Hafidzul
Kusumayudha, Mochammad Rizky
Rezki, Muhammad
 
Subject
 
Description AbstrakDengan semakin banyaknya minimarket yang saling bersaing membuat pihak minimarket melakukan berbagai macam promosi. Selain itu ketersediaan data transaksi yang menumpuk serta belum adanya pengorganisiran promosi sesuai dengan keadaan. Data transaksi penjualan yang ada hanya dijadikan arsip tanpa dimanfaatkan dengan baik. Pada dasarnya kumpulan data memiliki informasi yang sangat bermanfaat. Akan tetapi pemrosesan data yang banyak akan membutuhkan waktu yang lama. Sehingga dalam proses pengolahan data tersebut membutuhkan metode yang tepat. Kumpulan data penjualan yang dimiliki sebenarnya dapat diolah menggunakan data mining untuk melihat pola pembelian pelanggan, dengan data mining untuk data yang besar tidak akan terbuang begitu saja dan dapat bermanfaat sehingga dapat memberikan keuntungan kepada perusahaan. Pada penelitian ini, proses pengolahan data menggunakan Algoritma Apriori yang merupakan salah satu metode data mining yang bertujuan untuk mencari pola assosiasi berdasarkan pola belanja yang dilakukan oleh konsumen, sehingga bisa diketahui item-item barang apa saja yang sering dibeli secara bersamaan. Hasil penelitian ini adalah dengan algoritma apriori dapat membentuk pola kombinasi itemset. Pengetahuan yang dihasilkan dari pola kombinasi tersebut dapat digunakan sebagai pedoman dalam penyusunan market basket.Kata Kunci: Data Mining, Algoritma Apriori, Transaksi Penjualan, Metode Asosiasi AbstractWith the increasing number of competing minimarkets, minimarkets carry out various types of promotions. In addition, data transactions accumulate and there has been no organizing of promotions in accordance with the circumstances. Sales transaction data that can only be used archives that can be used properly. Basically the data set has very useful information. However, needing a lot of data will require a long time. Required in processing the data requires the right method. Collection of sales data collected can actually be processed using data mining to see the pattern of customer purchases, by mining data for large data will not be wasted and can be useful so that it can provide benefits to the company. In this study, the data processing uses the Apriori Algorithm, which is one method of data mining that aims to find patterns of associations based on shopping patterns carried out by consumers, so that items can be identified which can be purchased simultaneously. The results of this study are application methods that can create itemset combination patterns. Knowledge generated from a combination pattern can be used as a guide in market basket collection.Keywords: Data Mining, Apriori Algorithms, Sales Transactions, Association Methods
 
Publisher LPPM Universitas Bina Sarana Informatika
 
Contributor
 
Date 2019-06-17
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Artikel yang dipeer-review
 
Format application/pdf
 
Identifier https://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/article/view/4968
10.31294/ijcit.v4i1.4968
 
Source IJCIT; Vol 4, No 1 (2019): IJCIT Mei 2019
IJCIT (Indonesian Journal on Computer and Information Technology); Vol 4, No 1 (2019): IJCIT Mei 2019
2549-7421
2527-449X
10.31294/ijcit.v4i1
 
Language ind
 
Relation https://ejournal.bsi.ac.id/ejurnal/index.php/ijcit/article/view/4968/pdf
 
Rights ##submission.copyrightStatement##
http://creativecommons.org/licenses/by/4.0
 

Contact Us

The PKP Index is an initiative of the Public Knowledge Project.

For PKP Publishing Services please use the PKP|PS contact form.

For support with PKP software we encourage users to consult our wiki for documentation and search our support forums.

For any other correspondence feel free to contact us using the PKP contact form.

Find Us

Twitter

Copyright © 2015-2018 Simon Fraser University Library