Analisis, penjualan Optimasi Strategi Penjualan dengan Algoritma Apriori: Studi Kasus pada Toko UMKM Akiladima Electric

Eni Pudjiarti; Siti Faizah

doi:10.51211/biict.v11i1.2853

Eni Pudjiarti Universitas Nusa Mandiri
Siti Faizah Universitas Nusa Mandiri

DOI: https://doi.org/10.51211/biict.v11i1.2853

Abstract

Tujuan dari penelitian ini untuk menganalisis data penjualan Akiladima Electric dengan minimun support 15% dan minimum confidence 60% menggunakan metode algoritma Apriori. Penelitian ini dilakukan dengan tujuan menemukan pola pembelian penting dan hubungan antara barang yang dibeli oleh pelanggan UMKM. Namun demikian, ada beberapa keterbatasan penelitian yang perlu diperhatikan. Pertama, data yang digunakan dalam penelitian ini hanya mencakup periode tertentu, sehingga mungkin tidak mencerminkan perilaku pembelian jangka panjang. Kedua, penelitian ini menggunakan minimum support dan confidence yang telah ditentukan, sehingga mungkin ada pola pembelian lain yang signifikan tetapi tidak terdeteksi. Oleh karena itu, penelitian lanjutan diperlukan untuk mengeksplorasi penggunaan algoritma lain atau pendekatan yang lebih canggih dalam menganalisis data penjualan serta memperluas periode data yang digunakan untuk mendapatkan hasil yang lebih komprehensif. Penelitian ini menggunakan algoritma Apriori untuk melakukan analisis asosiasi pada data penjualan. Hasil penelitian menunjukkan bahwa produk-produk Akiladima Electric memiliki pola pembelian yang signifikan. Berdasarkan analisis Apriori, beberapa aturan asosiasi memiliki dukungan di atas 15% dan keyakinan di atas 60%. Salah satu aturan yang terbentuk adalah bahwa jika membeli lampu ACE, akan membeli saklar dengan dukungan 19,35% dan keyakinan 75%, dan jika membeli terminal 3 lubang, akan membeli solatip nitto dengan dukungan 16,13% dan keyakinan 62,50%.Aturan-aturan ini memberikan gambaran tentang barang-barang yang sering dibeli oleh konsumen.

References

[1] H. Hisnul, P. B. Setiadi, and S. Rahayu, “Umkm Dimasa Pandemi Covid 19 Berdampak Pada Teknology Dan Digitalisasi Pada Pusat Oleh Oleh Rahma Di Desa Kendalrejo,” Eqien - J. Ekon. dan Bisnis, vol. 11, no. 1, 2022, doi: 10.34308/eqien.v11i1.693.
[2] M. Badrul, “Algoritma Asosiasi Dengan Algoritma Apriori Untuk Analisa Data Penjualan,” J. Pilar Nusa Mandiri, vol. XII, no. 2, pp. 121–129, 2016, [Online]. Available: http://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/266.
[3] H. Murti, “Cybercrime-2214-Article Text-1828-1-10-20140306,” vol. X, no. 1, pp. 37–40, 2005.
[4] A. Setiawan, H. Priyanto, M. A. Irwansyah, and M. Eng, “Perancangan Dan Implementasi Virtual Private Network Dengan Protokol PPTP Pada Cisco,” J. Sist. dan Teknol. Inf., vol. 1, no. 1, pp. 1–5, 2016.
[5] A. P. U. Siahaan, “Pelanggaran Cybercrime dan Kekuatan Yurisdiksi di Indonesia,” J. Tek. dan Inform., vol. 5, no. 1, pp. 6–9, 2018.
[6] A. Antoni, “Kejahatan Dunia Maya (Cyber Crime) Dalam Simak Online,” Nurani J. Kaji. Syari’ah dan Masy., vol. 17, no. 2, pp. 261–274, 2018, doi: 10.19109/nurani.v17i2.1192.
[7] A. Subagyo, “SINERGI DALAM MENGHADAPI ANCAMAN CYBER WARFARE,” vol. 5, no. April 2015, pp. 89–108.
[8] M. I. Zulfa, S. Tena, and S. D. Rizkiono, “AKTIVITAS SNIFFING PADA MALWARE PENCURI UANG DI,” vol. 1, no. April, pp. 7–10, 2023.
[9] E. Pudjiarti, “Prediksi Spam Email Menggunakan Metode Support Vector Machine dan Particle Swarm Optimization,” no. 2, pp. 171–181, 2016.
[10] R. Adenansi and L. A. Novarina, “Malware dynamic,” vol. 1, pp. 37–43, 2017.
[11] Sudaryono, E. Rahwanto, and R. Komala, “E-commerce dorong perekonomian Indonesia, selama pandemi covid 19 sebagai entrepreneur,” J. Manaj. dan bisnis prodi kewirausahaan, vol. 2, no. 3, pp. 200–213, 2020.
[12] A. Wanto, D. Suhendro, and A. P. Windarto, “E-DIMAS,” vol. 9, no. 2, pp. 149–157, 2018.