Metode Algoritma Apriori Untuk Mendukung Penjualan 212 Mart Batan Indah Tangerang Selatan
Abstract
Abstrak: Persaingan dan perkembangan bisnis saat ini semakin berkembang pesat, sehingga perlu strategi untuk menaikan omset perusahaan, dan Pengembangan perusahaan, dalam kasus ini adalah retail. Dalam meningkatkan omset perusahaan dan mengembangkan perusahaan dapat dilakukan dengan cara menggunakan proses Data Mining, dan salah satu algoritma yang dapat digunakan adalah algoritma apriori. Pola pembelian barang oleh konsumen dapat ditemukan dengan menggunakan algoritma ini. Dari hasil penelitian di dapatkan itemset barang berupa Minyak Goreng Resto 1L Kumb , Marjan Syrup Cocopandan 460 ML dan Gulare Gula Kuning 1Kg adalah item barang yang sering dibeli secara bersamaan oleh konsumen. Dengan diketahuinya pola itemset barang oleh konsumen, pihak pengelola perusahaan dapat meningkatkan omset perusahaan dengan mengacu kepada hasil dari pengolahan data transaksi penjualan dengan menggunakan algoritma apriori.Kata Kunci: algoritma apriori, data penjualan, transaksi penjualan, retail.
Abstract: Competition and business development are currently growing rapidly, so a strategy is needed to increase company turnover, and company development, in this case is retail. In increasing company turnover and developing the company, it can be done by using the Data Mining process, and one of the algorithms that can be used is the a priori algorithm. The pattern of purchasing goods by consumers can be found using this algorithm. From the research results obtained itemset in the form of 1L Kumb Resto Cooking Oil, Cocopandan Marjan Syrup 460 ML And 1Kg Yellow Sugar Gulare are items that are often purchased simultaneously by consumers. By knowing the itemset pattern of goods by consumers, the company manager can increase the company's turnover by referring to the results of processing sales transaction data using the aprior algorithm.
Keywords: apriori algorithm, sales data, sales transaction, retail.
References
[1] D. Sepri and M. Afdal, “Analisa Dan Perbandingan Metode Algoritma Apriori Dan Fp-Growth Untuk Mencari Pola Daerah Strategis Pengenalan Kampus Studi Kasus Di Stkip Adzkia Padang,†JSIK (Jurnal Sist. Inf. Kaputama), vol. 1, no. 1, pp. 47–55, 2018.
[2] T. A. Tutupoly and I. Alfarobi, “Komparasi Algoritma C4. 5 Dan Naive Bayes Yang Dikembangkan Menjadi Web Intellegence Pada Perhitungan Bonus Tahunan Karyawan Di PT. ABC,†e-Jurnal Mitra Pendidik., vol. 3, no. 1, pp. 92–103, 2019.
[3] A. Apriori, S. Kasus, and S. Unnes, “Pemetaan Pola Hubungan Program Studi Dengan Algoritma Apriori – Studi Kasus Spmu Unnes,†Edu Komputika J., vol. 1, no. 1, pp. 51–58, 2014, doi: 10.15294/edukomputika.v1i1.4123.
[4] T. A. Tutupoly and I. Alfarobi, “Identifikasi Keakuratan Data Pelanggan PT. XYZ dengan menggunakan C4. 5, Naive Bayes dan Algoritma Preprocessing,†J. Tek. Inform. STMIK Antar Bangsa, vol. 4, no. 2, p. 171, 2018.
[5] A. Sani, “Analisa Penjualan Retail Dengan Metode Association Rule Untuk Pengambilan Keputusan Strategis Perusahaan: Studi Kasus PT. XYZ.â€
[6] G. Gunadi and D. I. Sensuse, “Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth ( Fp-Growth ) :,†Telematika, vol. 4, no. 1, pp. 118–132, 2012.
[7] A. Junaidi, “Algoritma Apriori Untuk Rekomendasi Produk Pada Website Penjualan UD Rahmat Becled,†Inf. Manag. Educ. Prof., vol. 04, no. 01, pp. 11–20, 2019.ne]. Available: http://ejournal-binainsani.ac.id/index.php/IMBI/article/view/1189.
[8] A. Masnur, “Analisa Data Mining Menggunakan Market Basket Analysis untuk Mengetahui Pola Beli Konsumen,†SATIN-Sains dan Teknol. Inf., vol. 1, no. 2, pp. 32–40, 2015.
[9] Kusrini, dan Luthfi, E. T. (2007). Algoritma Data mining. Yogyakarta: Andi.
[10] Han Jiawei, and M. Kamber. 2006. Data Mining: Concepts and Techniques, Morgan Kaufmann, USA
