IMPLENTASI ALGORITMA APRIORI UNTUK ANALISA PENJUALAN SPAREPART PADA PT. MAXINDO NUSANTARA (MITSUBISHI MOTOR GROUP)

• RIDWAN
• 14002263

---

ABSTRAK

ABSTRAK

 

 

Nama                     :     Ridwan

NIM                      :     14002263

Program Studi       :     Ilmu Komputer

Jenjang                  :     Program Magister  (S2)

Konsentrasi           :     Data Mining

Judul                     :     Implementasi Algoritma Apriori untuk Analisa Penjualan Sparepart Pada PT. Maxindo Nusantara (Mitsubishi Motor Group)

 

Kebutuhan akan analisis transaksi penjualan adalah hal yang urgent untuk dilakukan di era serba teknologi ini. Pemanfaatan segala macam hal yang berkaitan dengan teknologi analisis data menjadi hal yang menjadi prioritas bagi perusahaan. Data mining sebagai ilmu yang berkaitan dengan analisis data menjadi ilmu yang perlu dipraktekkan dalam dunia usaha. Salah satu algoritma yang sering digunakan dalam dalam data mining adalah algoritma Asosiasi Apriori. Algoritma apriori sangat membantu dalam upaya menemukan keterkaitan antara satu produk dengan produk lainnya. Pengetahuan ini tentu saja berguna bagi perusahaan dalam menyusun strategi pemasaran. Pada penelitian ini ditentukan nilai minimum support sebesar 50 % dan nilai confidence minimal 70 %. Adapun hasil yang didapatkan adalah terbentuk 15 aturan asosiasi dengan confidence mencapai 100 %.

 

 

Kata kunci:

Asosiasi, Algoritma Apriori, Aturan Asosiasi, Support, Confidence

 

 

ABSTRACT

 

 

Nama                     :     Ridwan

NIM                      :     14002263

Program Studi       :     Ilmu Komputer

Jenjang                  :     Program Magister  (S2)

Konsentrasi           :     Data Mining

Judul                     :     Implementasi Algoritma Apriori untuk Analisa Penjualan Sparepart Pada PT. Maxindo Nusantara (Mitsubishi Motor Group)

 

The need for sales transaction analysis is the urgent matter to do in this technological era. Utilization of all kinds of things related to data analysis technology is a priority for the company. Data mining as a science related to data analysis is a science that needs to be practiced in the business world. One of the algorithms that are often used in data mining is the Apriori Association algorithm. Priori algorithms are very helpful in efforts to find linkages between one product and another. This knowledge is of course useful for companies in formulating marketing strategies. In this study, a minimum support value was determined at 50% and a confidence value of at least 70%. The results obtained were 15 association rules were formed with 100% confidence.

 

Keywords:

Association, Apriori Algorithm, Association Rules, Support, Confidence

KATA KUNCI

Data Mining,Algoritma Apriori

---

DAFTAR PUSTAKA

DAFTAR REFERENSI

 

[1]      P. M. Hasugian, “Pengujian Algoritma Apriori Dengan Aplikasi Weka Dalam Pembentukan Asosiation Rule,” J. Mantik Penusa, vol. 1, no. 2, pp. 98–103, 2017.

[2]      M. Badrul, “Algoritma Asosiasi Dengan Algoritma Apriori Untuk Analisa Data Penjualan,” J. Pilar Nusa Mandiri, vol. 12, no. 2, pp. 121–129, 2016.

[3]      U. Ependi and A. Putra, “Solusi Prediksi Persediaan Barang dengan Menggunakan Algoritma Apriori (Studi Kasus: Regional Part Depo Auto 2000 Palembang),” J. Edukasi dan Penelit. Inform., vol. 5, no. 2, p. 139, 2019, doi: 10.26418/jp.v5i2.32648.

[4]      A. R. Riszky and M. Sadikin, “Data Mining Menggunakan Algoritma Apriori untuk Rekomendasi Produk bagi Pelanggan,” J. Teknol. dan Sist. Komput., vol. 7, no. 3, pp. 103–108, 2019, doi: 10.14710/jtsiskom.7.3.2019.103-108.

[5]      S. Priharto, “Pengertian Sistem Inventory, Manfaat, Serta Tips Pengelolaannya,” Accurate, 2020. [Online]. Available: https://accurate.id/marketing-manajemen/pengertian-sistem-inventory-manfaat-serta-tips-pengelolaannya/#:~:text=Sistem inventory secara umum berarti,perusahaan dan kebijakan dari manajemen.

[6]      Purwo Hendrianto, “Sekilas Tentang Pengadaan Barang dan Jasa,” PT. Anggada Duta Wisesa, 2017. [Online]. Available: https://tender.pengadaan.com/index.php/news/view/14557/Sekilas-tentang-pengadaan-barang-dan-jasa.

[7]      R. Gusrizaldi and E. Komalasari, “Analisis Faktor-Faktor Yang Mempengaruhi Tingkat Penjualan Di Indrako Swalayan Teluk Kuantan,” J. Valuta, vol. 2, no. 2, pp. 286–303, 2016.

[8]      S. M. Putri and S. A. Arnomo, “Penerapan Algoritma C4.5 Untuk Prediksi Kualitas Pelayanan Terhadap Kepuasan Konsumen (Studi Kasus?: Hinet Batam),” J. Inf. Syst. Res., vol. 1, no. 2, pp. 70–76, 2020.

[9]      H. Wahono and D. Riana, “Prediksi Calon Pendonor Darah Potensial Dengan Algoritma Naïve Bayes, K-Nearest Neighbors dan Decision Tree C4.5,” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 1, p. 7, 2020, doi: 10.30865/jurikom.v7i1.1953.

[10]    R. Wajhillah, “Optimasi Algoritma Klasifikasi C4.5 Berbasis Particle Swarm Optimization,” SWABUMI, vol. I, no. September 2014, 2014.

[11]    S. Panjaitan et al., “Implementation of Apriori Algorithm for Analysis of Consumer Purchase Patterns,” J. Phys. Conf. Ser., vol. 1255, no. 1, 2019, doi: 10.1088/1742-6596/1255/1/012057.

[12]    Moh.Sholik and A. Salam, “Implementasi Algoritma Apriori untuk Mencari Asosiasi Barang yang Dijual di E-commerce OrderMas,” Techno.COM, vol. 17, no. 2, pp. 158–170, 2018.

[13]    R. Novita, “Teknik Data Mining?: Algoritma C4.5,” Ilmu Komputer.com, pp. 1–12, 2016.

[14]    S. A. Rini, “Implementasi Algoritma Apriori untuk Menganalisis Keranjang Belanja Konsumen Pada Data Transaksi Penjualan Supermarket,” Repos. UIN Suaska, 2011.

[15]    F. Bodon, “A Fast Apriori Implementation Hungarian Academy of Sciences,” Fimi, vol. 3, p. 63, 2011.

[16]    G. Grand, “Penerapan Algoritma Apriori untuk Menemukan Hubungan Data Murid dengan Nilai Sekolah,” Ikraith Inform., vol. 2, no. 18, pp. 7–12, 2018.

[17]    L. Hakim and A. Fauzy, “Penentuan Pola Hubungan Kecelakaan Lalu Lintas Menggunakan Metode Association Rules dengan Algoritma Apriori,” Univ. Res. Colloq., pp. 73–81, 2015.

[18]    A. W. Oktavia Gama, I. K. Gede Darma Putra, and I. P. Agung Bayupati, “Implementasi Algoritma Apriori Untuk Menemukan Frequent Itemset Dalam Keranjang Belanja,” Maj. Ilm. Teknol. Elektro, vol. 15, no. 2, pp. 21–26, 2016, doi: 10.24843/mite.1502.04.

[19]    D. Listriani, A. H. Setyaningrum, and F. Eka, “Penerapan Metode Asosiasi Menggunakan Algoritma Apriori Pada Aplikasi Analisa Pola Belanja Konsumen,” J. Tek. Inform., vol. 9, no. 2, pp. 120–127, 2018, doi: 10.15408/jti.v9i2.5602.

[20]    H. Dewantara, P. B. Santoso, and Nasir Widha Setyanto, “Perancangan Aplikasi Data Mining Dengan Algoritma Apriori Untuk Frekuensi Analisis Keranjang Belanja Pada Data Transaksi Penjualan,” Media Neliti, pp. 415–426, 2013.