ANALISIS DATA MENENTUKAN POLA PENJUALAN TOKO
KOMPUTER MENGGUNAKAN ALGORITMA APRIORI
(STUDY KASUS TOKO SAHABAT KOMPUTER)
Total View This Week0
Total View This Week0
Institusion
Universitas Stikubank
Author
PRADIKA, BAGUS
Subject
QA75 Electronic computers. Computer science
Datestamp
2020-04-29 04:25:15
Abstract :
Toko sahabat komputer adalah sebuah toko penjual alat-alat komputer dan elektronik yang berlokasi di Ungaran, kab.Semarang. Terdapat berbagai item di dalam toko sahabat komputer, namun item-item tersebut belum tentu semuanya terjual. Pemilik toko sahabat komputer memerlukan alat bantu untuk memprediksi barang yang saling berkaitan, guna meningkatkan kualitas pelayanan pada toko sahabat komputer. Dalam membantu menemukan barang yang berkaitan pada toko sahabat komputer dapat diguakan metode data mining sebagai solusi, adapun algoritma yang digunakan yaitu apriori. Sebagai pendukung untuk menganalisa data dan dalam pengolahan data digunakan siklus data mining CRISP-DM. Dari hasil proses analisa data pada toko sahabat komputer menghasilkan 10 aturan asosiasi. Namun setelah mencari kombinasi itemset yang baik dapat ditemukan 27 aturan asosiasi, yang nantinya dapat berfungsi sebagai persiapan stok barang pemilik toko guna meningkatkan pelayanan pada toko. Sahabat Komputer shop is a shop selling computer equipment and electronics located in Ungaran, Kab.Semarang. There are various items in the computer friends shop, but those items may not all be sold. Computer friends shop owners need tools to predict interrelated goods, in order to improve the quality of service at computer friends shop. In helping to find items related to a computer friend's shop, data mining methods can be used as a solution, while the algorithm used is a priori. As a support for analyzing data and in data processing the CRISP-DM data mining cycle is used. From the results of the data analysis process at a sahabat komputer's shop produced 10 association rules. However, after searching for a good combination of itemsset, 27 association rules can be found, which can later serve as preparation for store owner's stock in order to improve service at the store.
Toko sahabat komputer adalah sebuah toko penjual alat-alat komputer dan elektronik yang berlokasi di Ungaran, kab.Semarang. Terdapat berbagai item di dalam toko sahabat komputer, namun item-item tersebut belum tentu semuanya terjual. Pemilik toko sahabat komputer memerlukan alat bantu untuk memprediksi barang yang saling berkaitan, guna meningkatkan kualitas pelayanan pada toko sahabat komputer. Dalam membantu menemukan barang yang berkaitan pada toko sahabat komputer dapat diguakan metode data mining sebagai solusi, adapun algoritma yang digunakan yaitu apriori. Sebagai pendukung untuk menganalisa data dan dalam pengolahan data digunakan siklus data mining CRISP-DM. Dari hasil proses analisa data pada toko sahabat komputer menghasilkan 10 aturan asosiasi. Namun setelah mencari kombinasi itemset yang baik dapat ditemukan 27 aturan asosiasi, yang nantinya dapat berfungsi sebagai persiapan stok barang pemilik toko guna meningkatkan pelayanan pada toko. Sahabat Komputer shop is a shop selling computer equipment and electronics located in Ungaran, Kab.Semarang. There are various items in the computer friends shop, but those items may not all be sold. Computer friends shop owners need tools to predict interrelated goods, in order to improve the quality of service at computer friends shop. In helping to find items related to a computer friend's shop, data mining methods can be used as a solution, while the algorithm used is a priori. As a support for analyzing data and in data processing the CRISP-DM data mining cycle is used. From the results of the data analysis process at a sahabat komputer's shop produced 10 association rules. However, after searching for a good combination of itemsset, 27 association rules can be found, which can later serve as preparation for store owner's stock in order to improve service at the store.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
