IMPLEMENTASI DATA MINING UNTUK REKOMENDASI
PENYEDIAAN PRIORITAS JENIS BARANG MENGGUNAKAN
ALGORITMA APRIORI
Total View This Week0
Total View This Week0
Institusion
Universitas Stikubank
Author
Setiawan, Bagus
Subject
QA75 Electronic computers. Computer science
Datestamp
2020-04-30 05:07:00
Abstract :
Berkembangnya dunia usaha sekarang semakin pesat mulai dari usaha mikro sampai usaha makro menuntut para pengusaha untuk selalu inovatif dan kreatif dalam mengembangkan usahanya dengan teknologi yang sedang berkembang pada saat ini. Kebutuhan akan ketersediaan barang perlu adanya pengendalian untuk menghindari adanya barang yang kosong sehingga mengakibatkan konsumen yang berpindah ke lain tempat maka perlu membuat suatu sistem rekomendasi yang dapat memberikan informasi penyediaan prioritas jenis barang, penggunaan algoritma apriori pada Toko Buku & Alat Tulis Merbabu Semarang untuk rekomendasi penyediaan jenis barang yang harus tersedia berdasarkan pola konsumen dalam membeli barang secara bersamaan sehingga didapatkan himpunan kombinasi item atau keterkaitan yang kuat antar itemset yang menghasilkan rule asosiasi dari barang yang terjual . Teknik data mining dengan metode asosiasi menggunakan algoritma apriori menghasilkan himpunan kombinasi item atau keterkaitan yang kuat antar itemset sehingga menghasilkan rule asosiasi dari barang yang terjual melalui data transaksi penjualan Toko Buku & Alat Tulis Merbabu Semarang, hasil yang didapatkan dari analisa 3 kombinasi itemset menghasilkan rule asosiasi dengan nilai confidence tertinggi yaitu 0,565 maka jika barang SPIDOLSNOWMANWBBG12BLUE, SPIDOLSNOWMANWBBGRED mengalami kekurangan stok karena banyaknya banyaknya penjualan maka akan secara otomatis merekomendasikan SPIDOLSNO WMANWBBG12BLACK untuk dilakukan penyediaan barang serta analisa dengan 4 kombinasi itemset yang menghasilkan rule asosiasi dengan nilai confidence tertinggi yaitu 1,000000 maka jika barang SPIDOLSNOWMANWBBG12GREEN, SPIDOLSNOWMANWBBG12RED, danSPIDOLSNOWMANWWBPINKBRO WNYEL mengalami kekurangan stok karena banyaknya penjualan maka akan secara otomatis merekomendasikan SPIDOLSNOWMANWBBG12BLACK untuk dilakukan penyediaan barang.
Berkembangnya dunia usaha sekarang semakin pesat mulai dari usaha mikro sampai usaha makro menuntut para pengusaha untuk selalu inovatif dan kreatif dalam mengembangkan usahanya dengan teknologi yang sedang berkembang pada saat ini. Kebutuhan akan ketersediaan barang perlu adanya pengendalian untuk menghindari adanya barang yang kosong sehingga mengakibatkan konsumen yang berpindah ke lain tempat maka perlu membuat suatu sistem rekomendasi yang dapat memberikan informasi penyediaan prioritas jenis barang, penggunaan algoritma apriori pada Toko Buku & Alat Tulis Merbabu Semarang untuk rekomendasi penyediaan jenis barang yang harus tersedia berdasarkan pola konsumen dalam membeli barang secara bersamaan sehingga didapatkan himpunan kombinasi item atau keterkaitan yang kuat antar itemset yang menghasilkan rule asosiasi dari barang yang terjual . Teknik data mining dengan metode asosiasi menggunakan algoritma apriori menghasilkan himpunan kombinasi item atau keterkaitan yang kuat antar itemset sehingga menghasilkan rule asosiasi dari barang yang terjual melalui data transaksi penjualan Toko Buku & Alat Tulis Merbabu Semarang, hasil yang didapatkan dari analisa 3 kombinasi itemset menghasilkan rule asosiasi dengan nilai confidence tertinggi yaitu 0,565 maka jika barang SPIDOLSNOWMANWBBG12BLUE, SPIDOLSNOWMANWBBGRED mengalami kekurangan stok karena banyaknya banyaknya penjualan maka akan secara otomatis merekomendasikan SPIDOLSNO WMANWBBG12BLACK untuk dilakukan penyediaan barang serta analisa dengan 4 kombinasi itemset yang menghasilkan rule asosiasi dengan nilai confidence tertinggi yaitu 1,000000 maka jika barang SPIDOLSNOWMANWBBG12GREEN, SPIDOLSNOWMANWBBG12RED, danSPIDOLSNOWMANWWBPINKBRO WNYEL mengalami kekurangan stok karena banyaknya penjualan maka akan secara otomatis merekomendasikan SPIDOLSNOWMANWBBG12BLACK untuk dilakukan penyediaan barang.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
