IMPLEMENTASI DATA MINING DENGAN METODE ALGORITMA APRIORI DALAM MENENTUKAN PERSEDIAAN BARANG PADA TOKO PAKAIAN UNISCO PALEMBANG
Total View This Week0
Total View This Week0
Institusion
Universitas Bina Darma
Author
VIRANTI, UTAMI
Nyimas, Sopiah
Muhammad, Akbar
Nyimas, Sopiah
Muhammad, Akbar
Subject
Q Science (General)
Datestamp
2020-06-05 02:28:23
Abstract :
Persediaan barang merupakan hal yang sangat penting terutama bagi, Toko Pakaian Unisco yang merupakan dalam bidang dagang, Persediaan di perlukan untuk menciptakan penjualan dan menghasilkan laba. Dalam kegiatannya Toko pakaian Unisco ini masih menggunakan pengolahan data yang bersifat semi manual. Untuk mengetahui barang apa saja yang sering di beli oleh para konsumen, di lakukan teknik analisis keranjang pasar yaitu analisis dari kebiasaan membeli konsumen. Metode yang dipakai adalah Algoritma apriori yang termasuk jenis aturan asosiasi pada data mining. Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien adalah analisis pola frequensi tinggi(frequent pattern mining). Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur , yaitu : support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi. Algoritma apriori dapat membantu untuk pengembangan strategi persediaan barang yang akan datang.
Persediaan barang merupakan hal yang sangat penting terutama bagi, Toko Pakaian Unisco yang merupakan dalam bidang dagang, Persediaan di perlukan untuk menciptakan penjualan dan menghasilkan laba. Dalam kegiatannya Toko pakaian Unisco ini masih menggunakan pengolahan data yang bersifat semi manual. Untuk mengetahui barang apa saja yang sering di beli oleh para konsumen, di lakukan teknik analisis keranjang pasar yaitu analisis dari kebiasaan membeli konsumen. Metode yang dipakai adalah Algoritma apriori yang termasuk jenis aturan asosiasi pada data mining. Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien adalah analisis pola frequensi tinggi(frequent pattern mining). Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur , yaitu : support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi. Algoritma apriori dapat membantu untuk pengembangan strategi persediaan barang yang akan datang.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
