PENERAPAN DATA MINING UNTUK MARKET BASKET ANALYSIS PADA DATA PENJUALAN MENGGUNAKAN ALGORITMA ECLAT DAN APRIORI (Studi Kasus : 212 Mart
Total View This Week0
Total View This Week0
Institusion
Universitas Teknokrat Indonesia
Author
Fidiawati, Ratih
Subject
ANALISIS APLIKASI E-MARKETING
Datestamp
2021-12-15 02:07:28
Abstract :
Pertumbuhan bisnis ritel yang semakin pesat membuat persaingan dalam menerapkan strategi pemasaran yang lebih baik. Penelitian ini dilakukan bertujuan untuk menganalisis keranjang belanja atau market basket analysis pada sebuah Minimarket. Menggunakan dua algoritma yaitu algoritma Eclat dan algoritma Apriori untuk menganalisis data penjualan, tujuan dari penelitian ini untuk mengetahui algoritma yang paling baik dalam mencari aturan asosiasi atau association rule dari data penjualan serta memberikan informasi terkait barang apa yang paling banyak terjual juga untuk mengetahui item barang apa yang harus dipajang pada rak penjualan secara besamaan. Berdasarkan Hasil Implementasi Algoritma Eclat dan Apriori disimpulkan bahwa algoritma Eclat bekerja dengan lebih baik dibanding algoritma Apriori terlihat dari proses mencari rule dari data penjualan 212 Mart, algoritma Eclat menghasilkan rule sebanyak 86 item dengan waktu 0.01s, sedangkan algoritma Apriori mengahsilkan rule sebanyak 61 rule dengan waktu 0,00s, Hasil dari Implementasi Algoritma Eclat menggunakan R mendapatkan rule paling kuat yaitu antara item INDOMIE GORENG 80G dan INDOMIE KARI AYAM 72G dengan nilai support 0.016460905. Sedangkan Hasil dari implementasi algortima Apriori rule yang didapat dengan nilai lift tertinggi yaitu jika pelanggan membeli item FRISIAN FLAG HILO FRENCH VANILLA 225 ML dan FRISIAN FLAG HILO STRAWBERRY 225ML maka membeli juga FRISIAN FLAG LOW FAT BELGIAN CHOCOLATE 250ML dengan nilai support 0.006172840 dan nilai confidence 1.00 serta nilai lift 121.500. Kata Kunci: MBA, ECLAT, APRIORI, R, Data Mining
Pertumbuhan bisnis ritel yang semakin pesat membuat persaingan dalam menerapkan strategi pemasaran yang lebih baik. Penelitian ini dilakukan bertujuan untuk menganalisis keranjang belanja atau market basket analysis pada sebuah Minimarket. Menggunakan dua algoritma yaitu algoritma Eclat dan algoritma Apriori untuk menganalisis data penjualan, tujuan dari penelitian ini untuk mengetahui algoritma yang paling baik dalam mencari aturan asosiasi atau association rule dari data penjualan serta memberikan informasi terkait barang apa yang paling banyak terjual juga untuk mengetahui item barang apa yang harus dipajang pada rak penjualan secara besamaan. Berdasarkan Hasil Implementasi Algoritma Eclat dan Apriori disimpulkan bahwa algoritma Eclat bekerja dengan lebih baik dibanding algoritma Apriori terlihat dari proses mencari rule dari data penjualan 212 Mart, algoritma Eclat menghasilkan rule sebanyak 86 item dengan waktu 0.01s, sedangkan algoritma Apriori mengahsilkan rule sebanyak 61 rule dengan waktu 0,00s, Hasil dari Implementasi Algoritma Eclat menggunakan R mendapatkan rule paling kuat yaitu antara item INDOMIE GORENG 80G dan INDOMIE KARI AYAM 72G dengan nilai support 0.016460905. Sedangkan Hasil dari implementasi algortima Apriori rule yang didapat dengan nilai lift tertinggi yaitu jika pelanggan membeli item FRISIAN FLAG HILO FRENCH VANILLA 225 ML dan FRISIAN FLAG HILO STRAWBERRY 225ML maka membeli juga FRISIAN FLAG LOW FAT BELGIAN CHOCOLATE 250ML dengan nilai support 0.006172840 dan nilai confidence 1.00 serta nilai lift 121.500. Kata Kunci: MBA, ECLAT, APRIORI, R, Data Mining
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
