Penerapan Clustering Berbasis Small Ratio Dengan Dynamic Itemset Counting Pada Market Basket Analysis
Total View This Week0

Institusion

Universitas Surabaya

Author

Husianto, Antonius

Subject

QA75 Electronic computers. Computer science 

Datestamp

2014-03-04 05:46:09 

Abstract :
Dunia usaha yang terus berkembang membuat para pelaku usaha harus selalu memikirkan strategi untuk meningkatkan usahanya. Salah satu aset utama yang dimiliki oleh perusahaan adalah data bisnis dalam jumlah besar. Maka dari diperlukannya teknologi yang mampu menemukan pola-pola yang terdapat dalam data itu. Teknologi yang dimaksud adalah data mining. Salah satu teknik yang sering dipakai adalah market basket analysis. Dimana teknik tersebut bertujuan untuk menemukan pola pasangan barang yang sering dibeli oleh konsumen. Hasil dari market basket analysis dapat diterapkan untuk mengambil suatu keputusan penting yang bermanfaat bagi pelaku bisnis. Penerapan teknik market basket analysis dapat dilakukan dengan metode dynamic itemset counting maupun clustering. Metode clustering berbasis small large ratio ini bertujuan untuk mengelompokkan database dengan memegang prinsip agar hubungan item dalam satu kelompok memiliki similarity (kemiripan) sedangkan antar kelompok item-itemnya hanya memiliki dissimilarity (ketidaksamaan). Untuk metode dynamic itemset counting memiliki tujuan menemukan barang yang paling sering dibeli (large item) dari suatu database transaksi. Namun metode dynamic itemset counting dalam perkembangannya bila diterapkan pada data yang berjumlah besar akan mempengaruhi waktu prosesnya. Dalam tugas akhir ini pencarian pola pasangan barang yang sering dibeli secara bersamaan oleh konsumen dilakukan dengan cara mengkombinasikan dua metode tersebut. Diharapkan dengan penambahan metode clustering dapat memperbaiki waktu proses dari dynamic itemset counting maupun market basket analysis. Dengan kata lain dalam mencapai tujuan tersebut, data diolah terlebih dahulu dengan metode clustering kemudian baru dilanjutkan dengan metode dynamic itemset counting. Perangkat lunak yang telah berhasil dibuat telah di uji coba dengan menggunakan data sintetik. Dari hasil uji coba dapat disimpulkan bahwa penambahan metode clustering terhadap dynamic itemset counting berhasil dilakukan penambahan metode tersebut dapat mengurangi jumlah transaksi dan meningkatkan waktu proses dari dynamic itemset counting; Namun penambahan metode itu tidak mampu meningkatkan waktu proses dari market basket analysis. Untuk pengembangan selanjutnya diharapkan dapat ditambahkannya metode-metode lain dalam mengimplementasikan market basket analysis.