Inventory Prediction Using Market Basket Analysis and Text Segmentation—A Review

Author(s):  
B. V. R. Sai Teja ◽  
N. Arivazhagan
ICIT Journal ◽  
2020 ◽  
Vol 6 (1) ◽  
pp. 94-104
Author(s):  
Fernando Siboro ◽  
Capri Eriansyah ◽  
Muhammad Adi Sofyan

Teknologi informasi saat ini terus berkembang semakin cepat, membuat pola berfikir manusia berubah, dengan proses pertumbuhan yang seperti ini, generasi akan datang diharuskan mempunyai keahlian yang lebih baik di bidang pemanfaatan teknologi informasi. Kebutuhan adanya kemudahan dari segi pemasaran, saat ini dirasa sangat penting, terutama bagi perusahaan yang bergerak dibidang penjulan atau distributor guna menunjang meningkatkan akurasi dan kualitas pemasaran itu sendiri. Namun pada kenyataanya, sistem yang berjalan masih tergolong kurang efektif dan efesien dalam melayani kebutuhan pelanggan, hal ini dikarenakan sistem pemasaran produk hanya bisa diakses secara manual, dan belum adanya media informasi seputar produk yang ditawarkan, oleh sebab itu dibuatlah suatu perancangan sistem informasi yang mengatur pemasaran produk dan dapat menjadi bahan dalam pembuatan laporan sistem penunjang keputusan. Dalam perancangan ini menggunakan metode data mining market basket analysis dan Max-Miner sebagai algoritma. Serta menggunakan metode penerapan sistem waterfall atau sering dinamakan siklus hidup klasik (classic life cycle). Dengan demikian rancang bangun sistem informasi ini, mengacu kepada bagaimana cara agar pemasaran produk dapat di akses dengan mudah, cepat, dan akurat dimanapun dan kapanpun, calon customer dapat mengakses tanpa terkendala waktu dan tempat, serta menjadi wadah dalam pengambilan keputusan oleh perusahaan. Metodologi desain menggunakan uml yang melimuti usecase, activity, squence dan untuk pengelolaan basis data menggunakan mysql. Sistem ini diharapkan mampu dijadikan salah satu penunjang keputusan untuk kebutuhan promosi produk. Kata Kunci: Penunjang pemasaran, promosi produk, algoritma Max-Miner


2018 ◽  
Vol 34 (1) ◽  
pp. 39-49 ◽  
Author(s):  
Raymond Moodley ◽  
Francisco Chiclana ◽  
Fabio Caraffini ◽  
Jenny Carter

2011 ◽  
Vol 145 ◽  
pp. 292-296
Author(s):  
Lee Wen Huang

Data Mining means a process of nontrivial extraction of implicit, previously and potentially useful information from data in databases. Mining closed large itemsets is a further work of mining association rules, which aims to find the set of necessary subsets of large itemsets that could be representative of all large itemsets. In this paper, we design a hybrid approach, considering the character of data, to mine the closed large itemsets efficiently. Two features of market basket analysis are considered – the number of items is large; the number of associated items for each item is small. Combining the cut-point method and the hash concept, the new algorithm can find the closed large itemsets efficiently. The simulation results show that the new algorithm outperforms the FP-CLOSE algorithm in the execution time and the space of storage.


Sign in / Sign up

Export Citation Format

Share Document