scholarly journals IMPLEMENTASI ALGORITMA APRIORI UNTUK ANALISIS PENJUALAN KONTER BERBASIS WEB

2021 ◽  
Vol 1 (2) ◽  
pp. 226-233
Author(s):  
Jala Roza Gumilang
Keyword(s):  
Data Mining ◽  
Market Basket Analysis ◽  
Menu Item ◽  
Market Basket ◽  
Minimum Support ◽  
G Cell

Promosi yang efektif dapat meningkatkan angka penjualan. Untuk menentukan dan mengembangkan promosi agar lebih terarah dan tepat sasaran, Konter perlu mengidentifikasi pasar sasaran dan motif membeli. Salah satu cara untuk mengenali kondisi pasar adalah mengetahui minat beli konsumen, yang dapat diamati melalui data-data transaksi pembelian. Algoritma apriori dapat dimanfaatkan dalam proses penjualan, dengan memberikan hubungan antar data penjualan, dalam hal ini adalah kuota atau aksesoris handphone yang di beli sehingga akan didapat pola pembelian konsumen. Pihak konter dapat memanfaatkan informasi tersebut untuk mengambil tindakan bisnis yang sesuai, dalam hal ini informasi dapat menjadi bahan pertimbangan untuk menentukan strategi penjualan selanjutnya. Dengan menggunakan metode data mining yaitu market basket analysis dan algoritma apriori, dihasilkan aturan asosiasi yang menunjukkan pola beli konsumen dan seberapa kuat suatu item mempengaruhi item lain. Dari hasil analisa dan pengujian telah dilakukan ujicoba sistem sebanyak tiga kali menggunakan data transaksi Konter G Cell selama periode bulan Desember 2019 sampai November 2020 (1 Tahun) dengan merubah parameter minimum support dan minimum confidence maka didapat hasil kombinasi menu item yang dapat di buat untuk proses pengembangan promosi.

scholarly journals Market Basket Analysis Menggunakan Algoritma Apriori: Kasus Transaksi 212 Mart Soebrantas Pekanbaru

2021 ◽  
Vol 5 (1) ◽  
pp. 31-40
Author(s):  
Deni Rizaldi ◽  
Arisman Adnan
Keyword(s):  
Data Mining ◽  
Market Basket Analysis ◽  
Market Basket ◽  
Minimum Support ◽  
Body Care

Market Basket Analysis (MBA) merupakan salah satu teknik penemuan aturan asosiasi dalam data mining. MBA memanfaatkan data transaksi pada suatu toko untuk menentukan strategi penjualan. Konsep utama analisis ini adalah menentukan barang yang dibeli secara bersamaan oleh konsumen. Penentuan asosiasi dalam MBA berdasarkan kriteria minimum support dan confidence. Penelitian ini menggunakan algoritma apriori untuk data transaksi 212 Mart Soebrantas Pekanbaru periode Januari-Desember 2020. Algoritma apriori merupakan algoritma yang efisien untuk menentukan kandidat aturan asosiasi pada data dengan jumlah besar. Aturan asosiasi yang akan dibangkitkan adalah aturan asosiasi antar kelompok item dan asosiasi antar item. Berdasarkan hasil analisis ditemukan aturan asosiasi antar kelompok yang terbaik berdasarkan nilai lift tertinggi yaitu asosiasi antara clothing care dan body care dengan support 6,1% dan confidence 45,88 %. Aturan asosiasi terbaik untuk item yaitu asosiasi Lemonilo Mie Instan Ayam Bawang 7 dan Lemonilo Mie Instan Kari Ayam dengan support 0,17% dan confidence 42,11%.

Comparative Analysis of Association Rule Mining Algorithms in Market Basket Analysis Using Transactional Data

2020 ◽  
Vol 27 (1) ◽  
Author(s):  
AA Izang ◽  
SO Kuyoro ◽  
OD Alao ◽  
RU Okoro ◽  
OA Adesegun
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Association Rule Mining ◽  
Market Basket Analysis ◽  
Rule Mining ◽  
Business Decisions ◽  
Market Basket ◽  
Minimum Support ◽  
Support Threshold ◽  
Transactional Data

Association rule mining (ARM) is an aspect of data mining that has revolutionized the area of predictive modelling paving way for data mining technique to become the recommended method for business owners to evaluate organizational performance. Market basket analysis (MBA), a useful modeling technique in data mining, is often used to analyze customer buying pattern. Choosing the right ARM algorithm to use in MBA is somewhat difficult, as most algorithms performance is determined by characteristics such as amount of data used, application domain, time variation, and customer’s preferences. Hence this study examines four ARM algorithm used in MBA systems for improved business Decisions. One million, one hundered and twele thousand (1,112,000) transactional data were extracted from Babcock University Superstore. The dataset was induced with Frequent Pattern Growth, Apiori, Association Outliers and Supervised Association Rule ARM algorithms. The outputs were compared using minimum support threshold, confidence level and execution time as metrics. The result showed that The FP Growth has minimum support threshold of 0.011 and confidence level of 0.013, Apriori 0.019 and 0.022, Association outliers 0.026 and 0.294 while Supervised Association Rule has 0.032 and 0.212 respectively. The FP Growth and Apirori ARM algorithms performed better than Association Outliers and Supervised Association Rule when the minimum support and confidence threshold were both set to 0.1. The study concluded by recommending a hybrid ARM algorithm to be used for building MBA Applications. The outcome of this study when adopted by business ventures will lead to improved business decisions thereby helping to achieve customer retention. Keywords: Association rule mining, Business ventures, Data mining, Market basket analysis, Transactional data.

IMPLEMENTASI APLIKASI DATA MINING PADA APOTEK KIMIA FARMA BAHTERAMAS MENGGUNAKAN ALGORITMA APRIORI

2017 ◽  
Vol 2 (1) ◽  
pp. 87-95
Author(s):  
Jayadi Jayadi ◽  
Andi Patombongi
Keyword(s):  
Data Mining ◽  
Market Basket Analysis ◽  
Market Basket ◽  
Minimum Support ◽  
Data History ◽  
Database Support

Apotek Kimia Farma juga sudah menerapkan aplikasi dalam sistem penjualannya, seiring dengan berjalannya waktu data yang dihasilkan aplikasi penjualan pada apotek semakin melimpah dan membuat tumpukan data yang tidak bermanfaat, Sehingga dibutuhkan aplikasi yang dapat mempermudah pihak apotek dalam menganalisis data tranksaksi tersebut. Metode yang digunakan dalam pembuatan aplikasi Data mining yaitu metode MBA (market basket analysis ), dengan bantuan Algoritma Apriori. Proses yang dilakukan dalam implementasi Algoritma Apriori yaitu dengan cara mengambil data history penjualan dari Apotek Kimia Farma, kemudian menghitung nilai persentase tiap barang yang dibeli dalam database (support ), selanjutnya memangkas data yang tidak memenuhi syarat dari nilai minimum support, setelah semua pola frekuensi tinggi ditemukan, barulah dicari aturan asosisasi yang memenuhi syarat minimum confidence. Hasil dari aplikasi yang menggunakan teknik Data Minig dan Algoritma Apriori ini yaitu mampu menampilkan pola pembeliaan konsumen dengan menganalisa data transaksi yang ada, dan membantu pihak apotek untuk mengetahui pola konsumsi konsumen sehingga dapat meningkatkan strategi penjualan.

scholarly journals MARKET BASKET ANALYSIS USING THE FP-GROWTH ALGORITHM TO DETERMINE CROSS-SELLING

2021 ◽  
Vol 7 (4) ◽  
pp. 49-54
Author(s):  
Fildzah Zia Ghassani ◽  
Asep Jamaludin ◽  
Agung Susilo Yuda Irawan
Keyword(s):  
Data Mining ◽  
Association Rules ◽  
Basic Needs ◽  
Market Basket Analysis ◽  
Rice Cake ◽  
Market Basket ◽  
Transaction Data ◽  
Minimum Support ◽  
A Value ◽  
Association Method

KAOCHEM Sinergi Mandiri Cooperative is a cooperative that provides various kinds of basic needs such as basic foodstuffs that can meet the needs of its members. The cooperative transaction data is only stored as a report. Association rules are a method in data mining that functions to identify items that have a value that is likely to appear simultaneously with other items. One implementation of the association method is Market Basket Analysis. The data used are transaction data for November 2019. Data mining is one of the processes or stages of the KDD method. The data mining process is carried out using the FP-Growth algorithm, which is one of the algorithms for calculating the sets that often appear from data. Researchers analyzed transaction data using the Rapid Miner Studio tools. In the data mining process using FP-Growth the researcher determines a minimum support value of 3% and a minimum confidence of 50%. The association process using these values ​​produces 3 strong rules, namely if ades 350 ml, then fried / lontong with a support value of 0.030 and confidence 0.556 and if fried st, then fried / lontong with a support value of 0.048 and confidence 0.639, and if nasi uduk / bacang , then fried / rice cake with a support value of 0.031 and confidence 0.824. The results of the association rules can be applied using one of the marketing techniques, namely cross-selling to increase the sales of the cooperative.

scholarly journals IMPLEMENTASI METODE MARKET BASKET ANALYSIS (MBA) MENGGUNAKAN ALGORITMA APRIORI DALAM TRANSAKSI PENJUALAN (STUDI KASUS: KAFE RUANG TEMU)

2020 ◽  
Vol 10 (2) ◽  
pp. 138
Author(s):  
Muhammad SyahruRomadhon ◽  
Achmad Kodar
Keyword(s):  
Data Mining ◽  
Association Rules ◽  
Association Rule ◽  
Apriori Algorithm ◽  
Market Basket Analysis ◽  
Tourist Attractions ◽  
Market Basket ◽  
Transaction Data ◽  
Data Mining Techniques ◽  
Minimum Support

Jakarta is one of the culinary attractions, many tourist attractions every year become creative in business. One of them is a cafe. Cafe Ruang Temu has sales transaction data but is not used to see associations between one product and another. In this case there needs to be a system for finding menu combinations by processing sales transactions. One of the data mining techniques is association rule or Market Basket Analysis (MBA) with apriori algorithm. Apriori algorithm aims to produce association rules to form menu combinations. The sales dataset for January 2019 to July 2019 is determined by the minimum support and minimum confidence values that have been set.  

scholarly journals Analisis Tingkat Pembelian Konsumen dengan Algoritma Apriori

2020 ◽  
Vol 2 (02) ◽  
Author(s):  
Ismasari Ismasari ◽  
Maulida Ramadhan ◽  
Wahyu Hadikristanto
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Association Rule Mining ◽  
Market Basket Analysis ◽  
Rule Mining ◽  
Market Basket ◽  
Minimum Support ◽  
Mining Association Rule

Saat ini data mining telah diimplementasikan ke berbagai bidang salah satu diantaranya adalah pada bidang bisnis atau perdagangan yang dapat membantu para pebisnis dalam kebijakan pengambilan keputusan terhadap apa yang berhubungan dengan persediaan barang. Misalnya pentingnya sistem persediaan barang di suatu Toko dan jenis barang apa yang menjadi prioritas utama yang harus di stok untuk mengantisipasi kekosongan barang. Karena minimnya stok barang dapat berpengaruh pada pelayanan konsumen dan pendapatan Toko. Metode yang sering digunakan untuk menganalisa pola pembelian pelanggan adalah metode asosiasi atau association rule mining. Association rule mining adalah suatu metode untuk mencari pola hubungan antar satu atau lebih itemset yang ada dalam suatu dataset. Algoritma yang paling popular dalam mencari pola hubungan item set adalah algoritma apriori atau sering disebut dengan market basket analysis. Proses yang dilakukan dalam penelitian ini menggunakan tools Rapid Miner untuk mengolah data dengan algoritma apriori, dari pengujian yang dilakukan dengan parameter yang telah ditentukan yaitu minimum support 70% dan minimum confidence 80% menghasilkan 4 aturan asosiasi dengan nilai confidance 100% yaitu kombinasi item aqua 600ml-fulloblasto caramel cruncy chocolat - yupi 500 semua rasa - beng beng 25g. Dengan pencarian pola menggunakan algoritma apriori ini diharapkan informasi yang dihasilkan dapat meningkatakan strategi penjualan selanjutnya    

MODEL SISTEM INFORMASI PEMASARAN SEBAGAI PENUNJANG KEPUTUSAN PROMOSI PRODUK MENGGUNAKAN ALGORITMA MAX -MINER

ICIT Journal ◽  
2020 ◽  
Vol 6 (1) ◽  
pp. 94-104
Author(s):  
Fernando Siboro ◽  
Capri Eriansyah ◽  
Muhammad Adi Sofyan
Keyword(s):  
Data Mining ◽  
Life Cycle ◽  
Market Basket Analysis ◽  
Market Basket

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

A Hybrid Algorithm of Mining Closed Itemsets for Large Databases

2011 ◽  
Vol 145 ◽  
pp. 292-296
Author(s):  
Lee Wen Huang
Keyword(s):  
Data Mining ◽  
Association Rules ◽  
Execution Time ◽  
Hybrid Algorithm ◽  
Hybrid Approach ◽  
Market Basket Analysis ◽  
Market Basket ◽  
Large Databases ◽  
Closed Itemsets ◽  
Simulation Results

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.

scholarly journals Market Basket Analysis for Determination of Consumer Behavior at XYZ Stores Using R Programming

2021 ◽  
Vol 3 (2) ◽  
pp. 0210206
Author(s):  
Kelik Sussolaikah
Keyword(s):  
Data Mining ◽  
Consumer Behavior ◽  
Market Basket Analysis ◽  
Process Data ◽  
Market Basket ◽  
Data Mining Techniques ◽  
Programming Tool ◽  
The World ◽  
R Programming

Data mining is one of the fields of science in the world of informatics which has an important role, especially with regard to data. There are many algorithms and methods that can be used to process data. The paper this time the author tries to conduct research on consumer behavior by using one of the data mining techniques, namely market basket analysis. This research uses the R Programming tool, where it is hoped that the research can be carried out effectively and efficiently. Based on the research conducted, it is known that there has been a significant purchase of several items that have been described as a plot. The tendency of consumers to buy several items followed by other items can be a consideration for arranging the layout of goods on the sales shelf or arranging product stock in a supermarket.

Sign in / Sign up

Export Citation Format

Share Document