scholarly journals Penerapan Algoritma Apriori Dengan Market Basket Analysis Untuk Pengaturan Tata Letak Barang

2021 ◽  
Vol 7 (2) ◽  
pp. 60-69
Author(s):  
Putri Andriani ◽  
Lelah Lelah
Keyword(s):  
Market Basket Analysis ◽  
Market Basket ◽  
Display Area

Penelitian ini bertujuan untuk membantu pihak toko untuk menganalisa barang apa saja yang sering dibeli dalam kurun waktu tertentu dan diletakkan saling berdekatan dan agar memperoleh proses penataan tata letak barang pada display area dengan mempertimbangkan pola pembelanjaan pelanggan untuk memudahkan dalam menemukan produk yang akan di beli secara bersamaan dengan menggunakan algoritma apriori. Data data yang yang terlibat dalam setiap transaksi penjualan pada sares Gallery sehingga terjadinya tumpukan data yang dibiarkan saja.untuk itu digunakanlah metode market basket analysis untuk menyelesaikan masalah yang dihadapi. Kemudian, sistem akan menjalankan proses penghitungan nilai dukungandari setiap kumpulan data transaksi yang ada dalam rentang waktu tersebut dan memilih sesuai dengan nilai dukungan minimum. Dalam menetapkan aturan asosiasi yang hendak ditunjuk, maka tentu harus mengurutkan terlebih dahulu berdasarkan support x confidence. Aturan tersebut akan diambil sebanyak n aturan yang mempunyai hasil terbesar. Maka, diambil kesimpulan tiga item yang sering dibeli bersamaan adalah Baju, sandal, dompet

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

scholarly journals Application of uninorms to market basket analysis

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

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.

Sign in / Sign up

Export Citation Format

Share Document