scholarly journals Identifikasi Pola Penjualan Kategori Barang dalam Menjaga Stabilitas Stok Barang Menggunakan Algoritma Fp-Growth

2021 ◽  
pp. 155-160
Author(s):  
Nelisa ◽  
Syahid Hakam Abdul Halim
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Minimum Support

Dalam mengelola sekumpulan Database yang sangat besar dibutuhkan suatu metode atau teknik yang dapat mengubah segunung data menjadi suatu informasi, salah satu data yang bisa diolah adalah data penjualan. Mini Market Ulfamart merupakan salah satu Mini Market yang berperan memenuhi kebutuhan konsumen dengan baik sehinga perlu metode yang baik untuk mengelola barang agar dapat memnuhi kebutuhan konsumen, data yang dapat diolah salah satunya adalah data transaksi penjualan pada Mini Market Ulfamart. Dimana nantinya akan menjadi sebuah informasi penting untuk meningkatkan penjualan. Penelitian ini bertujuan untuk menemukan pola pembelian barang untuk memprediksi tingkat ketersediaan stock barang sehingga dapat meningkatkan penjualan. Data yang diolah pada penelitian ini menggunakan data transaksi penjualan barang yang didapat dari Mini Market Ulfamart. Data transaksi tersebut akan diteliti menggunakan salah satu teknik Data Mining secara assosiasi dengan algoritma Fp-Growth dengan nilai confidence 70% dan minimum support 30%. Sehingga didapatkan pola pembelian produk yang dijadikan informasi untuk memprediksi tingkat ketersedian stock barang. Hasil dari proses pengolahan data penjualan adalah association rule. Association Rule yang didapat berupa hubungan suatu barang yang terjual bersamaan dengan barang lain dalam suatu transaksi yang sama atau lebih dari nilai confidance dan nantinya akan menjadi sebuah pengetahuan bagi pemilik Mini Market. Dari pola tersebut dapat direkomendasikan kepada pemilik Mini Mrket sebagai informasi untuk menyiapkan stock barang untuk meningkatkan hasil penjualan. Penelitian ini sangat tepat digunakan oleh pihak Mini Market agar dapat menyampaikan informasi lebih cepat dan akurat sehingga tingkat penjualan menjadi meningkat dan terkontrol dengan baik.      

scholarly journals Implementasi Data Mining Menggunakan Algoritma Apriori Pada Penjualan Suku Cadang Motor

2021 ◽  
Vol 14 (2) ◽  
pp. 125
Author(s):  
Ainul Mardiaha ◽  
Yulia Yulia
Keyword(s):  
Data Mining ◽  
Association Rules ◽  
Association Rule ◽  
A Priori ◽  
Spare Parts ◽  
Frequent Itemset ◽  
Sales Data ◽  
Minimum Support ◽  
Relationship Of

This research was carried out to simplify or assist Candra Motor workshop owners in managing data and archives of motorcycle parts sales by applying a data mining a priori algorithm method. Data mining is an operation that uses a particular technique or method to look for different patterns or shapes in a selected data. Sales data for a year with the number of 15 items selected using the priori algorithm method. A priori algorithm is an algorithm for taking data with associative rules (association rule) to determine the associative relationship of an item combination. In a priori algorithm, it is determined frequent itemset-1, frequent itemset-2, and frequent itemset-3 so that the association rules can be obtained from previously selected data. To obtain the frequent itemset, each selected data must meet the minimum support and minimum confidence requirements. In this study using minimum support ? 7 or 0.583 and minimum confidence of 90%. So that some rules of association were obtained, where the calculation of the search for association rules manually and using WEKA software obtained the same results.By fulfilling the minimum support and minimum confidence requirements, the most sold spare parts are inner tube, Yamaha oil and MPX oil.

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.

scholarly journals Penerapan Metode Data Mining Pada Point of Sale Berbasis Web Menggunakan Algoritma Apriori

2021 ◽  
Vol 5 (3) ◽  
pp. 1158
Author(s):  
Adam Firmansyah ◽  
M Iwan Wahyudin ◽  
Ben Rahman
Keyword(s):  
Data Mining ◽  
Association Rules ◽  
Association Rule ◽  
A Priori ◽  
Point Of Sale ◽  
Minimum Support ◽  
Confidence Value

To be able to understand which products have been purchased by customers, it is done by describing the habits when customers buy. Use association rules to detect items purchased at the same time. This study uses an a priori algorithm to determine the association rules when buying goods. The results of the study and analyzing the data obtained a statement that using the a priori algorithm to select the combined itemset using a minimum support of 25% and a minimum confidence of 100%, found the association rule, namely, if the customer buys at the same time. Buying goods has the highest value of support and trust. Likewise with the support value of 25%, the confidence value is 100%. In this way, if a customer buys an item, the probability that the customer buys the item is 100%

scholarly journals Analisa Pola Frekuensi Keranjang Belanja Dengan Dengan Perbandingan Algoritma Fp-Growth (Frequent Pattern Growth) dan Eclat pada minimarket

2020 ◽  
Vol 7 (2) ◽  
pp. 364-373
Author(s):  
Krisna Nata Wijaya
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Frequent Pattern ◽  
Minimum Support ◽  
Pattern Growth

Dalam kegiatan transaksi jual beli di minimarket ataupun toko pemilik harus mengerti apa yang diinginkan komsumen dalam memberikan kenyaman berbelanja, terutama kemudahan dalam pemilihan barang yang disesuaikan dengan tata letak atau penempatan barang. Dengan menerapkan association rule pada data transaksi akan memudahkan pemilik dalam mengelolah informasi penjualan dan mencari itemset. Oleh karena itu, penelitian ini Melakukan analisis pola data transaksi penjualan dengan menerapkan metode asosiasi pada data mining. Selanjutnya dengan melakukan perbandingan algoritma Fp-Growth dan Eclat dengan minimum support dan confidence sebesar 0.01% untuk menentukan jumlah aturan yang terbentuk sebagai bahan pengambil keputusan yang ditunjukan untuk frekuensi keranjang belanja.

Analisis Transaksi Konsumen Bidang Data Mining Menggunakan Algoritma Apriori Untuk Rekomendasi Bundling Produk Pada 212 Mart Kota Lhokseumawe

JURNAL TIKA ◽  
2021 ◽  
Vol 6 (02) ◽  
pp. 92-98
Author(s):  
Mutasar Mutasar ◽  
Chaeroen Niesa
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Frequent Itemset ◽  
Minimum Support

212 Mart Lhokseumawe yang bernaung di bawah PT. Syirkah Mubarakah Lhokseumawe adalah sebuah usaha ritel yang baru saja dirintis. Dalam operasionalnya masih banyak kendala yang dihadapi sehingga omzet penjualan harian masih jauh dari yang diharapkan, namun peneliti ingin menawarkan sebuah solusi untuk meningkatkan penjualan produk dengan teknik Bundling Produk yang masih diterapkan secara konvensional. Tujuan dari penelitian ini adalah merancang dan membangun sebuah aplikasi data mining untuk memprediksi hasil penjualan barang yang diminati konsumen pada 212Mart Kota Lhokseumawe dengan menggunakan algoritma apriori berdasarkan data transaksi penjualan. Algoritma Apriori adalah salah suatu algoritma yang melakukan pencarian frequent itemset dengan menggunakan teknik association rule. Algoritma Apriori menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya untuk memproses informasi selanjutnya. Pada algoritma Apriori menentukan kandidat yang mungkin muncul dengan cara memperhatikan minimum support dan minimum confidence. Implementasi dari hasil pengolahan data transaksi penjualan diproses dengan algoritma apriori sehingga akan menghasilkan sebuah output penawaran Bundling Barang kepada konsumen dan menawarkan harga yang relative lebih ekonomis. Proses data mining ini melalui tahapan pengenalan pola perilaku dan transaksi konsumen pada 212 Mart Kota Lhokseumawe

IMPLEMENTASI ALGORITMA ASSOCIATION RULE UNTUK PROMOSI PRODUK BERBASIS WEBSITE PADA BENGKEL DELTA JAYA MOTOR

2019 ◽  
Vol 24 (2) ◽  
pp. 152-160
Author(s):  
Anggara Fajri Afif ◽  
Ericks Rahmat Swedia ◽  
Margi Cahyanti
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Minimum Support

Bengkel Delta Jaya Motor merupakan toko yang menjual sparepart motor yang hampir setiap hari dikunjungi konsumen. Adanya kegiatan transaksi penjualan setiap hari membuat data semakin lama akan semakin bertambah banyak. Pada saat ini toko Delta Jaya Motor belum memanfaatkan ketersediaan jumlah data yang besar untuk menentukan strategi bisnis, seperti menentukan produk yang sering dibeli oleh konsumen, menentukan strategi pemasaran, dan mengatur ketersedian stok produk. Kemajuan teknologi informasi juga belum dimanfaatkan, aplikasi website adalah suatu wadah informasi yang bersifat realtime sehingga mempermudah konsumen memperoleh informasi. Dengan adanya aplikasi website diharapkan memudahkan proses bisnis pada toko Delta Jaya Motor seperti konsumen dapat langsung melihat produk di halaman website beserta stok dan produk lain yang sering dibeli bersamaan. Penelitian ini membahas analisis dan penerapan data mining untuk melihat pola pembelian konsumen Delta Jaya motor menggunakan algoritma association rule berbasis website. Dengan menggunakan algoritma association rule berhasil diperoleh sebelas aturan asosiasi dengan memberikan batas minimum support 13% dan minimum confidence 30%. Hasil dari aturan asosiasi memberikan informasi untuk membantu pihak manejemen atau pemilik bengkel dalam menentukan strategi bisnisnya, seperti mengatur produk yang sering dibeli, menentukan strategi pemasaran dan mengatur ketersediaan stok produk.

scholarly journals Combination, Pola, Apriori ANALISIS POLA BELANJA KONSUMEN MENGGUNAKAN ALGORITMA APRIORI PADA RAFFA PHOTOCOPY

2019 ◽  
Vol 2 (2) ◽  
pp. 63-73
Author(s):  
Nurul Azwanti
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Apriori Algorithm ◽  
Transaction Data ◽  
Minimum Support ◽  
Association Pattern ◽  
Using Data ◽  
Confidence Value

Raffa Photocopy is a shop that started its business in 2016. This business not only provides photocopy services, but also provides office stationery and school supplies. Every day there are sales transactions where the recording of goods sold has a relationship between one another, because in recording sometimes consumers do not just buy one item, but two items even more as when buying a book, it is likely that consumers also buy a pen. This recording is only stored as an archive by Raffa Photocopy, even though the number of sales transactions that occur every day can lead to a pile of data. One effort to increase sales at Raffa Photocopy can be done by processing transaction data that overlaps by using data mining association techniques. This association rule technique uses the Apriori algorithm which deals with the study of 'what is with what' or discovers the association pattern of items that are often bought. The results of this study in the form of rules include the first, if you buy an eraser, it is likely that consumers also buy notebooks simultaneously. Second, if you buy Tipex, then consumers also buy a double folio. The results of the Apriori algorithm process are based on a minimum support value of 35% and a minimum confidence value of 80%.

scholarly journals Penerapan Association Rule Mining Berbasis Algoritma Frequent Pattern Growth untuk Rekomendasi Penjualan

2020 ◽  
Vol 7 (2) ◽  
pp. 135-148
Author(s):  
Didi Supriyadi
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Association Rule Mining ◽  
Frequent Itemset ◽  
Frequent Pattern ◽  
Rule Mining ◽  
Minimum Support ◽  
Pattern Growth ◽  
Mining Association Rule

Tingkat persaingan dan kompleksitas permasalahan penjualan pada perusahaan retail, menuntut setiap perusahaan retail untuk mampu berkompetisi dengan perusahaan lain. Salah satu yang dapat dilakukan adalah melalui pengambilan keputusan terkait penjualan yang lebih tepat dan efektif. Besarnya data transaksinonal penjualan perusahaan retail dapat dilakukan ekstraksi informasi yang bermanfaat. Metode yang dapat digunakan untuk menggali informasi adalah melalui penerapan association rule mining. Association Rule Mining merupakan suatu metode data mining yang berfokus pada pola transaksi dengan cara mengekstraksi asosiasi atau hubungan suatu kejadian. Keranjang belanja yang terdapat pada perusahaan retail yang terkomputerisasi merupakan cara terbaik untuk memberikan dukungan rekomendasi keputusan secara ilmiah dengan cara menentukan hubungan antara barang yang dibeli secara bersamaan dalam setiap transaksi. Algoritma FP-growth digunakan untuk menentukan himpunan dataset yang paling sering muncul (frequent itemset) pada sekeompok data. Penelitian ini menghasilkan nilai minimum support 0,1% dan nilai minimum confidence 60% jumlah rule yang dihasilkan berjumlah 116457, nilai minimum confidence 70% jumlah rule yang dihasilkan berjumlah 84086, dan nilai minimum confidence 80% jumlah rule yang dihasilkan berjumlah 48623 dari data yang diolah sebanyak 22191. Hasil rule ini dapat digunakan untuk strategi pemasaran produk. Nilai minimum support 0,1% dimana semakin besar nilai minimum confidence maka menghasilkan rule yang semakin sedikit.

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    

Sign in / Sign up

Export Citation Format

Share Document