scholarly journals ANALISIS POLA PENJUALAN PAKAIAN MENGGUNAKAN DATA MINING DENGAN ALGORITMA APRIORI

Author(s):  
Saiful Nur Arif ◽  
Iskandar Zulkarnain ◽  
Badrul Anwar
Keyword(s):  

Pakaian merupakan salah satu kebutuhan primer dalam kehidupan sehari-  hari, semakin berkembangnya masyarakat saat ini maka kebutuhan akan pakaian juga meningkat dengan pesat. Saat ini baik pria maupun wanita membutuhkan pakaian dengan tingkat kebutuhan yang sama. Kent & Crew merupakan salah satu toko yang menjual pakaian pria baik formal maupun kasual. Untuk terus dapat memberikan pelayanan yang baik kepada konsumen dalam hal ini Kent & Crew harus mampu memenuhi kebutuhan setiap konsumennya dan harus memiliki cukup banyak produk dan juga persediaan barang yang cukup.  Dalam setiap harinya data transaksi yang dimiliki Kent & Crew terus bertambah namun data tersebut belum tersusun dengan baik dan hanya dijadikan sebagai arsip. Dengan bertambahnya jumlah data yang ada maka dibutuhkan suatu penanganan yang baik, yaitu dengan menganalisis data tersebut menggunakan suatu sistem yang berbasis komputer sehingga dalam proses analisisnya dapat berjalan dengan baik dan akurat. Penelitian ini bertujuan untuk menciptakan suatu sistem berbasis komputerisasi yang dapat mempermudah toko utnuk dapat mengetahui pola penjualan yang tepat yang dapat membantu pihak Kent & Crew dalam meningkatkan penjualan.Hasil permasalahan tersebut adalah berupa aplikasi yang mengimplementasikan teknik Data Mining dengan mengadopsi metode asosiasi dengan menggunakan Algoritma Apriori yang nantinya dapat membantu pihak Kent & Crew dalam mengetahui pola penjualan pakaian dan menghasilkan kesimpulan yang bermanfaat.

2020 ◽  
Author(s):  
Mohammed J. Zaki ◽  
Wagner Meira, Jr
Keyword(s):  

2010 ◽  
Vol 24 (2) ◽  
pp. 112-119 ◽  
Author(s):  
F. Riganello ◽  
A. Candelieri ◽  
M. Quintieri ◽  
G. Dolce

The purpose of the study was to identify significant changes in heart rate variability (an emerging descriptor of emotional conditions; HRV) concomitant to complex auditory stimuli with emotional value (music). In healthy controls, traumatic brain injured (TBI) patients, and subjects in the vegetative state (VS) the heart beat was continuously recorded while the subjects were passively listening to each of four music samples of different authorship. The heart rate (parametric and nonparametric) frequency spectra were computed and the spectra descriptors were processed by data-mining procedures. Data-mining sorted the nu_lf (normalized parameter unit of the spectrum low frequency range) as the significant descriptor by which the healthy controls, TBI patients, and VS subjects’ HRV responses to music could be clustered in classes matching those defined by the controls and TBI patients’ subjective reports. These findings promote the potential for HRV to reflect complex emotional stimuli and suggest that residual emotional reactions continue to occur in VS. HRV descriptors and data-mining appear applicable in brain function research in the absence of consciousness.


PsycCRITIQUES ◽  
2016 ◽  
Vol 61 (51) ◽  
Author(s):  
Daniel Keyes

Author(s):  
Kiran Kumar S V N Madupu

Big Data has terrific influence on scientific discoveries and also value development. This paper presents approaches in data mining and modern technologies in Big Data. Difficulties of data mining as well as data mining with big data are discussed. Some technology development of data mining as well as data mining with big data are additionally presented.


2020 ◽  
Vol 3 (3) ◽  
pp. 187-201
Author(s):  
Sufajar Butsianto ◽  
Nindi Tya Mayangwulan

Penggunaan mobil di Indonesia setiap tahunnya selalu meningkat dan membuat perusahaan otomotif berlomba-lomba dalam peningkatan penjualannya. Tujuan dari penelitian ini untuk mengelompokan data penjualan kedalam sebuah cluster dengan metode Data Mining Algoritma K-Means Clustering. Data Penjualan nantinya akan dikelompokan berdasarkan kemiripan data tersebut sehingga data dengan karakteristik yang sama akan berada dalam satu cluster. Atribut yang digunakan adalah brand dan penjualan. Cluster yang terbentuk setelah dilakukan proses K-Means Clustering terbagi menjadi tiga cluster yaitu Cluster 0 jumlah anggota 235 dengan presentase 26% dikategorikan Laris, Cluster 1 jumlah anggota 604 dengan presentase 67% dikategorikan Kurang Laris, dan Cluster 2 jumlah angota 61 dengan presentase 7% dikategorikan Paling Laris, dari proses clustering diatas dapat diperoleh validasi DBI (Davies Bouldin Index) dengan nilai 0,341


Sign in / Sign up

Export Citation Format

Share Document