PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENENTUKAN POLA GOLONGAN PENYANDANG MASALAH KESEJAHTERAAN SOSIAL

Penyandang Masalah Kesejahteraan Sosial (PMKS) menjadi satu dari sekian masalah yang terdapat di daerah perkotaan, sebab dapat mengganggu pembangunan kota, ketertiban umum, keamanan dan stabilitas. Sejauh ini langkah yang dilakukan sementara masih terfokus dengan cara penanganan PMKS, masih belum mengarah untuk mencegah. Menentukan pola golongan PMKS merupakan salah satu cara yang dapat dilakukan. Algoritma Apriori memiliki fungsi untuk membantu menemukan pola yang terdapat pada data (frequent pattern mining) untuk menentukan frequent itemset yang menggunakan metode Association Rule dalam data mining. Dalam penghitungan secara manual yang dilakukan maka didapat pola kombinasi antara lain 3 rules yang memiliki nilai minimum support 15% dengan confidence tertinggi 100% menggunakan Algoritma Apriori. Dalam menguji Algoritma Apriori digunakan aplikasi RapidMiner. RapidMiner merupakan satu dari beberapa software pengolah data mining, misalnya menganalisis teks, mengekstrak pola data set kemudian dikombinasikan menggunakan metode statistik, database, dan kecerdasan buatan agar didapat informasi yang tinggi berasal dari olahan data. Hasil yang didapat dari pengujian perbandingan pola antar golongan PMKS. Dari pengujian menggunakan aplikasi RapidMiner dan penghitungan secara manual Algoritma Apriori, maka disimpulkan dengan kriteria pengujian, bahwa pola (rules) golongan dengan nilai confidence (c) penghitungan manual Algoritma Apriori dapat dibilang tidak mendekati hasil pengujian aplikasi RapidMiner, maka dapat dikatakan tingkat keakuratan pengujian rencah, hanya 37,5%.

PENGEMBANGAN SISTEM REKOMENDASI PENEMPATAN PRODUK SOVENIR LOKAL BALI BERDASARKAN ALGORITMA APRIORI STUDI KASUS : PASAR SENI UBUD GIANYAR, BALI

COVID-19 membawa dampak buruk bagi sektor pendapatan masyarakat Ubud khususnya para penjual souvenir karena menurunnya kedatangan wisatawan. Pemulihan perekonomian masyarakat Ubud khususnya pemasaran souvenir harus memperbaiki beberapa aspek agar mampu menentukan strategi penjualan optimal, sehingga solusi pada penelitian ini adalah pengembangan sistem aplikasi berbasis mobile menyesuaikan kebutuhan penjual souvenir untuk mengembangkan strategi pemasaran pasca COVID-19, aplikasi ini menggunakan implementasi Algoritma Apriori sebagai keluaran rekomendasi berupa pola asosiasi dari transaksi sehingga mendapatkan suatu rules/aturan. Aplikasi dikembangkan secara Hybrid Multiplatform, front-end menggunakan Kotlin Multiplatform Mobile dan Webview, sedangkan back-end menggunakan PHP dan Database MySql. Berdasarkan Evaluasi Aturan Asosiasi dengan tools WEKA menggunakan 25 transaksi dan set minimum support sebesar 0,1 atau 10%, aturan asosiasi sistem sama dengan aturan/rules yang dihasilkan aplikasi WEKA dengan total 42 jumlah aturan asosiasi dengan parameter tertinggi confidence 0,75 dan lift ratio 2,34. Dari hasil pengujian black box, semua fungsional yang ada aplikasi rekomendasi ini telah berhasil berjalan sebagaimana seharusnya dengan persentase keberhasilan 98% di 8 (delapan) platform Android 4 sampai android 11, dan hasil analisis kepuasan pengguna dengan skala likert sebanyak 30 responden rata-rata 86,4% pengguna sangat puas dengan keseluruhan proses sistem. Kata Kunci: Aplikasi Mobile, Data Mining, Algoritma Apriori, Souvenir Pasar Seni Ubud, Android, IOS, Kotlin Multiplatform Mobile, WebView, PHP, MySql.

Rekomendasi Pemilihan Mata Kuliah dalam Pengisian Rencana Studi Mahasiswa dengan Penerapan Algoritma Apriori

Pada masa pengisian rencana studi, banyak mahasiswa Universitas Budi Luhur merasa kesulitan dalam memilih mata kuliah yang akan diambil di semester berikutnya. Kesalahan dalam pemilihan mata kuliah dapat berdampak pada pencapaian prestasi yang tidak optimal serta dapat menghambat kelulusan maha-siswa. Peran dosen pembimbing akademik (PA) dalam membantu mahasiswa menentukan mata kuliah di semester yang akan datang sangatlah penting, tetapi pada beberapa kasus, terdapat dosen pembimbing akademik yang tidak memiliki waktu untuk berdiskusi secara langsung dengan mahasiswa. Oleh karena itu, penelitian ini bertujuan mengembangkan sebuah sistem yang dapat memberikan rekomendasi bagi mahasiswa dalam pengambilan mata kuliah pada saat mengisi rencana studi untuk semester selanjutnya. Sistem rekomendasi pemilihan mata kuliah ini menggunakan metode association rule mining dengan al-goritma apriori. Data riwayat pengambilan mata kuliah mahasiswa dievaluasi menggunakan algoritma apriori untuk selanjutnya dihasilkan rekomendasi pengambilan mata kuliah di semester berikutnya. Hasil pengujian terhadap sistem menunjukkan rata-rata persentase akurasi rekomendasi rencana studi sebesar 80,16% dengan minimum confidence sebesar 80%, dan minimum support sebanyak 7. Hasil tersebut menunjukkan bahwa sistem ini dapat membantu mahasiswa dalam melakukan pemilihan mata kuliah di semester yang akan datang.

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

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.

Interrogating the MSP Regime, Farm Laws and Agrarian Future in India

The three new farm laws promulgated by the Government of India in 2020 as agricultural marketing reforms, with the claim that they were aimed at expanding farmers’ marketing choices and increasing their incomes, have triggered massive protests by farmers. These protests have crystallized around two key demands: first, repeal the laws and second, make the minimum support price (MSP) for procuring farmers’ produce a legal right. Given that discussions between the government and farmers’ organizations continue to be at an impasse, it is critical to understand the arguments over the laws and the MSP, and the implications of these arguments for the agrarian future of India.

Minimum threshold determination method based on dataset characteristics in association rule mining

Association rule mining is a technique that is widely used in data mining. This technique is used to identify interesting relationships between sets of items in a dataset and predict associative behavior for new data. Before the rule is formed, it must be determined in advance which items will be involved or called the frequent itemset. In this step, a threshold is used to eliminate items excluded in the frequent itemset which is also known as the minimum support. Furthermore, the threshold provides an important role in determining the number of rules generated. However, setting the wrong threshold leads to the failure of the association rule mining to obtain rules. Currently, user determines the minimum support value randomly. This leads to a challenge that becomes worse for a user that is ignorant of the dataset characteristics. It causes a lot of memory and time consumption. This is because the rule formation process is repeated until it finds the desired number of rules. The value of minimum support in the adaptive support model is determined based on the average and total number of items in each transaction, as well as their support values. Furthermore, the proposed method also uses certain criteria as thresholds, therefore, the resulting rules are in accordance with user needs. The minimum support value in the proposed method is obtained from the average utility value divided by the total existing transactions. Experiments were carried out on 8 specific datasets to determine the association rules using different dataset characteristics. The trial of the proposed adaptive support method uses 2 basic algorithms in the association rule, namely Apriori and Fpgrowth. The test is carried out repeatedly to determine the highest and lowest minimum support values. The result showed that 6 out of 8 datasets produced minimum and maximum support values for the apriori and fpgrowth algorithms. This means that the value of the proposed adaptive support has the ability to generate a rule when viewed from the quality as adaptive support produces at a lift ratio value of > 1. The dataset characteristics obtained from the experimental results can be used as a factor to determine the minimum threshold value.

Penerapan Data Mining Untuk Analisis Daftar Pembelian Konsumen Dengan Menggunakan Algoritma Apriori Pada Transaksi Penjualan Toko Bangunan MDN

Everyday the MDN Building Shop has sales transactions but these transactions are only used as data reporting, MDN Building Stores do not manage sales transaction data and analyze a relationship between building material products purchased by consumers in the future. The purpose of this study is to process sales transaction data from consumer purchases by utilizing the Apriori Algorithm, one of the data mining processing methods. From the Apriori algorithm that will be used, it will find an association rule by finding the minimum value of support and confidence. The final result is that if the minimum support value is 50% and the minimum trust is 90%, then 10 patterns of consumer purchase transactions are obtained with 100% confidence. From the association rules, it was found that the transactions that occurred were the purchase of Knie In Grest, Tee in grest, gelam 10 x 12, thinner bottles, knie grest 3 in, waving aw pipes, speck gloves, 3 mm polywood, and 1 nail in a keris.

Penerapan Metode Association Rule Mining untuk Asosiasi Ulasan Terhadap Aspek Tempat Wisata Jawa Timur Park 3

<p class="Abstrak">Google Review pada salah satu fitur Google Maps dapat menjadi salah satu media untuk mengukur tingkat kepuasan pengunjung Jawa Timur Park 3 (Jatim Park 3). Akan tetapi jumlah ulasan yang mencapai ribuan dan belum tersedianya media pengelola data ulasan dapat mempersulit manajemen Jatim Park 3 dalam mengeksplorasi dan menganalisis masukan pengunjung secara mendetail. Penelitian ini memanfaatkan teknik <em>Association Rule Mining </em>(ARM) dalam mengelola data ulasan sehingga dapat menemukan hubungan kata yang sering muncul pada ulasan. Teknik ini paling populer untuk menemukan hubungan tersembunyi antar variabel. Algoritma yang digunakan dalam mengimplementasikannya adalah algoritma Apriori karena dianggap paling efisien. Pada penelitian ini menggunakan data ulasan sebanyak 1067 ulasan dalam Bahasa Indonesia dari bulan Januari sampai bulan April tahun 2019. Berdasarkan wawancara, data tersebut digolongkan menjadi 8 aspek berdasarkan kata kunci yang sudah ditentukan sebelumnya. Aspek tersebut antara lain akses jalan, biaya, kebersihan, kepuasan, keramaian, pelayanan, keamanan, dan teknologi. Pengujian dilakukan untuk mengetahui pengaruh <em>minimum support</em> dan <em>minimum confidence</em> terhadap <em>rule</em> yang terbentuk. Keseluruhan aspek mampu menghasilkan asosiasi kata dengan algoritma Apriori. Selain itu, Keseluruhan <em>rule</em> yang terbentuk menghasilkan rata-rata <em>lift ratio</em> di atas 1 dimana rule dengan nilai lift ratio diatas 1 tersebut merupakan rule yang unik diantara rule-rule lain yang terebentuk dari asosiasi tersebut. Pada penelitian ini, rule yang terbentuk divisualisasikan untuk menampilkan keterkaitan antara kata kunci dengan aspek pada data ulasan pengunjung Jatim Park 3. Penelitian ini mencoba menggali informasi mengenai pemetaan layanan mana saja yang mendapatkan perhatian pengunjung di Jatim Park 3.</p><p class="Abstrak" align="center"> </p><p class="Judul2"><strong><em>Abstract</em></strong></p><p class="Judul2"> <em>Google Review, which is one of the features of Google Maps can be a medium to measure the satisfaction rate visitors of Jawa Timur Park 3 (Jatim Park 3). the number of reviews that reached thousands and media of review data manager is not available yet complicate the management of Jatim Park to explore and analyze visitor feedback in detail. The Association Rule Mining (ARM) technique is a text mining method that can support the knowledge discovery process in large document collections. ARM is able to link keywords to comments to find words that appear frequently. This technique is most popular for finding hidden relationships between variables. The algorithm used in this study is apriori algorithm because it is the most efficient. In this study, there are 1067 reviews of the visitors in Indonesian from January to April 2019 as the data. The data is classified into 8 aspects based on predetermined keywords. These aspects include road access, cost, cleanliness, satisfaction, hustle, service, security, and technology. Testing was conducted to determine the minimum support and minimum confidence impact of the established rules. The whole aspects is capable of generating word associations with an Apriori algorithm. In addition, the overall rules that are formed produce an average lift ratio above 1 where the rule with that value is a unique rule among other rules formed from the association. In this study, the rules that are formed are visualized to show the relationship between keywords and aspects of visitor reviews of Jatim Park 3. This research tries to dig up information about mapping which services get the attention of visitors in Jatim Park 3.</em></p>