Implementasi Association Rule Dengan Algoritma Apriori Pada Data Peminjaman Buku Upt Perpustakaan Universitas Lampung Menggunakan Metodologi CRISP-DM

Abstrak - UPT Perpustakaan Universitas Lampung merupakan UPT yang bergerak di bidang perpustakaan. Memiliki dua layanan berdasarkan interaksinya yaitu layanan teknis dan layanan pengguna. Saat ini UPT Perpustakaan Universitas Lampung memiliki buku yang tercetak sebanyak 142.776. Penelitian ini bertujuan menemukan pola association rule dengan teknik data mining memanfaatkan software RapidMiner 9.1 dalam penerapan algoritma Apriori. Metode penelitian Cross Industry Standar Process for Data Mining (CRISP-DM) dengan tahapan business understanding phase, data understanding phase, data preparation, modelling phase, evaluation phase dan deployment phase. Data yang digunakan dalam penelitian ini adalah data transaksi peminjaman buku dari tahun 2014 hingga 2017 dengan total data peminjaman buku sebanyak 170.115. Hasil pemodelan association rule dengan algoritma apriori menggunakan nilai support 0.3 dan nilai confidence 0.3 diperoleh judul buku “Metodologi pengajaran bahasa” akan meminjam “English for tourism :panduan berprofesi di dunia pariwisata” nilai support 1 dan confidence 1. Rekomendasi untuk pembelian buku disarankan mengikuti pattern lampiran hasil asosiasi.Kata kunci: UPT Perpustakaan Universitas Lampung, Data Peminjaman Buku, Data Mining, Association Rule, CRISP-DM.

Penerapan Data Mining Association Rule Menggunakan Algoritma FP-Growth Untuk Persediaan Sparepart Pada Bengkel

Many individuals are interested in starting a workshop. By responding to each customer's desires, the workshop company may continue to develop, and so the data mining technique can address this challenge. The FP-Growth algorithm is one of the methods that may be used to determine the stock availability of automotive spare components such as engine oil, spark plugs, oil filters, ac filters, batteries, tires, and so on. This research is divided into four stages: problem identification, data gathering, data processing, and data testing. Based on the results of the testing, AK (Battery), OM (Engine Oil), and BS (Spark plug) received support values of 33% and 80%, respectively. Furthermore, the BN (Ban) and KR (Kampas Bram) values were found with 33% support and 80% confidence. Furthermore, we obtain AK (Battery) and OM (Engine Oil) with 33% support and 80% confidence, and BN (Tires) and OM (Engine Oil) with 33% support and 80% confidence. OM (Engineering Oil), AK (Battery), and BS (Battery Storage) are the abbreviations for the terms OM (Engineering Oil), AK (Battery), and BS (Battery (Spark plug)).

STUDI KASUS PENJUALAN KOSMETIK MENGGUNAKAN METODE ASSOCIATION RULE (APRIORI)

ABSTRAK Dengan berkembangnya teknologi yang semakin maju membuat banyaknya persaingan dalam dunia perdagangan kosmetik. Seperti pada online shop Atika Kosmetik yang menjual berbagai macam produk kosmetik, yang mana dalam pendataan suatu produknya masih menggunakan hitungan secara manual. Sehingga sulit dalam mengetahui produk kosmetik yang sudah terjual serta sulit mengetahui kosmetik yang sudah tidak tersedia, Oleh karena itu dilakukan penerapan metode Association Rule (algoritma apriori) untuk mengetahui kombinasi produk yang mempermudah mengelola data penjualan kosmetik. Agar lebih mudah mengetahui jenis produk yang masih tersedia dan kosmetik yang paling banyak terjual. Maka dari itu dilakukan penerapan metode data mining Association Rule (algoritma apriori) dengan menggunakan software Weka dalam pengolahan data. Data transaksi penjualan online shop atika Kosmetik dari tahun 2020 – 2021 sebagai bahan analisa pada penelitian ini. Dengan perhitungan algoritma apriori maka hasil yang diperoleh pada produk paling sering dibeli oleh pembeli yaitu cream tabita glow, cream ms glow, serum glow, lipstick Maybelline serum hanusui, hanbody syi lotion, bibit pemutih badan, obat gemuk herbal dan obat kurus herbal dan lainnya. Keywords: Data Mining, Association Rule, A priori algorithm, Online shop Atika.

Kombinasi Transaksi Penjualan (Merk Beras) Menggunakan Algoritma Apriori (Studi Kasus di UD. SRD)

UD. SRD is an individual company that produces and sells rice with various brands. UD. SRD is an individual company that produces and sells rice with various brands. Rice brands sold include C4 Kelapa, C4 Raja, C4 Merak, Nogo Hitam, Nogo Merah, Nogo Hijau, Pandan Wangi, Mentik Wangi and Rojo Lele. In processing sales data is still done manually that is only using notes or receipts, so the data only serves as an archive. In this study, the data amounted to 404 rice sales transactions from January to September 2016. The purpose of this research is the creation of Apriori algorithm system to predict combination of rice brand in sales transaction in UD. SRD so as to help the company know the sales of the most frequently purchased rice brands simultaneously. The result of combination rice brand is getting using Apriori Algorithm which supported minimum 30% and confidence minimum 70%. It appears from thus statements "If buy C4R, it will buy C3M with 51.54% support and 77.31% confidence", "If buy MW , It will buy C4M with the value of support 48.27% and the value of confidence 79.92% "," If buy C45 and C4M, it will buy MW with the value of support 32.43% and the value of confidence 71.20% "and" If buy MW and C4R , It will buy C4M with the value of support 32.43% and the value of confidence 82.91%".Keywords: Rice Transaction, Selling, Data mining, Association Rule, Apriori Algorithm

Association Rule Hiding in Privacy Preserving Data Mining

This article describes how privacy preserving data mining has become one of the most important and interesting research directions in data mining. With the help of data mining techniques, people can extract hidden information and discover patterns and relationships between the data items. In most of the situations, the extracted knowledge contains sensitive information about individuals and organizations. Moreover, this sensitive information can be misused for various purposes which violate the individual's privacy. Association rules frequently predetermine significant target marketing information about a business. Significant association rules provide knowledge to the data miner as they effectively summarize the data, while uncovering any hidden relations among items that hold in the data. Association rule hiding techniques are used for protecting the knowledge extracted by the sensitive association rules during the process of association rule mining. Association rule hiding refers to the process of modifying the original database in such a way that certain sensitive association rules disappear without seriously affecting the data and the non-sensitive rules. In this article, two new hiding techniques are proposed namely hiding technique based on genetic algorithm (HGA) and dummy items creation (DIC) technique. Hiding technique based on genetic algorithm is used for hiding sensitive association rules and the dummy items creation technique hides the sensitive rules as well as it creates dummy items for the modified sensitive items. Experimental results show the performance of the proposed techniques.

Data Mining Pembentukan Pola Penggunaan Alat Kontrasepsi Dengan Metode Association Rule

Penggunaan Alat Kontrasepsi secara berkelanjutan merupakan faktor yang mempengaruhi keberhasilan Program Keluarga Berencana (KB). Seperti yang diketahui tidak semua alat kontrasepsi cocok dengan kondisi setiap orang, oleh karenanya setiap pribadi harus bisa memilih alat kontrasepsi yang cocok untuk dirinya. Permasalahannya banyak para wanita sulit untuk menentukan pilihan alat kontrasepsi yang akan digunakan, selain kurangnya pengetahuan dan informasi, Sampai saat ini belum ada konsep atau Pola untuk pemilihan alat kontrasepsi. Tujuan dari penelitian ini adalah Menemukan pola penggunaan alat kontrasepsi dengan menggunakan metode Data Mining Association Rule. Hasil kinerja Algoritma Apriori menghasilkan pola kombinasi yang menggambarkan kumpulan frequent item set dengan nilai confidence tertinggi yakni sebesar 90% pada Rule Jika Alat Kontrasepsi Suntik 3 Bulan Maka Usia Ibu 17-35 Tahun. Pola yang terbentuk merupakan hasil formulasi konsep, sehingga pola ini dapat dijadikan acuan bagi para calon akseptor dalam menentukan pilihan alat kontrasepsi yang cocok untuk digunakan.

DATA MINING PENGOLAHAN PENEMPATAN LIBRARY BOOKS MENGGUNAKAN METODE ASSOCIATION RULE DENGAN ALGORITMA APRIORI

Banyak sekali ketidakteraturan dalam penempatan buku-buku di rak buku perpustakaan sehingga sering sekali menjadi masalah pada proses pelayanan yang ditimbulkan karena sulitnya mahasiswa mendapatkan informasi tentang keberadaan buku, terjadinya kehilangan buku yang tidak diketahui keberadaannya serta sulitnya menemukan buku referensi yang pada umumnya sering dicari dan diminati mahasiswa berdasarkan kategori buku atau subjek buku pada suatu rak buku tersebut sehingga dapat memperlama waktu proses pencarian serta terjadinya antrian dalam transaksi peminjaman yang dilakukan oleh sistem. Pemecahan permasalahan penempatan buku-buku di perpustakaan Kampus dapat dilakukan mengunakan Data Mining metode Association Rule dengan algoritma apriori menggunakan Software Tanagra sebagai pengujian data mining yang diharapkan dapat mencari kecenderungan buku-buku yang sering dipinjam dan penempatan buku dapat diletakkan berdekatan berdasarkan pendekatan analisa menggunakan metode association rule sehingga dapat memudahkan mahasiswa dalam mencari buku-buku secara tepat. Kata Kunci: Data mining, Association Rule, Algoritma Apriori.

Analisis Tingkat Pembelian Konsumen dengan Algoritma Apriori

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

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

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.

ANALISIS POLA PERMINTAAN PUBLIKASI DATA BADAN PUSAT STATISTIK MENGGUNAKAN ASSOCIATION RULE APRIORI

<p><em>BPS is a data provider body in Indonesia. In publishing, BPS uses a variety of media, one of which is the BPS website. To get data through the BPS website, users can visit the website then download the data they need. The services obtained by data users on the BPS website depend on the quality of the website. The better the quality, the better the service experience gained by data users. The method that can be used to improve the quality of a website is the web usage mining method. Web usage mining is the application of data mining techniques on web repositories to study usage patterns. The purpose of this study is to determine the pattern of data publication requests on the BPS website which can later be used as a reference to improve the quality of BPS website services. Based on the results of the study, it was found that data users tend to access the same data with different years simultaneously. For results by grouping data by title without year, obtained quite diverse rules.</em></p><p><em><strong>Keywords</strong></em><em>: </em><em>web usage mining, association rule, apriori</em></p><p><em>BPS merupakan badan penyedia data di Indonesia. Dalam mempublikasikan datanya, BPS menggunakan berbagai media, salah satunya adalah website BPS. Untuk mendapatkan data melalui website BPS, pengguna dapat mengunjungi website kemudian mengunduh data yang mereka butuhkan. Layanan yang didapatkan oleh pengguna data pada website BPS tergantung dari kualitas website tersebut. Semakin baik kualitasnya, semakin baik pula pengalaman pelayanan yang didapatkan oleh pengguna data. Metode yang dapat digunakan untuk meningkatkan kualitas suatu website adalah metode web usage mining. Web usage mining merupakan penerapan tekhnik data mining pada web repositori untuk mempelajari pola penggunaan</em><em>. </em><em>Tujuan dari penelitian ini adalah untuk mengetahui pola permintaan publikasi data pada website BPS yang nantinya dapat digunakan sebagai acuan untuk meningkatkan kualitas layanan website BPS. Berdasarkan hasil penelitian, didapatkan bahwa pengguna data cenderung mengakses data yang sama dengan tahun yang berbeda secara bersamaan. Untuk hasil dengan mengelompokan data berdasarkan judul tanpa tahun, diperoleh rules yang cukup beragam.</em></p><p><em><strong>Kata kunci</strong></em><em>: </em><em>web usage mining, association rule, apriori</em></p>