Penerapan Algoritma Apriori dalam Menentukan Pola Penjualan Barang

Fikri Ramadhan Jufri; Sarjon  Defit; Gunadi Widi  Nurcahyo

doi:10.35134/komtekinfo.v11i4.583

Authors

Fikri Ramadhan Jufri Universitas Putra Indonesia YPTK Padang
Sarjon Defit Universitas Putra Indonesia YPTK Padang
Gunadi Widi Nurcahyo Universitas Putra Indonesia YPTK Padang

DOI:

https://doi.org/10.35134/komtekinfo.v11i4.583

Keywords:

Data mining, Algoritma Apriori, Market Basket Analysis, Nilai Miminum Support, Nilai Minimum Confidence

Abstract

Data mining yaitu proses pengumpulan informasi yang bermanfaat dari suatu data yang diolah sehingga dapat menghasilkan informasi yang berguna bagi perusahaan. Algoritma Apriori merupakan algoritma dalam data mining yang digunakan untuk menemukan asosiasi atau hubungan antara item dalam kumpulan data transaksi. Algoritma ini memfokuskan pada penemuan aturan asosiasi, yang menyatakan bahwa jika sebuah kelompok item tertentu muncul dalam transaksi, maka item lainnya juga cenderung muncul dalam transaksi yang sama. Algoritma Apriori bekerja dengan cara mengidentifikasi item-item yang sering muncul bersama (itemset) dalam transaksi dan kemudian membangun aturan asosiasi berdasarkan itemset ini. Market basket analysis atau analisis keranjang belanja merupakan sebuah analisis terhadap perilaku pelanggan dalam melakukan kegiatan transaksi jual beli. Analisis keranjang belanja menghasilkan temuan asosiasi atau keterhubungan satu barang dengan barang lainnya, dimana barang-barang tersebut berada dalam satu keranjang pelanggan. Tujuan penelitian ini untuk menentukan pola penjualan pada Aciak mart, dengan menerapkan algoritma apriori dapat mengetahui barang-barang mana saja yang dibeli persamaan oleh pelanggan Aciak mart dengan nilai minimum support sebesar 6% dan nilai minimum confidence sebesar 15% yang menjadi acuan. Hasil aturan asosiasi yang didapat adalah Jika membeli AQUA 600ML maka juga membeli SAMPOERNA MILD 16 dengan nilai support sebesar 10,00 % dan nilai confidence sebesar 15,15 %, Jika membeli SAMPOERNA MILD 16 maka juga membeli SURYA 16 dengan nilai support sebesar 10,00 % dan nilai confidence sebesar 35,71 %, Jika membeli SAMPOERNA MILD 16 maka juga membeli FOODRTD GOLDA DOLCE LATTE 200 ML dengan nilai support sebesar 8,00 % dan nilai confidence sebesar 28,57 %. Berdasarkan hasil pembahasan dapat disimpulkan algoritma apriori dapat menentukan barang mana saja yang dibeli secara bersamaan oleh pelanggan dengan nilai confidence tertinggi sebesar 35,71 % untuk pembelian SAMPOERNA MILD 16 dan SURYA 16.

Kata kunci: Data mining, algoritma apriori, market basket analysis, nilai minimum support, nilai minimum confidence

References

A. Pirman, A. Hanifa, and G. Triyono, “Implementasi Algoritma Apriori Pada Penjualan Makanan Ringan dan Minuman Kesehatan,” vol. 4, no. 1, pp. 204–215, 2024.

E. Umar, D. Manongga, and A. Iriani, “Market Basket Analysis Menggunakan Association Rule dan Algoritma Apriori Pada Produk Penjualan Mitra Swalayan Salatiga,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1367, 2022, doi: 10.30865/mib.v6i3.4217.

M. Safii and A. Trydillah, “Implementasi Data Mining Dalam Menentukan Pola Pembelian Obat Dengan Metode Algoritma Apriori,” METHOMIKA J. Manaj. …, vol. 3, no. 1, pp. 66–71, 2019, doi: 10.30865/mib.v7i4.6555.

F. Sulianta, L. Budi, and P. Sari, “Aturan Asosiasi Menggunakan Algoritma Apriori sebagai Dasar Membuat Aksi Bisnis pada Toko Online Retail Building Association Rules using the Apriori Algorithm as a Foundation for Creating Sales Strategies in Online Retail Stores,” vol. 12, no. 1, pp. 30–36, 2024, doi: 10.26418/justin.v12i1.68488.

A. A. Akbar, A. B. Izzulhaq, N. Nursabila, and V. R. Hananto, “Analisis Data Penjualan Pada Supermarket Xyz Menggunakan Metode Market Basket,” J. Sist. Inf. dan Inform., vol. 6, no. 2, pp. 142–152, 2023, doi: 10.47080/simika.v6i2.2711.

I. Rosmayati, W. Wahyuningsih, E. F. Harahap, and H. S. Hanifah, “Implementasi Data Mining pada Penjualan Kopi Menggunakan Algoritma Apriori,” J. Algoritm., vol. 20, no. 1, pp. 99–107, 2023, doi: 10.33364/algoritma/v.20-1.1259.

M. Ramadhan, J. Hutagalung, M. Dahria, I. Zulkarnain, and H. Jaya, “Prediksi Penjualan Spare Part Mobil Daihatsu Menggunakan Algoritma Apriori,” Techno.Com, vol. 22, no. 1, pp. 156–166, 2023, doi: 10.33633/tc.v22i1.7192.

A. Asrorul Hidayat, N. Hendrastuty, N. Penulis Korespondensi, and A. Asrorul Hidayat Submited, “Penerapan Algoritma Apriori Pada Apotek Shaqeena Untuk Memprediksi Penjualan Berbasis Android,” J. Teknol. Dan Sist. Inf., vol. 4, no. 3, pp. 302–312, 2023, [Online]. Available: https://doi.org/10.33365/jtsi.

X. Z. A and J. Z. B, “Machine Translated by Google Pengukuran : Sensor Analisis dan penelitian perilaku pengguna perpustakaan berdasarkan algoritma apriori,” vol. 27, no. April, 2023.

A. A. N. Risal, F. Adiba, and A. Aisyah Nurfitri, “Aturan Asosiasi Berbasis Algoritma Apriori Pada Penjualan Retail Online,” J. Mediat., vol. 6, no. 2, p. 38, 2023, doi: 10.26858/jmtik.v6i2.45773.

I. A. Ashari, A. Wirasto, D. Nugroho Triwibowo, and P. Purwono, “Implementasi Market Basket Analysis dengan Algoritma Apriori untuk Analisis Pendapatan Usaha Retail,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 3, pp. 701–709, 2022, doi: 10.30812/matrik.v21i3.1439.

A. Fathurrozi, F. Masya, and Sugiyatno, “Implementasi Algoritma Apriori Untuk Prediksi Transaksi Penjualan Produk Pada Aplikasi Point Of Sales,” Technomedia J., vol. 8, no. 2, pp. 70–81, 2023, doi: 10.33050/tmj.v8i2.2004.