IMPLEMENTASI ALGORITMA APRIORI UNTUK MENENTUKAN PRODUK TERLARIS PADA TOKO I_DOCRAFT

Anton - Anton; Naufal Naufal

doi:10.34010/komputa.v12i2.10904

[1] I. Handaruwati, “PENGARUH MEDIA SOSIAL TERHADAP PENJUALAN PRODUK CAMILAN LOKAL SECARA ONLINE,” Buletin Bisnis & Manajemen, vol. 3, no. 1, pp. 41–52, 2017, [Online]. Available: www.antaranews.com:
[2] B. Lailiah, D. Yuni Utami, and A. Abdilah, “Implementasi Algoritma Apriori Terhadap Data Penjualan PT. Frasa Group,” BINA INSANI ICT JOURNAL, vol. 9, no. 2, pp. 126–135, 2022.
[3] W. Septian, “Sistem Penunjang Keputusan untuk Menentukan Barang Terlaris dengan Algoritma Apriori pada CV Calosa Global Indonesia,” Journal of Information and Technology, vol. 5, no. 2, pp. 139–146, 2017.
[4] M. Briliantino and A. Perdana, “Penerapan Algoritma Apriori pada Analisis Data Transaksi penjualan UMKM Banyu Burgerbar,” Jurnal Teknlogi Informatika dan Komputer MH. Thamrin, vol. 9, no. 1, pp. 61–71, 2023, doi: 10.37012/jtik.v9i1.1339.
[5] F. Nur Falak, “Analisis Pola Transaksi pada Optik Batu Mulia dengan Implementasi Metode Apriori,” Jurnal Sains dan Manajemen, vol. 10, no. 2, 2022.
[6] Y. Ria Uli Sitanggang and P. Badan Pusat Statistik, “Penyegaran Tentang Metode Penelitian Ilmiah Untuk Widyaiswara,” Scholaria: Jurnal Pendidikan dan Kebudayaan, vol. 9, no. 1, pp. 40–47, 2019.
[7] Y. L. R. Rehatalanit, “PERAN E-COMMERCE DALAM PENGEMBANGAN BISNIS,” Jurnal Teknologi Industri, vol. 5, no. 1, pp. 62–69, 2016, Accessed: Aug. 28, 2023. [Online]. Available: https://doi.org/10.35968/jti.v5i0.764
[8] M. Makbul, “Metode Pengumpulan Data dan Instrumen Penelitian,” 2021.
[9] J. Han and M. Kamber, Mining Frequent Patterns, Associations, and Correlations: Basic Concepts. 2006.
[10] S. D. Saragih, “Analisa Pola Penjualan Alat Pancing Menggunakan Algoritma Apriori,” Jurnal Mahasiswa Aplikasi Teknologi Komputer dan Informasi, vol. 3, pp. 78–83, 2021.
[11] R. Mahmud and A. Hartanto, “PENERAPAN DATA MINING REKOMENDASI LAPTOP MENGGUNAKAN ALGORITMA APRIORI,” JUISI, vol. 06, no. 02, 2020.
[12] A. Katon Prasidya and C. Fibriani, “Analisis Kaidah Asosiasi Antar Item Dalam Transaksi Pembelian Menggunakan Data Mining dengan Algoritma Apriori (Studi Kasus: Minimarket Gun Bandungan, Jawa Tengah),” JUTI: Jurnal Ilmiah Teknologi Informasi, vol. 15, no. 2, pp. 173–184, 2017.
[13] M. Jannah, A. Saleh, J. Iriani, and E. Haryanto, “Implementasi Metode Apriori Dalam Menentukan Tren Pembelian Perlengkapan Bayi Pada Haritsa Babyshop,” 2022.
[14] G. Gunadi and D. Indra Sensuse, “PENERAPAN METODE DATA MINING MARKET BASKET ANALYSIS TERHADAP DATA PENJUALAN PRODUK BUKU DENGAN MENGGUNAKAN ALGORITMA APRIORI DAN FREQUENT PATTERN GROWTH (FP-GROWTH) : STUDI KASUS PERCETAKAN PT. GRAMEDIA,” Jurnal TELEMATIKA MKOM, vol. 4, no. 1, pp. 118–132, 2012.
[15] A. Wijayanti, “Analisis Hasil Implementasi Data Mining Menggunakan Algoritma Apriori pada Apotek,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 3, no. 1, 2017.

pdf (Bahasa Indonesia)

Abstract viewed - 275 times
pdf (Bahasa Indonesia) downloaded - 224 times

Affiliations

Anton - Anton
Universitas Nusa Mandiri

Naufal Naufal
Universitas Nusa Mandiri

Content Top

Implementasi Algoritma Apriori untuk Menentukan Produk Terlaris pada Toko I-DOCRAFT

Anton - Anton ,
Naufal Naufal

Vol 12 No 2 (2023): Komputa : Jurnal Ilmiah Komputer dan Informatika

DOI 10.34010/komputa.v12i2.10904

Abstract

Penjualan produk piyama di platform i_docraft belumlah mengoptimalkan potensi algoritma data mining untuk menganalisis data transaksi guna meningkatkan efisiensi penjualan. Dalam rangka menghindari pola penjualan yang kurang diminati dan untuk mengidentifikasi jenis piyama yang paling diminati, penerapan algoritma apriori menjadi penting. Melalui algoritma ini, analisis data transaksi dapat dilakukan dengan lebih baik. Penelitian ini bertujuan untuk menerapkan metode data mining menggunakan algoritma apriori guna mengidentifikasi piyama yang memiliki tingkat penjualan tertinggi dan diharapkan dapat membantu dalam mengidentifikasi model-model piyama yang perlu diprioritaskan dalam stok serta merumuskan strategi pemasaran untuk jenis piyama lainnya berdasarkan analisis perbandingan penjualan. Data yang telah diolah akan menghasilkan aturan asosiasi terkait penjualan piyama secara bersamaan. Dari hasil akhir analisis, aturan asosiasi yang memenuhi syarat minimum support dan confidence telah diidentifikasi. Hasil yang dicapai dalam penelitian ini dengan tingkat support sebesar 22,58% dan tingkat confidence 100%, jika terjadi pembelian produk dengan kode barang 7 (Daster Cherrypie), kemungkinan besar akan diikuti dengan pembelian produk dengan kode barang 17 (3 in 1 set Lotso).