ANALISIS KERANJANG BELANJA DENGAN ALGORITMA APRIORI PADA PERUSAHAAN RETAIL (original) (raw)

The vacancy stock of one product that happen when the customers are purchasing more than one item at the same time is as a result from lacking information of the customers shopping habit. Therefore, information extraction on data transaction through Association Rule Mining technique is necessarily needed in order to find out what products are usually bought at the same time by the customers. Association rule mining is also called the Market Basket Analysis. Algorithms which is used in Association Rule Mining in this study is Apriori Algorithm. The products combination is based on minimum support value, minimum confidence value, and sales transaction data range. One of the resulting information is if the customers buy 25 kilograms of Cakra Kembar then they would buy 25 kilograms of Segitiga Biru with support value 11.76 % and confidence value 43.24 %. Based on some test results, it can be seen that the minimum support value affected the number of frequent item set which is generated. The minimum support value and minimum confidence value affected the time process of system in the information extraction. Sering terjadinya kekosongan salah satu stok barang yang sering dibeli secara bersamaan oleh pelanggan merupakan akibat dari tidak adanya informasi mengenai kebiasaan belanja pelanggan. Sehingga perlu dilakukan penggalian informasi pada data transaksi dengan teknik association rule mining (aturan asosiasi) untuk mengetahui barang yang sering dibeli secara bersamaan oleh pelanggan. association rule mining juga sering dinamakan market basket analysis (analisis keranjang belanja). Algoritma yang digunakan dalam association rule mining pada penelitian ini adalah algoritma apriori. Kombinasi barang dicari berdasarkan nilai minimum support, nilai minimum confidence, dan rentang data transaksi penjualan yang dimasukan. Salah satu informasi yang dihasilkan adalah Jika membeli Cakra Kembar 25 Kg maka akan membeli Segitiga Biru 25 Kg dengan nilai support 11,76 % dan nilai confidence 43,24 %. Berdasarkan beberapa hasil uji coba dapat diketahui bahwa nilai minimum support yang dimasukan mempengaruhi banyak frequent itemset yang dihasilkan. Nilai minimum support dan minimum confidence yang dimasukan mempengaruhi waktu proses sistem dalam penggalian informasi.

Sign up for access to the world's latest research.

checkGet notified about relevant papers

checkSave papers to use in your research

checkJoin the discussion with peers

checkTrack your impact