STMIK AMIKBANDUNGSTMIK AMIKBANDUNG

Journal of Information TechnologyJournal of Information Technology

Dengan perkembangan teknologi pengoleksian dan penyimpanan data yang pesat, memungkinkan pengumpulan data dengan lebih cepat, kapasitas yang lebih besar, dan harga yang lebih murah, sehingga menimbulkan penumpukan koleksi data. Namun, peningkatan kecepatan data tersebut tidak diimbangi dengan kemampuan penarikan informasi, yang mengakibatkan nilai pemanfaatan teknologi menjadi rendah. Apotek Permata telah menggunakan sistem komputerisasi dalam setiap transaksi penjualannya, sehingga dibutuhkan aplikasi yang dapat memberikan informasi untuk pengambilan keputusan dengan memanfaatkan data transaksi. Salah satu aplikasi yang dapat membantu adalah data mining. Penulis menerapkan data mining dengan metode market basket analysis untuk menganalisis kebiasaan pembeli dengan menemukan hubungan antara barang yang berbeda pada keranjang belanja dengan waktu pembelian, menggunakan algoritma apriori. Data yang dipersiapkan akan diolah sesuai algoritma untuk menghasilkan frequent itemsets yang kemudian menghasilkan Hybrid-dimension association rules dan ditampilkan dalam bentuk grafik dan tabel. Software ini menggunakan Borland Delphi 7 dan Microsoft SQL Server 2005. Output software berupa association rules dan grafik dapat membantu pengambilan keputusan dalam mengetahui barang-barang yang sering dibeli bersamaan oleh konsumen di Apotek Permata.

Aplikasi yang dibuat dapat mengelola data transaksi penjualan Apotek Permata untuk menentukan frequent itemsets yang memenuhi minimum support dan menghasilkan Hybrid-dimension Association Rules.Penggunaan Hybrid-dimension Association Rules meningkatkan kualitas informasi untuk pengambilan keputusan.Hasil proses mining menampilkan korelasi antara data (association rules) beserta informasi support dan confidence yang dapat dianalisis untuk memberikan pertimbangan tambahan dalam pengambilan keputusan.Dengan demikian, aplikasi ini mampu memberikan informasi yang bermanfaat bagi Apotek Permata dalam memahami pola belanja konsumen dan meningkatkan efisiensi operasional.

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penelitian lebih lanjut dapat dilakukan dengan membandingkan performa algoritma Apriori dengan algoritma data mining lainnya, seperti FP-Growth atau Eclat, untuk menentukan algoritma yang paling efisien dan akurat dalam konteks data transaksi Apotek Permata. Kedua, pengembangan sistem dapat dilakukan dengan mengintegrasikan faktor-faktor eksternal, seperti data demografis pelanggan atau informasi promosi, untuk memperkaya analisis market basket dan menghasilkan rekomendasi yang lebih personal dan relevan. Ketiga, penelitian dapat difokuskan pada pengembangan antarmuka pengguna yang lebih interaktif dan mudah digunakan, sehingga manajer Apotek Permata dapat dengan mudah mengeksplorasi hasil analisis dan mengambil keputusan berdasarkan informasi yang disajikan. Penelitian-penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan efektivitas pengambilan keputusan dan daya saing Apotek Permata di pasar.

  1. #data mining algoritma#data mining algoritma
  2. #aplikasi data#aplikasi data
Read online
File size688.81 KB
Pages7
Short Linkhttps://juris.id/p-3kZ
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test