UBMUBM

Jurnal Algoritma, Logika dan KomputasiJurnal Algoritma, Logika dan Komputasi

Perkembangan teknologi mengakibatkan perubahan signifikan di berbagai sektor, termasuk bisnis. Cara perdagangan juga berubah menjadi digital melalui platform e‑commerce dan media sosial. Persaingan bisnis semakin ketat dengan munculnya banyak startup. Analisis asosiasi digunakan dalam data mining untuk menemukan aturan penggabungan item. Keunggulan teknik ini terletak pada penggunaan algoritma yang efisien melalui analisis pola frekuensi tinggi atau frequent pattern mining. Algoritma ini memeriksa calon itemset yang berkembang dari hasil frekuensi itemset melalui support‑based pruning, untuk menghilangkan itemset tidak signifikan dengan nilai support minimal 1. Metode asosiasi algoritma Apriori digunakan untuk menentukan hubungan item dan mengidentifikasi pola pembelian konsumen, serta membantu pengusaha meningkatkan penjualan produk. Penelitian ini membuktikan efektivitas algoritma Apriori dalam mengelola data transaksi dan menghasilkan informasi berharga bagi perusahaan. Penelitian ini memberikan masukan kepada perusahaan yang ingin memanfaatkan data transaksi untuk meningkatkan efektivitas bisnis. Tujuan utama algoritma Apriori adalah menemukan itemset yang sering muncul bersama dalam data. Algoritma ini mengadopsi pendekatan bottom‑up, di mana itemset yang lebih kecil dianalisis terlebih dahulu dan itemset yang lebih besar dibangun dari itemset kecil. Langkah‑langkah dalam pembuatan itemset menggunakan metode asosiasi meliputi identifikasi masalah, pengumpulan data transaksi, identifikasi itemset, menentukan nilai support dan confidence minimal, serta menetapkan aturan asosiasi. Penelitian ini mengembangkan aplikasi yang menghitung algoritma Apriori dengan metode asosiasi melalui tabel perhitungan dan ringkasan hasil perhitungan. Setelah diuji, aplikasi tersebut menunjukkan hasil perhitungan yang akurat dan dapat diperiksa manual. Kekurangan aplikasi ini adalah pemberitahuan kesalahan pada data hanya ditampilkan satu per satu.

Metode asosiasi berhasil mengidentifikasi hubungan antar item dalam data penjualan barang, sehingga dapat menentukan pola pembelian konsumen.Penerapan algoritma Apriori secara praktis memperlihatkan hasil perhitungan support dan confidence konsisten antara perhitungan manual dan aplikasi.Dengan demikian, algoritma Apriori dapat memandu strategi pemasaran dan pengelolaan persediaan barang di toko ritel.

Bagaimana efektifitas penerapan algoritma Apriori berubah bila nilai minimum support disesuaikan untuk dataset ritel dengan volume transaksi lebih tinggi; apakah kombinasi algoritma Apriori dengan metode clustering dapat mengungkap segmentasi pelanggan yang lebih akurat dalam konteks e‑commerce; serta bagaimana integrasi real‑time streaming data transaksi dapat memperkuat rekomendasi produk berbasis asosiasi untuk meningkatkan penjualan di toko fisik maupun online.

  1. PENERAPAN DATA MINING UNTUK PENGELOMPOKAN DATA REKAM MEDIS PASIEN BERDASARKAN JENIS PENYAKIT DENGAN ALGORITMA... jik.htp.ac.id/index.php/jik/article/view/181PENERAPAN DATA MINING UNTUK PENGELOMPOKAN DATA REKAM MEDIS PASIEN BERDASARKAN JENIS PENYAKIT DENGAN ALGORITMA jik htp ac index php jik article view 181
  2. Penerapan Data Mining dengan Memanfaatkan Metode Association Rule untuk Promosi Produk | Rerung | JTERA... doi.org/10.31544/jtera.v3.i1.2018.89-98Penerapan Data Mining dengan Memanfaatkan Metode Association Rule untuk Promosi Produk Rerung JTERA doi 10 31544 jtera v3 i1 2018 89 98
Read online
File size195.52 KB
Pages10
DMCAReport

Related /

ads-block-test