Implementasi Market Basket Analysis dengan Algoritma Apriori untuk Analisis Pendapatan Usaha Retail
DOI:
https://doi.org/10.30812/matrik.v21i3.1439Keywords:
Apriori, Association, Data Mining, Market Basket Analysis, RetailAbstract
Pada era teknologi sekarang hampir semua bisnis ritel sudah menggunakan teknologi Point of Sale (PoS), dimana semua transaksi di rekap dalam sebuah database sistem. Data yang disimpan di dalam database dapat diolah untuk meningkatkan penjualan. Dengan mengetahui asosiasi data penjualan, aplikasi dapat memberikan rekomendasi produk yang memungkinkan pelanggan untuk membeli rekomendasi produk tersebut. Tujuan dari penelitian ini adalah mengetahui pola asosiasi yang terdapat pada sebuah toko yang sudah menerapkan teknologi PoS. Apabila pola asosiasi tersebut membentuk keterhubungan produk yang relevan dan mendatangkan keuntungan lebih maka metode yang di usulkan akan di terapkan pada aplikasi toko. Algoritma Apriori dapat menemukan pola hubungan produk antar satu atau lebih item dalam suatu dataset. Hanya saja Algoritma Apriori memiliki kelemahan dalam performa. Penerapan algoritma apriori dapat memperlambat akses transaksi, sehingga perlu pengkajian lebih dalam tentang kebermanfaatan pola asosiasi ini. Pada penelitian ini pola asosiasi dianalisis apakah berpengaruh terhadap peningkatan penjualan. Dalam penelitian ini didapatkan bahwa pola asosiasi memiliki peran penting dalam peningkatan penjualan. Didapatkan rata - rata asosiasi dengan nilai confidence tertinggi terjadi pada bulan maret, yaitu 0.61 dengan nilai minimal support 0.003. Hal ini sesuai dengan hasil penjualan tertinggi, yaitu sebesar Rp. 295.509.934 pada bulan maret, tahun 2021. Berdasarkan penelitian ini maka penggunaan algoritma apriori pada aplikasi POS perlu diterapkan.
Downloads
References
Forecast Using Association Rule and CRISP-DM Method,†International Journal of Engineering and Techniques, vol. 4, no. 1, pp.
186–192, 2018.
[2] M. Al-Maolegi and B. Arkok, “An Improved Apriori Algorithm For Association Rules,†International Journal on Natural Language
Computing (IJNLC), vol. 3, no. 1, pp. 21–29, 2017.
[3] M. Al-maolegi and B. Arkok, “A N I MPROVED A PRIORI A LGORITHM FOR,†vol. 3, no. 1, pp. 21–29, 2014.
[4] W. Altaf, M. Shahbaz, and A. Guergachi, “Applications of association rule mining in health informatics : a survey,†Artificial
Intelligence Review, 2016.
[5] A. Anggrawan, M. Mayadi, and C. Satria, “Menentukan Akurasi Tata Letak Barang dengan Menggunakan Algoritma Apriori dan
Algoritma FP-Growth,†MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 1, pp. 125–138,
2021.
[6] M. Syahrir and F. Fatimatuzzahra, “Association Rule Integrasi Pendekatan Metode Custom Hashing dan Data Partitioning untuk
Mempercepat Proses Pencarian Frekuensi Item-set pada Algoritma Apriori,†MATRIK : Jurnal Manajemen, Teknik Informatika dan
Rekayasa Komputer, vol. 20, no. 1, pp. 149–158, 2020.
[7] R. Wang, W. Ji, M. Liu, X. Wang, J. Weng, and S. Deng, “Review on mining data from multiple data sources,†Pattern Recognition
Letters, vol. 0, pp. 1–9, 2018.
[8] M. Heydari, “A New Optimization Model for Market Basket Analysis with Allocation Considerations : A Genetic Algorithm Solution
Approach,†no. 2003, 2006.
[9] H. Hruschka, Comparing Unsupervised Probabilistic Machine Learning Methods for Market Basket Analysis. Springer Berlin
Heidelberg, 2019, no. 0123456789.
[10] H. Yu, J. Wen, H. Wang, and L. J. De, “Procedia Engineering An Improved Apriori Algorithm Based On The Boolean Matrix and
Hadoop,†2011.
[11] S. Sulastri, E. Zuliarso, and Y. Anis, “Implementasi Algoritma Apriori Dan Algoritma Eclat Pada Ahass Akmal Jaya Purwodadi,â€
Dinamik, vol. 22, no. 1, pp. 50–56, 2017.
[12] M. G. Ingle and N. Y. Suryavanshi, “Association Rule Mining using Improved Apriori Algorithm,†International Journal of Computer
Applications, vol. 112, no. 4, pp. 975–8887, 2015.
[13] Kusrini and E. T. Luthfi, Algoritma Data Mining. Yogyakarta: Andi Publisher, 2009.
[14] M. Fauzy, K. R. Saleh W, and I. Asror, “Penerapan Metode Association Rule menggunakan Algoritma Apriori pada Simulasi Prediskis
Hujan Wilayah Kota Bandung,†Jurnal Ilmiah Teknologi Informasi Terapan, vol. 2, no. 2, pp. 221–227, 2016.
[15] E. Elisa, “Market Basket Analysis Pada Mini Market Ayu Dengan Algoritma Apriori,†RESTI (Rekayasa Sistem dan Teknologi
Informasi), vol. 2, no. 2, pp. 472–478, 2018. [Online]. Tersedia: https://doi.org/10.29207/resti.v2i2.280
Implementasi
Downloads
Published
Issue
Section
How to Cite
Similar Articles
- Imam Riadi, Herman Herman, Fitriah Fitriah, Suprihatin Suprihatin, Optimizing Inventory with Frequent Pattern Growth Algorithm for Small and Medium Enterprises , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 1 (2023)
- Moch. Syahrir, Fatimatuzzahra Fatimatuzzahra, Association Rule Integrasi Pendekatan Metode Custom Hashing dan Data Partitioning untuk Mempercepat Proses Pencarian Frekuensi Item-set pada Algoritma Apriori , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 1 (2020)
- Donny Kurniawan, Anthony Anggrawan, Hairani Hairani, Graduation Prediction System on Students Using C4.5 Algorithm , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 2 (2020)
- Firman Noor Hasan, Achmad Sufyan Aziz, Yos Nofendri, Utilization of Data Mining on MSMEs using FP-Growth Algorithm for Menu Recommendations , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Annisa’ul Mubarokah, Rita Ambarwati, Dedy Dedy, Mashhura Toirхonovna Alimova, Unsafe Conditions Identification Using Social Networks in Power Plant Safety Reports , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 2 (2024)
- Supangat Supangat, Mohd Zainuri Bin Saringat, Mochamad Yovi Fatchur Rochman, Predicting Handling Covid-19 Opinion using Naive Bayes and TF-IDF for Polarity Detection , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Rizky Afrinanda, Lusiana Efrizoni, Wirta Agustin, Rahmiati Rahmiati, Hybrid Model for Sentiment Analysis of Bitcoin Prices using Deep Learning Algorithm , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Dadang Priyanto, Bambang Krismono Triwijoyo, Deny Jollyta, Hairani Hairani, Ni Gusti Ayu Dasriani, Data Mining Earthquake Prediction with Multivariate Adaptive Regression Splines and Peak Ground Acceleration , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
- Jaka Tirta Samudra, Rika Rosnelly, Zakarias Situmorang, Comparative Analysis of SVM and Perceptron Algorithms in Classification of Work Programs , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Vivin Nur Aziza, Utami Dyah Syafitri, Anwar Fitrianto, Optimizing Currency Circulation Forecasts in Indonesia: A Hybrid Prophet- Long Short Term Memory Model with Hyperparameter Tuning , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 1 (2024)
You may also start an advanced similarity search for this article.
.png)
