PENERAPAN ALGORITMA APRIORI UNTUK MENENTUKAN HUBUNGAN BARANG YANG PALING LAKU (STUDI KASUS : PT. SUMBER ALFARIA TRIJAYA SIDOHARJO)

Mardiyanto Mardiyanto, Widianto -, Afrizal Martin

Abstract


Penjualan barang yang terlaris pada perusahaan mengalami peningkatan setiap bulannya, produk yang ditawarkan bermacam jenis barang, untuk mengetahui jenis barang  yang paling diminati diperlukan algoritma apriori. dan untukmendapatkan hasil yang lebih baik digunakan Tools Tanagra. Algoritma apriori termasuk jenis aturan asosiasi pada data mining.Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien adalah analisis pola frequensi tinggi(frequent pattern mining). Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur , yaitu : support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi. 

Full Text:

PDF

References


Ajanto, “Pengenalan Algoritma Apriori”, Penerbit Andi, Yokyajarta. 2012

Kusrini, “Bentuk Dasar Assosiation Rule”, Penerbit Andi, Yogyakarta, 2012.

Jogianto, “PegenalanKomputer’, Penerbit Andi, Yogyakarta,2012

Fatansyah, “E-R Diagram”, Penerbit Andi, Yogyakarta, 1999.

Mardiyanto, M., Fahmi, F., & Satria, F. (2021). EXPERT SYSTEM FOR DIAGNOSING DISEASES IN BETTA FISH BASED ON ANDROID. International Journal of Artificial Intelligence and Robotic Technology, 1(2), 35-44.

http://sartika1603.wordpress.com/2011/11/02/tanagra/

http://wahyuquddus.blogspot.co.id/2013/03/e-government_22.html

http://ehnanda.blogspot.co.id/2015/01/pengertian-php-perl-hypertext.html

http://www.dosenpendidikan.com/12-pengertian-dan-fungsi-sistem-informasi-menurut-para-ahli/

http://www.duniailkom.com/pengertian-dan-fungsi-php-dalam-pemograman-web/

http://journal.unair.ac.id/filerPDF/03_Habib%20JMKB_edited%20moor%20%28Tyas%29.pdf

http://dir.unikom.ac.id/s1-final-project/fakultas-teknik-dan-ilmu-komputer/manajemen-informatika/2011/jbptunikompp-gdl-indrawardh-24507/3-unikom-i-i.pdf/ori/3-unikom-i-i.pdf

HANDOKO, Dwi, et al. MONITORING VEGETATION HARVEST OF COFFEE TREES USING KNN-CLUSTERING ALGORITHM. TEKNOKOM, 2023, 6.1: 8-13.

BRILLIANT, Muhamad, et al. Implementation of Data Mining Using Association Rules for Transactional Data Analysis. In: Proceeding International Conference on Information Technology and Business. 2017. p. 177-180.

HANDOKO, Dwi; LESTARI, Kanti; ASTUTI, Tiara Widi. PERANCANGAN APLIKASI PELAYANAN JASA PADA RIAS PENGANTIN (MUA) MAKHSUN PHOTOGRAPHY GISTING BERBASIS ANDROID. SEAT: Journal Of Software Engineering and Technology, 2021, 1.1.

NURHASANAH, Iis Ariska, et al. Analisis Perancangan E-Business B2C (Business to Consumer) Upaya Digitalisasi Pengembangan UMKM (Studi Kasus: Kabupaten Pesawaran, Indonesia). Jurnal Nasional Pendidikan Teknik Informatika: JANAPATI, 2022, 11.3: 236-248.

BRILLIANT, Muhamad; LESTARI, Kanti; OKTARIA, Herlini. Peramalan Pola Jumlah Nasabah Menggunakan Metode Arima, Holt-Winters Exponential Smoothing, Fuzzy Time Series (Study Kasus: PT. AIA Sunrise Agency). SEAT: Journal Of Software Engineering and Technology, 2022, 2.2: 8-17.

BRILLIANT, Muhamad; NURHASANAH, Iis Ariska; OKTARIA, Herlini. Perbandingan Metode Deep Learning Recurrent Neural Networks, ARIMA dan Holt-Winters Exponential Smoothing Dalam Prediksi Pola Transaksi Pelanggan. SEAT: Journal Of Software Engineering and Technology, 2021, 1.1.




DOI: https://doi.org/10.69769/seat.v3i2.100

Refbacks

  • There are currently no refbacks.