Data Mining Menggunakan Algoritma Apriori untuk Rekomendasi Produk bagi Pelanggan

Riszky, Ariefana Ria; Sadikin, Mujiono

doi:10.14710/jtsiskom.7.3.2019.103-108

Cited by 48 publications

(55 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Minimum support 50% produces 12 frequent itemsets with itemset of 3. In Table 3, it can be concluded that the greater the minimum support, the fewer the number of items produced [2][7] and the stronger the association relationship between attributes in the rules formed [20]. Table 4, with a minimum support of 10%, it can see the itemsets formed and the items, for ex sample the itemset of four consists of classes or brands PYO, BON, Q BY and YSL.…”

Section: Discussionmentioning

confidence: 99%

See 1 more Smart Citation

A Data Mining Approach For Product Promotion and Inventory Solution using FP-Growth Algorithm

Hartono¹,

Fitrianah²

2020

IJCA

View full text Add to dashboard Cite

This study aims to find interesting patterns on the database transaction so that it can be used as a recommendation sales promotion and inventory product. Companies have difficulty finding interesting transaction patterns in large databases, so it will be difficult to determine the right product promotions and inventory. To resolve these problems are to use data mining techniques with association rule. In previous studies, most studies adopt Apriori algorithm to analyze the association rules. In this study, the data mining technique used is the association rules algorithm FP-Growth. In the FP-Growth algorithm did generate candidates as in Apriori algorithm and using a development concept Tree in frequent itemset search so that it requires faster than Apriori. Some of the analyzes produced in this study are higher minimum support values and minimum trust used will result in fewer items and association rules. Association rule in this study has a lift ratio value of more than 1.00, meaning that item K and L are actually bought together. The higher the lift ratio produced shows the stronger the association rules are formed. The results of this study are the minimum confidence of 97.63%, the maximum trust is 99.37% and the lift ratio is 1,00013798. These results can be used as recommendations for optimizing product promotions and inventory.

show abstract

Section: Discussionmentioning

confidence: 99%

“…Benchmark Confidence = [20] Information: Nc = number of transactions with items that become consequent.…”

Section: Analysis Of the Effects Of Minimum Support And Minimum Confimentioning

confidence: 99%

A Data Mining Approach For Product Promotion and Inventory Solution using FP-Growth Algorithm

Hartono¹,

Fitrianah²

2020

IJCA

View full text Add to dashboard Cite

show abstract

“…Association Rule direkomendasi dalam memudahkan pemetaan dalam penyediaan produk pertanian bagi petani dalam penyediaan dan pemasaran hasil pertanian yang menjadi pavorit masyarakat berdasarkan itemset transaksi yang perna dilakukan sebagai rekomendasi bagi petani [7]. C. Algoritma Apriori Algoritma Apriori dengan asosiasi yang digunakan sebagai rekomendasi bagi produsen dalam pengambilan keputusan dalam promosi produk untuk kebutuhan konsumen berdasarkan nilai support dan confidence minimum agar tepat sasaran berdasarkan kesamaan di setiap item produk [8]. Salah satu cara kerja dari Algoritma Apriori adalah dengan frequent itemset sebagai pencarian dalam teknik rule association karena menggunakan basis pengetahuan untuk mengukur frekuensi kemunculan data yang sama dikenal dengan istilah frekuent itemset [9].…”

Section: B Assocition Ruleunclassified

Implmentasi Algoritma Apriori Untuk Meningkatkan Penjualan Handphone di Toko Mardha Cell

Khanza

Toyib

Onsardi

2021

JSAI

View full text Add to dashboard Cite

Pemesanan barang oleh toko yang tidak terencana menyebabkan banyaknya penumpukkan barang dari jenis tertentu saja dan kekurang stok barang untuk produk yang lainnya karena tidak melihat prilaku pembelian yang terjadi setiap waktu tertentu sehingga banyak terjadi transaksi yang tidak bisa dilakukan menyebabkan kerugian yang besar bagi usaha dalam meningkatkan pemasaran barang dan terjadi stok berlebihan, dengan menggunakan Algoritma Apriori yang menyatukan teknik pembelajaran mesin dan pengolahan statistik dan database yang memungkinkan pengambilan informasi database yang besar dari data transaksi-transaksi yang dilakukan (prilaku Konsumen) dalam pembelian produk sehingga memungkinkan bagi took untuk menyediakan produk-produk yang diminati konsumen porsinya lebih banyak berdasarkan nilai support dan confidence minimum berdasarkan kesamaan antar produk. Berdasarkan hasil pengujian selama 6 bulan terakhir dengan minimum support dan confidence type yang banyak dibeli C15, 8apro = A12 dengan nilai confidence 80,43% serta A1k = A12 dengan nilai confidence 85,71%, kelebihan algoritma ini adalah mempunyai kemampuan komputasi yang lebih besar dan kelemahannya harus selalu dilakukan tahap scanning yang berulang di setiap iterasinya membutuhkan waktu yang lamaKeywords:Booking,Stock, Apriori Algorithm, Support, confidence

show abstract

“…Selain itu apriori juga dapat digunakan untuk mendapatkan pola pembelian konsumen terhadap suatu produk, hal ini berguna untuk menentukan keterkaitan antar produk yang dibeli [5]. Penelitian ini menggunakan algoritma apriori karena kesederhanaan dan kemudahan algoritma ini dalam menangani data yang besar namun memiliki keterbatasan dalam pengolahan datanya [6].…”

Section: Abstactunclassified

Implementasi Algoritma Apriori Untuk Mengetahui Pola Pembelian Di Starcomp Jogja

Rahim¹,

Suni²,

Sasi³

et al. 2020

j.ilm.intech

View full text Add to dashboard Cite

Toko Starcomp Jogja adalah salah satu toko yang bergerak dalam bidang bisnis yakni melakukan penjualan produk-produk Komputer, dimana Toko ini setiap harinya harus memenuhi kebutuhan konsumen dan dituntut untuk mengambil keputusan yang tepat dalam menentukan strategi penjualan. Maka Dengan itu pihak toko dapat memanfaatkan data transaksi penjualan yang telah disimpan sebelumnya dalam bentuk kertas atau yang telah disimpan dalam database agar kedepannya pihak Toko Starcomp Jogja dapat mengetahui kebiasaan pelanggan atau perilaku pelanggan tentang produk Komputer yang sering dibeli. Cara mengetahui produk Komputer yang dibeli secara bersamaan, pihak toko dapat menggunakan aturan asosiasi, yang merupakan teknik data mining untuk menemukan aturan asosiasi dan kombinasi antar item. Proses pencarian asosiasi menggunakan bantuan algoritma apriori untuk menghasilkan pola kombinasi item dan aturan sebagai pengetahuan dan informasi penting dari data transaksi penjualan. Hasil dari penelitian ini adalah dalam bentuk aplikasi untuk menganalisis pola belanja di mana pola yang dihasilkan dapat digunakan sebagai rekomendasi dalam menentukan strategi penjualan oleh toko Starcomp Jogja kedepan

show abstract

Data Mining Menggunakan Algoritma Apriori untuk Rekomendasi Produk bagi Pelanggan

Cited by 48 publications

References 4 publications

A Data Mining Approach For Product Promotion and Inventory Solution using FP-Growth Algorithm

A Data Mining Approach For Product Promotion and Inventory Solution using FP-Growth Algorithm

Implmentasi Algoritma Apriori Untuk Meningkatkan Penjualan Handphone di Toko Mardha Cell

Implementasi Algoritma Apriori Untuk Mengetahui Pola Pembelian Di Starcomp Jogja

Contact Info

Product

Resources

About