Penerapan Metode Data Mining Pada Point of Sale Berbasis Web Menggunakan Algoritma Apriori

Firmansyah, Adam; Wahyudin, Muhammad; Rahman, Ben

doi:10.30865/mib.v5i3.3085

Cited by 2 publications

(2 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Hal terpenting dalam teknik data mining adalah aturan untuk menemukan pola frekuensi tinggi antara himpunan itemset yang disebut dengan Association Rule (Aturan Asosiasi) [7]. Frequent Pattern-Growth (FP-Growth) menjadi salah satu teknik yang digunakan untuk menentukan pola tersebut.…”

Section: Pendahuluanunclassified

Penerapan Data Mining Pada Hasil Tracer Study Alumni Untuk Menemukan Pola Asosiasi Dengan Algoritma Fp-Growth

Andika

Nazir

Wulandari

et al. 2022

JNKTI

View full text Add to dashboard Cite

Abstrak - Tracer study adalah studi terhadap lulusan lembaga pendidikan tinggi, yang juga merupakan proses untuk mendapatkan informasi terkait transformasi alumni dari masa pendidikan ke dunia industri. Hal ini dilakukan untuk menentukan kelayakan pekerjaan lulusan dan juga penilaian retrospektif, seperti apa pelayanan yang diperoleh selama masa studi. Penelitian ini akan melaksanakan tracer study pada tingkat program studi di Teknik Informatika di UIN Suska Riau dan kemudian hasil studi lanjutan ini akan diolah untuk mendapatkan pola korelasi atau hubungan yang bermakna. Pengolahan data akan menggunakan teknologi data mining dan algoritma fp-growth. Berdasarkan hasil analisa pengujian dan interpretasi dari total data bersih 129 alumni teknik informatika UIN Suska Riau yaitu pola yang dihasilkan dari proses mining dengan minimum support 15% dan minimum confidence 40% adalah sebanyak 608 pola. Peneliti mengambil beberapa pola dengan antecedents berupa ipk, masa tunggu, bidang pekerjaan, gaji, pekerjaan pertama, jenis kelamin untuk diinterpretasikan.Kata kunci: Data Mining, Tracer study, Fp-growth Abstract - Tracer study is a study of graduates of higher education institutions, which is also a process to obtain information related to the transformation of alumni from their education period to the industrial world. This is done to determine the employability of graduates as well as a retrospective assessment, such as what services were obtained during the study period. This research will carry out a tracer study at the study program level in Informatics Engineering at UIN Suska Riau and then the results of this follow-up study will be processed to obtain a significant correlation pattern or relationship. Data processing will use data mining technology and the fp-growth algorithm. Based on the results of the analysis of testing and interpretation of the total net data of 129 alumni of informatics engineering UIN Suska Riau, the patterns generated from the mining process with a minimum support of 15% and a minimum confidence of 40% are 608 patterns. Researchers took several patterns with antecedents in the form of GPA, waiting period, field of work, salary, first job, gender to be interpreted.Keywords: Data Mining, Tracer study, Fp-growth

show abstract

Section: Pendahuluanunclassified

Penerapan Data Mining Pada Hasil Tracer Study Alumni Untuk Menemukan Pola Asosiasi Dengan Algoritma Fp-Growth

Andika

Nazir

Wulandari

et al. 2022

JNKTI

View full text Add to dashboard Cite

show abstract

“…Seperti yang telah dilakukan oleh Kedai Cuanki "PsG", meskipun sudah menggunakan mesin kasir dalam penunjang aktivitas bisnisnya, akan tetapi hal tersebut belum cukup untuk mengontrol pendataan terutama dalam hal informasi mengenai perkembangan income dan perencanaan persediaan. Oleh karena itu, untuk memperoleh tujuan keuntungan demi keberlangsungan bisnis yang dijalankan diperlukan suatu strategi agar dapat meningkatkan penjualan salah satunya yaitu dengan mengetahui prediksi produk apa saja yang akan dibeli oleh konsumen [9]. Dengan prediksi tersebut, perkembangan penjualan yang akan datang dapat diketahui secara otomatis sehingga penentuan jumlah produk yang harus disediakan menjadi lebih terkendali [10].…”

Section: Pendahuluanunclassified

Pengembangan Sistem Forecasting Penjualan Pada Aplikasi Point of Sales Menggunakan Metode Trend Least Square

Yulianti

Rahmawati

2022

LRK

View full text Add to dashboard Cite

Penggunaan mesin kasir sebagai bukti pemanfaatan teknologi dalam aktivitas bisnis ternyata belum cukup membantu keberlangsungan suatu usaha, karena belum sepenuhnya dapat mengontrol pendataan terutama dalam hal informasi mengenai perkembangan income dan perencanaan persediaan. Oleh karena itu, demi keberlangsungan bisnis yang dijalankan diperlukan suatu strategi salah satunya yaitu dengan membangun suatu sistem yang dapat mengelola proses transaksi dilengkapi dengan fitur forecasting penjualan yang dapat menampilkan prediksi produk sesuai kebutuhan pasar. Untuk membangun sistem tersebut dilakukan teknik pengumpulan data, model pengembangan sistem waterfall dan implementasi metode trend least square. Dari ketiga metode penelitian yang diterapkan, kontribusi yang dihasilkan yaitu berupa sistem Point of Sales (POS) berbasis desktop dengan bahasa pemrograman JAVA yang dilengkapi dengan fitur tambahan yaitu prediksi penjualan. Berdasarkan penerapan sistem tersebut terbukti bahwa penggunaan metode trend least square sangat tepat digunakan karena dapat menampilkan hasil prediksi penjualan untuk periode mendatang dengan tingkat kesalahan prediksi hanya sebesar 0,0067% dan sistem ini juga membantu mengoptimalkan aktivitas pelayanan terhadap pelanggan serta dapat membantu manajemen penjualan dalam hal penyediaan produk.

show abstract

Penerapan Metode Data Mining Pada Point of Sale Berbasis Web Menggunakan Algoritma Apriori

Cited by 2 publications

References 10 publications

Penerapan Data Mining Pada Hasil Tracer Study Alumni Untuk Menemukan Pola Asosiasi Dengan Algoritma Fp-Growth

Penerapan Data Mining Pada Hasil Tracer Study Alumni Untuk Menemukan Pola Asosiasi Dengan Algoritma Fp-Growth

Pengembangan Sistem Forecasting Penjualan Pada Aplikasi Point of Sales Menggunakan Metode Trend Least Square

Contact Info

Product

Resources

About