Abstract
Dengan adanya kegiatan penjualan sepatu setiap hari, data penjualan sepatu semakin lama akan semakin bertambah banyak. Data tidak hanya berfungsi sebagai arsip bagi perusahaan, data dapat dimanfaatkan dan diolah menjadi informasi yang berguna untuk meningkatkan penjualan produk sepatu. Ketersediaan data penjualan yang besar tidak digunakan secara maksimal karena belum adanya sistem pendukung keputusan dan metode yang dapat digunakan untuk merancang sebuah strategi bisnis dalam meningkatkan penjualan. Teknik pengolahan data yang digunakan dalam penelitian ini adalah algoritma apriori dan untuk mendapatkan hasil yang lebih baik digunakan tools Tanagra versi 1.4. Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Salah satu tahap analisis yang menarik perhatian banyak peneliti untuk menghasilkan algoritma apriori yang efisien adalah analisis pola frekuensi suatu asosiasi dapat diketahui dengan dua tolak ukur yaitu Support dan Confidence. Berdasarkan hasil penelitian, sepatu yang paling diminati adalah New Balance (91,67 %), Adidas (75 %) , Geox (50 %), Nike (41.67 %) dan Palladium (41.67 %).
References
Faradillah,Sarah.(2013)Implementasi Data Mining untuk Pengenalan Karakteristik Transaksi Customer dengan Menggunakan algoritma C4.5: 63-70
Hermawati, Fajar Astuti.(2013)Data Mining. Yogyakarta: Andi
Kursini dan Emha Taufiq Luthfi.(2009)Data Mining. Yogyakarta: Andi
Sari, Dewi Puspita. (2015). Data Mining Perkiraan
Produksi Spanduk dengan Algoritma Apriori (Studi Kasus: CV. Mentati Persada Medan): 33-41.