Penentuan Pola Penjualan Media Edukasi dengan Menggunakan Metode Algoritma Apriori dan FP-Growth

Rizal Rachman

Abstract


Cerdas-Sehat Online Shop adalah toko online yang menjual produk dari PT. Tigaraksa bertujuan memasarkan media edukasi. Semua penjualannya bertujuan untuk meningkatkan kecerdasan potensi anak dengan ilmu pengetahuan dan keahliannya serta belajar lebih menyenangkan melalui buku-buku yang dapat mengeluarkan suara dan bisa bernyanyi. Selama ini Cerdas-Sehat Online Shop telah melayani sekian banyak transaksi pesanan produk-produk media edukasi. Semua data aktifitas transaksi disimpan dalam sistem database dengan menggunakan sistem aplikasi berbasis web. Datanya banyak yang belum bisa menemukan tentang trend produk apa aja yang sekarang naik atau turun. Hal tersebut disebabkan karena kurangnya pengetahuan dalam menganalisa produk yang sering laku dalam waktu bersamaan atau dalam satu transaksi dari para pelanggan. Salah satu strategi penjualan yang dapat dilakukan menggunakan disiplin ilmu data mining untuk memperoleh informasi paket penjualan dari data yang banyak dalam waktu cepat. Penyusunan pola pembelian barang yang biasa digunakan dalam data mining dengan algoritme association rule, algoritme yang digunakan menggunakan Apriori dan FP-Growth. Algortime Apriori menghasilkan 5 pola aturan asosiasi minimum support sebesar 10% dan minimum confidence sebesar 50% menghasilkan nilai confidence tertinggi yaitu 100% , sedangkan algoritme FP- Growth menghasilkan 5 pola aturan asosiasi dengan minimum support count 2 menghasilkan nilai support count tertinggi yaitu 8. Dengan menggunakan 2 atribut yaitu no.order dan kode produk dapat menemukan kecenderungan pola kombinasi antar itemset sehingga dapat dijadikan informasi yang sangat penting dalam pengambilan keputusan yang berguna untuk mempersiapkan jenis stok barang apa yang diperlukan kedepanya bagi penjualan di Cerdas–Sehat Online Shop.

Keywords


Penjualan, Data Mining, Association Rule, Apriori, dan FP-Growth

Full Text:

PDF

References


Anggraeni, S., Iha, M. A., Erawati, W., & Khairunnas, S. (2019). Analysis of Sales by Using Apriori and FP- Growth at PT . Panca Putra Solusindo, 3(2), 41–47.

Bee, T. A. (2015). Ebook Distributor, 1–35.

Chailes, A., Hermawan, A., & Kurnaedi, D. (2020). Penerapan Metode Data Mining Untuk Menentukan Pola Pembelian Dengan Menggunakan Algoritma. JURNAL ALGOR, 2, 1–8.

Chauhan, R., & Kaur, H. (2017). Predictive Analytics and Data Mining. https://doi.org/10.4018/978-1-4666-4940-8.ch004

Faisal. (2018). Penerapan Metode Association Rule Mining Untuk Analisis Dan Implementasi Teknik Data Mining Dalam Memprediksi. INSTEK, 3, 151–160.

Harianto, & Eddy, H. (2016). Analisa data transaksi penjualan barang menggunakan algoritme Apriori dan FP-Growth. Jnanaloka.

Henando, L. (2019). ALGORITMA APRIORI DAN FP-GROWTH UNTUK ANALISA PERBANDINGAN DATA PENJUALAN LEPTOP BERDASARKAN MERK YANG DIMINATI KONSUMEN (STUDI KASUS : INDOCOMPUTER PAYAKUMBUH). J-Click, 6(2), 201–207.

Junianto, E., & Rachman, R. (2020). IJCIT (Indonesian Journal on Computer and Information Technology) Penerapan Data Mining Metode Apriori dan FP-Tree Pada Penjualan Media Edukasi (Studi Kasus : Oisha Smartkids). IJCIT (Indonesian Journal on Computer and Information Technology), 5(2), 117–125.

Putra, A. C., & Habibi, M. (2019). ANALISIS ASOSIASI PADA TRANSAKSI PENJUALAN DARING MENGGUNAKAN ALGORITMA APRIORI DAN FP-GROWTH Abstrak. TEKNOMATIKA ISSN: 1979-7656, Vol. 11, N, 119–129.

Witten, I. H., Frank, E., & Hall, M. a. (2019). Data Mining: Practical Machine Learning Tools and Techniques (Google eBook). Complementary literature None. Retrieved from http://books.google.com/books?id=bDtLM8CODsQC&pgis=1

Yanson, R. (2016). Improving e-learning outcomes through purposeful peer interactions: Three helpful recommendations to ensure success. Development and Learning in Organizations, 28(3), 10–12. https://doi.org/10.1108/DLO-11-2013-0083

Zurada, J. M. (2019). Data mining with computational intelligence. IEEE Transactions on Neural Networks (Vol. 17). https://doi.org/10.1109/TNN.2006.875965




DOI: https://doi.org/10.31294/p.v23i1.9884

Copyright (c) 2021 Rizal Rachman

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

ISSN: 2579-3500

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Telepon: 021-21231170, ext. 704 / 705
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License
https://jpc.unik-kediri.ac.id/slot-pulsa/ http://cbtdikpora2.bantulkab.go.id/slot-maxwin/ https://kotasehat.depok.go.id/-/slot-pulsa/ https://kotasehat.depok.go.id/-/slot-gacor/ https://kotasehat.depok.go.id/-/slot-gopay/ https://smkppnmataram.distanbun.ntbprov.go.id/-/slot-kamboja/ https://smkppnmataram.distanbun.ntbprov.go.id/-/slot-deposit-pulsa/ https://ebphtb.karimunkab.go.id/log/slot4d/ https://ebphtb.karimunkab.go.id/log/bandar-togel/ http://conference.fortei.unp.ac.id/public/slot-dana/ http://conference.fortei.unp.ac.id/public/slot88/ https://diskop.ntbprov.go.id/.tmb/slot-pulsa/ https://diskop.ntbprov.go.id/.tmb/slot-hoki/ https://simasn.malutprov.go.id/vendor/slot-bonus/ https://simasn.malutprov.go.id/vendor/slot-thailand/ https://asnunggul.lan.go.id/assets/components/components1/ https://asnunggul.lan.go.id/assets/components/components2/ sundaempire787 Poskobet