Penerapan Metode Algoritma Apriori Dalam Analisa Penjualan Merek Laptop Pada Toko HM Notebook.

Penerapan Metode Algoritma Apriori Dalam Analisa Penjualan Merek Laptop Pada Toko HM Notebook.

• By Roki Markiano Sinaga;
• Skripsi
• 289

Transaksi penjualan adalah kegiatan bisnis yang dapat dilakukan setiap menit, setiap hari, setiap minggu atau bahkan bertahun-tahun. Selanjutnya data yang telah terakumulasi menjadi lebih kompleks, proses ini dapat berasal dari proses manual dan proses komputerisasi. Setiap perusahaan dalam memproduksi produknya memiliki merek tersendiri. Toko HM Notebook merupakan salah satu toko yang menjual berbagai merek leptop yang biasa digunakan oleh perusahaan bahkan kantor-kantor. Selain itu, toko HM Notebook juga sulit mendapatkan informasi yang update mengenai tingkat penjualan perperiode. Oleh sebab itu, dibutuhkan suatu sistem pendukung keputusan dan metode yang dapat digunakan untuk merancang sebuah strategi bisnis yang dapat menyediakan suatu informasi yang efesien dan efektif, yaitu data mining dengan menggunakan metode asosiasi algoritma apriori. Penulis mengkhususkan mengambil produk Laptop saja sebagai bahan penelitian dengan memilih delapan merek, meliputi Acer, Asus, Apple, HP, Lenovo, Microsoft, Samsung, Toshiba. Dalam menganalisia data, penulis menggunakan perhitungan algoritma apriori dengan menguji hipotesis dua variabel antara nilai support dan nilai confidence. Setelah itu, dilakukan perhitungan algoritma apriori menggunakan tanagra. Berdasarkan Analisa yang dilakukan penulis, bahwa leptop yang paling diminati oleh masyarakat adalah Asus, HP. Dari hasil tersebut bisa digunakan oleh toko HM Notebook untuk mempersiapkan stok merek leptop yang banyak dibeli oleh pembeli dan menambahkan persediaan merek.

• Katakunci Merek, Data Mining, Algoritma Apriori.
• URL http://
• Penerbit ,

REFERENSI

Aditya, Marisa, F., & Purnomo, D. (2016). Penerapan Algoritma Apriori Terhadap Data Penjualan di Toko Gudang BM. JOINTECS (Journal of Information Technology and Computer Science), 1(1), 1–5. https://doi.org/10.31328/jointecs.v1i1.408

Alwan, Menza Hendri,  dan D. (2017). Faktor-Faktor Yang Mendorong Siswa MIA SMAN Mengikuti Bimbingan Belajar Luar Sekolah Di Kecamatan Telanaipur Kota Jambi. Jurnal EduFisika Vol. 02 No. 01, Juli 2017, 02(01), 244–256.

Anas, A. (2016). Untuk Mendapatkan Pola Peminjaman Buku Perpustakaan Smpn 3 Batanghari. Jurnal Ilmiah Media SISFO, 10(2), 628–641.

Badrul, M., Studi, P., & Informasi, S. (2016). Algoritma asosiasi dengan algoritma apriori untuk analisa data penjualan. (2), 121–129.

Kanti, S., & Indrajit, R. E. (2017). Implementasi Data Mining Penjualan Handphone Oppo Store Sdc Tanggerang Dengan Algoritma Appriori. IMPLEMENTASI DATA MINING PENJUALAN HANDPHONE OPPO STORE SDC TANGGERANG DENGAN ALGORITMA APPRIORI, (November), 1–2.

Listriani, D., Setyaningrum, A. H., & A, F. E. M. (2016). PENERAPAN METODE ASOSIASI MENGGUNAKAN ALGORITMA APRIORI PADA APLIKASI ANALISA POLA BELANJA KONSUMEN ( Studi Kasus Toko Buku Gramedia Bintaro ). 9(2), 120–127.

Purnia, D. S., & Warnilah, A. I. (2017). Implementasi Data Mining Pada Penjualan Kacamata Menggunakan Algoritma Apriori. 2(2), 31–39.

Rodiyansyah, S. F. (2015). Algoritma Apriori untuk Analisis Keranjang Belanja pada Data Transaksi Penjualan. Infotech, 1(1), 36–39. Retrieved from http://jurnal.unma.ac.id/index.php/infotech/article/view/42

Sikumbang, E. D. (2018). Penerapan Data Mining Dengan Algoritma Apriori. Jurnal Teknik Komputer AMIK BSI (JTK), 9986(September), 1–4.

Surti kanti, E. I. (2017). IMPLEMENTASI DATA MINING PENJUALAN HANDPHONE OPPO STORE SDC TANGGERANG DENGAN ALGORITMA APPRIORI. (November), 1–2.

Syahdan, S. Al, & Sindar, A. (2018). Data Mining Penjualan Produk Dengan Metode Apriori Pada Indomaret Galang Kota. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 1(2). https://doi.org/10.32672/jnkti.v1i2.771

Wahyuni, S., Suherman, & Harahap,  lumalo portibi. (2017). Implementasi Data Mining Dalam             Memprediksi Stok Barang Menggunakan Algoritma Apriori. Prosiding SINTAK 2017,             2(2), 31–39.