PENERAPAN DATA MINING PADA PENJUALAN HIJAB DI GALERI ELZATTA PONDOK UNGU PERMAI BEKASI MENGGUNAKAN ALGORITMA APRIORI

research
  • 17 Mar
  • 2023

PENERAPAN DATA MINING PADA PENJUALAN HIJAB DI GALERI ELZATTA PONDOK UNGU PERMAI BEKASI MENGGUNAKAN ALGORITMA APRIORI

Salah satu cabang Galeri Elzatta di Pondok Ungu Permai Bekasi, data penjualannya tidak tertata dengan baik, sehingga data hanya sebagai arsip saja dan tidak diproses lebih lanjut membuatnya tidak bermanfaat, tanggal pembelian dan produk yang dibeli konsumen tidak tersusun dengan baik sehingga sulit untuk menemukan produk mana yang paling banyak terjual. Penggunaan data ini diolah melalui penggunaan Data mining untuk menemukan pola pembelian konsumen yang berkorelasi, Barang apa yang paling banyak terjual pada saat yang sama, atau bisa disebut Asosiasi antar item, di mana asosiasi ini dapat digunakan untuk memenuhi persyaratan seperti Mengatur penempatan barang dan pembelian barang agar barang tidak Terlalu menumpuk di gudang, sehingga bisa dijual lebih baik dari sebelumnya. perlu diterapkan aplikasi untuk mengelompokan data menurut kecendrungannya yang muncul Secara bersamaan dalam transaksi menggunakan algoritma apriori. algoritma apriori Ini adalah salah satu algoritma yang paling banyak digunakan untuk pemrosesan data dan Diterapkan ke berbagai bidang. Penerapan algoritma apriori dalam penelitian ini diharapkan bisa menemukan pola berupa produk yang sering dibeli bersamaan. peneliti menggunakan algoritma apriori dalam metode data mining untuk menemukan produk yang dibeli secara bersamaan,mengetahui hubungan antar barang dan mengetahui produk yang paling banyak terjual.untuk itu peneliti melakukan riset pada data penjualan sebagai sampel untuk melakukan penelitian. Pada pengujian rapidminer, menunjukan bahwa hasil support dan confidence yang terbesar adalah jika membeli Bawahan maka akan membeli Inner Kepala dengan Support 56,6% dan Confidence 98,1%. Dan jika membeli Tunik maka akan membeli Inner Kepala dengan Support 50% dan Confidence 97,8%.

Unduhan

 

REFERENSI

[1] S. Kanti and R. E. Indrajit, “Implementasi data mining penjualan handphone oppo store Sdc Tanggerang dengan algoritma appriori,” Semin. Nas. Sains dan Teknol., no. November, pp. 1–6, 2017, [Online]. Available: jurnal.umj.ac.id/index.php/semnastek%0Ap-.

[2] M. P. D. Dr. Muhammad Hasan et al.,METODE PENELITIAN KUALITATIF. Penerbit Tahta Media Group, 2022.


[3] D. Jollyta, W. Ramdhan, and M. Zarlis,
Konsep Data Mining Dan Penerapan. Deepublish, 2020.


[4] E. Prasetyowati,
DATA MINING Pengelompokan Data untuk Informasi dan Evaluasi. Duta Media Publishing, 2017.


[5] N. L. W. S. R. Ginantra
et al., Data Mining dan Penerapan Algoritma. Yayasan Kita Menulis, 2021.


[6] S. K. M. K. Dasril Aldo
et al., DATA MINING. Insan Cendekia Mandiri, 2021.


[7] F. A. Sianturi, P. M. Hasugian, A. Simangunsong, B. Nadeak, and H. T. Sihotang,
DATA MINING: Teori dan Aplikasi Weka. IOCS Publisher, 2019.


[8] T. Suryaudin, “Implmentasi Data Mining Untuk Menganalisa Pola Penjualan Barang Dengan Mengginakan Agoritma Apriori,” vol. 02, no. 04, 2019.


[9] R. Nofitri and N. Irawati, “Analisis Data Hasil Keuntungan Menggunakan Software Rapidminer,”
JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 5, no. 2, pp. 199–204, 2019, doi: 10.33330/jurteksi.v5i2.365.


[10] D. Syam and W. Latifah,
Akuntansi Keuangan Menengah. UMMPress, 2022.

[11] D. N. S. Rambe and N. Aslami, “Analisis Strategi Pemasaran Dalam Pasar Global,” El-Mujtama J. Pengabdi. Masy., vol. 1, no. 2, pp. 213–223, 2022, doi: 10.47467/elmujtama.v1i2.853.


[12] Z. Hamzah, M. Arif, and C. Nisa, “Analisis Komparasi Strategi Pemasaran Dalam Transaksi Jual Beli Online Dan Offline Pada Hijab (STUDI Kasus : Mahasiswa Universitas Islam Riau),”
Syarikat J. Rumpun Ekon. Syariah, vol. 2, no. 1, pp. 16–26, 2019, doi: 10.25299/syarikat.2019.vol2(1).3694.

[13] M. Hariyanto, F. Teknologi Informasi, and U. Nusa Mandiri, “Market Basket Analysis Tren Hijab Mengunakan Algoritma Apriori,” PPM Nusa Mandiri, vol. 16, no. 2, pp. 1–6, 2022, [Online]. Available: https://doi.org/10.33480/inti.v16i2.2763.