Full Length Articles
Implementasi Data Mining pada Penjualan Produk Millionare Club Indonesia dengan Algoritma Apriori☆
Highlights
Generate: Datamuse by AXIOS AI.
Abstract
Dalam persaingan dunia bisnis sekarang ini menuntut para pelakunya untuk senantiasa mengembangkan bisnis mereka dan juga agar selalu bertahan dalam persaingan. Untuk mencapai hal itu, ada beberapa hal yang bisa dilakukan yaitu dengan meningkatkan kualiatas produk, penambahan jenis produk, dan pengurangan biaya operasional perusahaan. Untuk memenuhi kebutuhan tersebut terdapat beberapa hal yang bisa dijalankan salah satunya dengan melakukan analisis data perusahaan. Dalam data mining terdapat beberapa algoritma atau metode yang dapat dilakukan, salah satunya yaitu algoritma apriori yang termasuk dalam aturan asosiasi dalam data mining. Algoritma apriori yang bertujuan untuk menemukan frequent item sets pada sekumpulan data. Algoritma apriori didefinisikan suatu proses untuk menemukan suatu aturan apriori yang memenuhi syarat minimum untuk support dan syarat minimum untuk confidence. Tujuan dari tugas akhir ini adalah untuk mengetahui apakah algoritma apriori dapat mengembangkan penjualan dan strategi pemasaran serta mengetahui hubungan antar barang guna menentukan penempatan barang. Kesimpulan dari pembuatan tugas akhir ini adalah mengidentifikasi barang-barang yang dibeli secara bersamaan kemudian digunakan untuk mengatur penempatan/tata letak barang.
Keywords
Introduction
Section snippets
Material and Methods
Not found Material and Methods from fulltext PDF for this article.
Results
Not found Results from fulltext PDF for this article.
Discussion
Not found Discussion from fulltext PDF for this article.
Conclusions
Not found Conclusions from fulltext PDF for this article.
Acknowledgment
Not found Acknowledgment from fulltext PDF for this article.
Funding Information
Program Studi Sistem Komputer Stimik Bina Bangsa Kendari
Declarations
License and permission
This article is distributed under the terms of the Creative Commons Attribution 4.0 International License (https://creativecommons.org/licenses/by/4.0), which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons licence, and indicate if changes were made. The images or other third party material in this article are included in the article's Creative Commons licence, unless indicated otherwise in a credit line to the material. If material is not included in the article's Creative Commons licence and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder.
Publisher's Note
Sangia Publishing remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.
CRediT authorship contribution statement
No CRediT authorship contribution statement required for this article.
Ethical approval acknowledgements
No ethical approval required for this article.
Competing interest
No conflict of interest has been declared by the authors.
Supplementary files
Data sharing not applicable to this article as no datasets were generated or analysed during the current study, and/or contains supplementary material, which is available to authorized users.
References (1)
Beta, N., & Nurdin, B. (2010). Implementasi data Mining Untuk Menemukan Pola Hubungan Tingkat Kelulusan Mahasiswa Dengan Data Induk Mahasiswa. Prosiding Seminar dan Call Paper Munas APTIKOM Politeknik Telkom Bandung, 09 Oktober 2010.
Davies and Paul Beynon. 2004, Database Systems Third Edition, Palgrave Macmillan, New York.
Budi, S. (2007). Data Mining : Teknik Pemanfaatan Data untuk Keperluan Bisnis Teori & Aplikasi. Graha Ilmu.
Dana Sulistiyo Kusumo, Moch. Arief Bijaksana, Dhinta Darmantoro. Data Mining Dengan Algoritma Apriori Pada RDBMS Oracle, 2003 Jurnal Penelitian dan Pengembangan TELEKOMUNIKASI, Juni 2003, Vol. 8 No. 1,3.
Devi Dinda Setiawati. Penggunaan Metode Apriori Untuk Analisa Keranjang Pasar Pada Data Transaksi Penjualan Minimarket Menggunakan Java & MySql
Dewi Kartika Pane. 2013. Implementasi Data Mining Pada Penjualan Produk Elektronik Dengan Algoritma Apriori.
Denny Haryanto, Yetli Oslan, Djoni Dwiyana. 2011. Implementasi Analisis Keranjang Belanja Dengan Aturan Asosiasi Menggunakan Algoritma Apriori Pada Penjualan Suku Cadang Motor, Jurnal Buana Informatika, Universitas Kristen.
Heru Dewantara, Purnomo Budi Santosa, Nasir Widha Setyanto. Perancangan Aplikasi Data Mining Dengan Algoritma Apriori Untuk Frekuensi Analisis Keranjang Belanja Pada Data Transaksi Penjualan.
Kusrini, 2007, Penerapan Algoritma Apriori pada Data Mining untuk Mengelompokkan Barang Berdasarkan Kecenderungan Kemunculan Bersama dalam Satu Transaksi
Kusrini. 2010. Algoritma Data Mining, Andi, Yogyakarta.
Bibliographic Information
Cite this article as:
-
Submitted
16 September 2019 -
Accepted
16 September 2019 -
Published
16 September 2019 -
Version of record
18 September 2019 -
Issue date
31 December 2019
Copyright
Misriani, Dosen Program Studi Sistem Komputer Stmik Bina Bangsa Kendari, Indonesia.
- ☆
Pemrosesan naskah dibawah tanggungjawab Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM), STIMIK Bina Bangsa Kendari. Edited by Darsilan, SE, M.Si (C). Full-text and the content of it is under responsibility of authors of the article.
- ☆
Pemrosesan naskah dibawah tanggungjawab Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM), STIMIK Bina Bangsa Kendari. Edited by Darsilan, SE, M.Si (C). Full-text and the content of it is under responsibility of authors of the article.
Copyright © 2019 Misriani Misriani. Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM), STIMIK Bina Bangsa Kendari. Production and hosting by Sangia (SRM™). This article is distributed under the terms of the Creative Commons Attribution 4.0 International License.
Disclaimer: All claims expressed in this article are solely those of the authors and do not necessarily represent those of their affiliated organizations, or those of the publisher, the editors and the reviewers. Any product that may be evaluated in this article or claim that may be made by its manufacturer is not guaranteed or endorsed by the publisher.