IMPLEMENTASI DATA MINING PENJUALAN SABUN DENGAN MENGGUNAKAN METODE APRIORI ( Studi Kasus : PT. Unilever)
|
|
- Hartono Gunardi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 IMPLEMENTASI DATA MINING PENJUALAN SABUN DENGAN MENGGUNAKAN METODE APRIORI ( Studi Kasus : PT. Unilever) Nurul Adha 1, Lince Tomoria Sianturi 2, Edward Robinson Siagian 3 Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpang Limun, Medan ABSTRAK Data mining merupakan proses unt mendapatkan informasi yang berguna dari gudang basis data yang berupa ilmu pengetahuan.penelitian ini melakan analisa data dengan menggunakan data mining dan metode algoritma appriori. Algoritma apriori adalah algoritma yang paling terkenal unt meneman pola frekuensi tinggi. Algoritma apriori dibagi menjadi beberapa tahap yang disebut narasi atau pass Pembentan kandidat itemset, kandidat dibent dari kombinasi (k- 1)-itemset yang didapat dari iterasi sebelumnya. Satu cara dari algoritma apriori adalah adanya pemangkasan kandidat yang subset-nya yang berisi k-1 item tidak termas dalam pola frekuensi tinggi dengan panjang k-1.penjualan prod sabun, mengalami peningkatan setiap bulannya, prod yang ditawarkan bermacam merek, merek mempengaruhi masyarakat unt membeli prod tersebut, unt mengetahui merek dengan penjualan terbanyak diperlan algoritma apriori unt dapat mengetahuinya, dan dengan bantuan tools tanagra, prod dengan penjualan terbanyak dapat diketahui. Algoritma apriori termas jenis aturan asosiasi pada data mining. Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti unt menghasilkan algoritma yang efisien adalah analisis pola frequensi tinggi (frequent pattern mining). Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ur, yaitu : support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antaritem dalam aturan asosiasi. Algoritma apriori dapat membantu unt pengembangan strategi pemasaran. Kata kunci: Data Mining, Penjualan Sabun, Algoritma Apriori, Association Rules. I. PENDAHULUAN Algoritma apriori pada saat ini telah diimplementasikan keberbagai bidang, salah satunya adalah bidang bisnis atau perdangangan dan bidang pendidikan, bidang bisnis misalnya implementasi data mining algoritma apriori unt sistem penjualan tujuanya unt membantu para pembisnis meningkatkan penjualan prod, Sedangkan di bidang pendidikan misalnya implementasi data mining unt meneman pola hubungan tingkat kelulusan mahasiswa dengan data ind mahasiswa. Teknologi informasi yang semakin lama semakin maju dan setiap saat selalu ada perkembangan sangatlah mempunyai peranan penting dalam segala aspek kehidupan, salah satu aspek yang tidak bisa lepas dari teknologi informasi adalah aspek perekonomian terutama dalam sistem penjualan prod. Banyaknya persaingan dalam dunia bisnis khususnya dalam industri penjualan, menuntut para pengembang unt meneman suatu strategi yang dapat meningkatkan penjualan dan pemasaran prod yang dijual, salah satunya adalah dengan pemanfaatan data penjualan prod sabun. Dengan adanya kegiatan penjualan setiap hari, data semakin lama akan semakin bertambah banyak. Data tersebut tidak hanya berfungsi sebagai arsip bagi perusahaan, data tersebut dapat dimanfaatkan dan diolah menjadi informasi yang berguna unt peningkatan penjualan dan promosi prod. Perlu sebuah kreativitas dan inovasi dari produsen agar penjualan prodnya bisa 219 ditingkatkan, apalagi melihat masyarakat sekarang yang mempunyai tingkat konsumtif tinggi terhadap barang-barang baru. Ada bermacam-macam cara unt mensiasati agar prod yang kita jual bisa meningkat dan diminati para konsumen. Adanya tuntutan maka memunculkan ide-ide baru dalam dunia teknologi informasi, dengan cara membuat aplikasi yang sekiranya bisa membantu para produsen unt meningkatkan penjualan prod. Salah satu caranya adalah memanfaatkan teknik data mining dalam hal ini menggunakan Algoritma Apriori (asosiasi data mining). II. LANDASAN TEORI A. Data Mining Data mining adalah suatu istilah yang digunakan unt meneman pengetahuan yang tersembunyi di dalam database. Istilah data mining dan Knowledge Discovery in Database (KDD) sering kali digunakan secara bergantian unt menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data yang besar. Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda, tetapi berkaitan satu sama lain dan salah satu tahapan dalam keseluruhan proses KDD adalah data mining (Turban-2005 ). Proses KDD secara garis besar dapat dijelaskan sebagai berikut: 1. Data Selection Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakan sebelum tahap penggalian informasi dalam KDD dimulai. Data
2 220 hasil seleksi yang akan digunakan unt proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional. 2. Pre-processing/Cleaning Sebelum proses data mining dapat dilaksanakan, perlu dilakan proses cleaning atau pembersihan pada data yang menjadi fokus KDD. 3. Transformation Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai unt proses data mining. 4. Data Mining Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. 5. Interpretation / Evaluation Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bent yang mudah dimengerti oleh pihak yang berkepentingan. B. Metode Apriori Algoritma apriori adalah salah satu algoritma yang melakan pencarian frequent itemset dengan menggunakan teknik association rule. Algoritma apriori menggunakan pengetahuan frekuensi atribut yang telah diketahui sebelumnya unt memproses informasi selanjutnya. Pada algoritma apriori menentan kandidat yang mungkin muncul dengan cara memperhatikan minimum support dan minimum confidence. Support adalah nilai pengunjung atau persentase kombinasi sebuah item dalam database (Erwin-2009). Rumus support adalah sebagai berikut :. Sedangkan confidence adalah nilai kepercayaan yaitu kuatnya hubungan antar item dalam sebuah Apriori. Confidence dapat dicari setelah pola frekuensi munculnya sebuah item diteman. Berikut rumus confidence : Secara garis besar cara kerja algoritma apriori adalah: 1. Pembentan kandidat itemset, kandidat k- itemset dibent dari kombinasi (k-1)-itemset yang didapat dari iterasi sebelumnya. Satu ciri dari algoritma Apriori adalah adanya pemangkasan kandidat k-itemset yang subset-nya yang berisi k-1 item tidak termas dalam pola frekuensi tinggi dengan panjang k Penghitungan support dari tiap kandidat k- itemset. Support dari tiap kandidat k-itemset didapat dengan men-scan database unt menghitung jumlah transaksi yang memuat semua item di dalam kandidat k-itemset tsb. Ini adalah juga ciri dari algoritme apriori dimana diperlan penghitungan dengan scan seluruh database sebanyak k-itemset terpanjang. 3. Tetapkan pola frekuensi tinggi. Pola frekuensi tinggi yang memuat k item atau k-itemset ditetapkan dari kandidat k-itemset yang supportnya lebih besar dari minimum support. 4. Bila tidak didapat pola frekuensi tinggi baru maka seluruh proses dihentikan. Bila tidak, maka k ditambah satu dan kembali ke bagian 1. III. ANALISA DAN PEMBAHASAN A. Analisa Masalah Pada tahap analisa ini akan ditampilkan data pola transaksi penjualan prod sabun, Berdasarkan data transaksi pada periode Januari Selanjutnya membuat tabulasi data transaksi. Pada data transaksi penjualan sabun di bent tabel tabular yang akan mempermudah dalam mengetahui berapa banyak item yang ada dibeli dalam setiap transaksi seperti pada tabel berikut: Tabel 1. Format Tabular Data Transaksi Transaksi Lifebuoy Nuvo sunslik rinso molto Jumlah Selanjutnya membent 1 Itemset, Berikut ini adalah penyelesaian berdasarkan data yang sudah disediakan pada tabel 2 proses pembentan C1 atau disebut dengan 1 itemset dengan jumlah minimum support = 30%. Perhitungan dengan rumus diatas menentan prod sabun yang diseleksi sebagai prod sabun yang paling banyak dan sering dibeli dengan berdasarkan jumlah penjualan dengan support minimal 30%.
3 221 Tabel 2. Item set transaksi Pembelian prod T1 {lifebuoy, nuvo, sunslik} T2 {lifebuoy, sunslik} {rinso, molto} (2/5) 0.4 Unt menentan kombinasi 2 item set digunakan rumus sebagai berikut : T3 {lifebuoy, rinso, sunslik} Support (AB) = jumlah transaksi mengandung AB T4 T5 {molto, lifebuoy, rinso, sunslik} {molto, rinso} Selanjutnya menentan perhitungan prod apakah yang paling banyak dibeli oleh konsumen. Disini dipakai minimal support adalah 30%. Jumlah support yang tertingi pada penjualan prod maka akan dikategorikan sebagai prod yang paling banyak dibeli oleh konsumen. Tabel 3. Kombinasi 1 Item set Intemset Support {lifebuoy} (4/5)0.8 {nuvo} (1/5)0.2 {sunslik} (4/5)0.8 {rinso} (3/5)0.6 {molto} (2/5)0.4 Unt menentan item set 1 digunakan rumus sebagai berikut : Support (A) = jumlah transaksi mengandung A Total Transaksi Keterangan : -Jumlah transaksi pada prod lifebuoy = 4 : total support 4:5 = 0.8 -Jumlah transaksi pada prod nuvo = 1 : total support 1:5 = 0.2 -Jumlah transaksi pada prod sunslik = 4 : total support 4:5 = 0.8 -Jumlah transaksi pada prod rinso = 3 : total support 4:5 = 0.6 -Jumlah transaksi pada prod molto = 2 : total support 4:5 = 0.4 Tabel 4. Kombinasi 2 Item set Itemset Support {lifebuoy, sunslik} (4/5) 0.8 {lifebuoy, rinso} (2/5) 0.4 {lifebuoy, molto} (1/5) 0.2 {sunslik, rinso} (2/5) 0.4 {sunslik, molto} (1/5) 0.2 Keterangan : Total Transaksi -Jumlah transaksi pada prod lifebuoy dan sunslik = 4 : total transaksi = 5, maka hasil support 4:5 = 0.8 -Jumlah transaksi pada prod lifebuoy dan rinso = 2 : total transaksi = 5, maka hasil support 1:5 = 0.4 -Jumlah transaksi pada prod lifebuoy dan molto = 4 : total transaksi = 5, maka hasil support 4:5 = 0.2 -Jumlah transaksi pada prod sunslik dan rinso = 3 : total transaksi = 5, maka hasil support 4:5 = 0.4 -Jumlah transaksi pada prod sunslik dan molto = 1 : total transaksi = 5, maka hasil support 4:5 = 0.2 -Jumlah transaksi pada prod rinso dan molto = 2 : total transaksi = 5, maka hasil support 4:5 = 0.4 setelah itu maka proses selanjutnya adalah menghitung confidience pada transaksi A dan transaksi B masing-masing jumlah support. Unt hasil perhitunganya adalah sebagai berikut : Confidience(lifebuoy, sunslik) = 0.8/0.8 = 1 = 100% Confidience(lifebuoy, rinso) = 0.4/0.6 = 0,66 = 66% Confidience(lifebuoy, molto) = 0.2/0.4 = 0,5 = 55% Confidience(sunslik, rinso) = 0.4/0.6 = 0.66 = 66% Confidience(sunslik, molto) = 0.2/0.4 = 0.5 = 55% Confidience(rinso, molto) = 0.4/0.4 = 1 = 100% Berdasarkan Tabel 2, prod yang paling banyak sering dibeli oleh konsumen adalah Lifebuoy dan sunslik dengan support 0.8 pada masing-masing prod. dengan diketahuinya prod yang paling sering dibeli konsumen, maka perusahaan dapat menyusun strategi dalam penentuan pembelian sabun unt menjaga ketersedian sabun yang dibutuhkan konsumen dan juga dapat mengatur tata letak sabun berdasarkan kombinasi itemset sabun yang terbent dengan susunan rapi agar mudah melakan proses penjualan. IV. IMPLEMENTASI Menjalankan aplikasi aplikasi sangat mudah dan seperti menjalankan aplikasi lainnya yang terdapat pada komputer. 1. Klik logo start windows yang berada dipojok kiri paling sudut dari taskbar > Klik all programs > lalu klik aplikasi aplikasi data mining.
4 Pada menu data prod di atas merupakan kumpulan data prod yang akan dijual. Admin harus melakan proses input data prod agar disimpan di dalam database unt keperluan pendataan. Gambar 1. Menjalankan Aplikasi 2. Klik ikon dari aplikasi tersebut maka secara laangsung terbalah aplikasi login aplikasi seperti pada gambar di bawah ini. Gambar 5. Tampilan Data Transaksi Gambar 2. Form login aplikasi. 3. Isikan kolom username dan password lalu klik login maka akan tampil window halaman menu utama aplikasi data mining. 6. Selanjutnya adalah tombol data transaksi. Pada data transaksi merupakan proses transaksi pada prod yang dijual. Tahapan ini perlu dilakan un memperoleh data transaksi pada setiap prod yang terjual. Tujuan lain adalah unt memudahkan proses data mining saat perhitungan. Setelah itu maka akan mas pada sesi aturan seperti gambar di bawah ini: Gambar 3. Form Menu Aplikasi 4. Pada tampilan form menu ini merupakan koleksi daftar menu yang terdapat pada aplikasi data mining yang dibangun. Ada menu data prod, transaksi, aturan, laporan, tentang aplikasi dan terakhir menu exit. Un selanjutnya cara penggunaan data mining adalah dengan mengklik menu data prod agar dapat menginpan data prod yang ada. Gambar 6. Form Menu aturan 7. Pada menu aturan pada gambar 6 adalah proses pembentan aturan dalam perhitungan data mining dengan metode apriori. Pada tahapan ini akan diperoleh hasil penjualann prod yang Id at ur a n Nama prod Jumla h pr od Total tran saks i Suppo rt 01 Lifebuo y 02 Nuvo Sunslik Gambar 4. Form Data Prod
5 Id at ur a n Nama prod Jumla h pr od Total tran saks i 04 Molto Rinso Suppo rt 223 Gambar 7. Form Menu Hasil Laporan prod terjual paling banyak V. KESIMPULAN Kesimpulan dari penulisan penelitian ini adalah: 1. Aplikasi ini sedikit berbeda dengan aplikasi Data Mining dengan Metode Apriori lainya yaitu sistem yang dirancang masih memiliki kekurangan dibandingkan aplikasi aplikasi Data Mining dengan Metode Apriori yang lainnya. 2. Aplikasi Data Mining dengan Metode Apriori ini juga mempunyai tampilan user yang mudah dipahami atau digunakan oleh para pengguna komputer. 3. Aplikasi ini sangat berguna bagi perusahaan unt dapat dijadikan media informasi yang baik dalam proses manajemen penjualan prod. DAFTAR PUSTAKA [1] Heru Dewantara, Purnomo Budi Santoso, and Nasir Widha Setyanto, "Perancangan Aplikasi Data Mining dengan algoritma Apriori unt Frekuensi Analisis Keranjang Belanja pada Data Transaksi Penjual " jrmsi, vol., 1 no.3,pp , [2] Robi Yanto, Riri Khoiriah, "Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentan Pola Pembelian Obat," STMIK BINA NUSANTARA, Jaya Lublingau, Citec Journal, Vol. 2, No. 2, Februari 2015 April [3] Dewi Kartika Pane, "Implementasi Data Mining pada Penjualan Prod Elektronik dengan Algoritma Apriori (Studi Kasus : Kreditplus),"STMIK BUDIDARMA, Medan, Pelita Informatika Budi Darma, Volume : IV, Nomor: 3, Agustus [4] Almon Junior Simanjuntak, "Aplikasi Data Mining unt Pemodelan Pembelian Barang Menggunakan Algoritma Apriori", [5] Kennedi Tampubolon, Hoga Saragih, dan Bobby Reza, "Implementasi Data Mining algoritma Apriori pada Sistem Persediaan alat-alat Kesehatan", [6] A.A Gede Bagus Mariana dan I Made Dwi Putra Asana, "Analisis Keranjang Belanja dengan Algoritma Apriori pada Perusahaan retail", [7] Wijhah Islamika, "Analisis Asosiasi Data dengan Algoritma Apriori unt Sistem Pendung Keputusan Penjualan barang berbasis WEB," Universitas Islam Negeri Sunan Kalijaga, [8] Larose,Daniel T,2006. Data Mining Meyhods and Models. John Willey & Sons,Inc.New Jersey. [9] Kusrini, Luthfi, E. T., 2009, Algoritma Data Mining, Andi Offset, Yogyakarta. [10] Buulolo, ALGORITMA APRIORI PADA DATA PENJUALAN DI SUPERMARKET, in Seminar Nasional Inovasi dan Teknologi Informasi 2015 (SNITI), 2015, no. September 2015, pp. 4 7.
ANALISA PENERAPAN DATAMINING PADA PENJUALAN PRODUK OLI MESIN SEPEDA MOTOR DENGAN ALGORITMA APRIORI
ANALISA PENERAPAN DATAMINING PADA PENJUALAN PRODUK OLI MESIN SEPEDA MOTOR DENGAN ALGORITMA APRIORI Siti Sundari Program Studi Teknik Informatika, Sekolah Tinggi Teknik Harapan Medan Jalan Hm. Joni No 70
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA
PENERAPAN ALGORITMA APRIORI DALAM MEMPREDIKSI PERSEDIAAN BUKU PADA PERPUSTAKAAN SMA DWI TUNGGAL TANJUNG MORAWA Domma Lingga Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciBAB II TINJAUAN PUSTAKA. pengetahuan di dalam database. Data mining adalah proses yang menggunakan
6 BAB II TINJAUAN PUSTAKA 2.1 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan
Lebih terperinciIMPLEMENTASI DATA MINING DENGAN ALGORITMA APRIORI PADA TOKO BANGUNAN UD. RUFI SENTOSA JAYA SAMBIREJO - PARE
IMPLEMENTASI DATA MINING DENGAN ALGORITMA APRIORI PADA TOKO BANGUNAN UD. RUFI SENTOSA JAYA SAMBIREJO - PARE SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.)
Lebih terperinciIMPLEMENTASI DATA MINING PADA PENJUALAN PRODUK ELEKTRONIK DENGAN ALGORITMA APRIORI (STUDI KASUS : KREDITPLUS)
IMPLEMENTASI DATA MINING PADA PENJUALAN PRODUK ELEKTRONIK DENGAN ALGORITMA APRIORI (STUDI KASUS : KREDITPLUS) Dewi Kartika Pane (0911801) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan
Lebih terperinciDATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI
DATA MINING ANALISA POLA PEMBELIAN PRODUK DENGAN MENGGUNAKAN METODE ALGORITMA APRIORI Heroe Santoso 1), I Putu Hariyadi 2), Prayitno 3) 1), 2),3) Teknik Informatika STMIK Bumigora Mataram Jl Ismail Marzuki
Lebih terperinciTimor Setiyaningsih, Nur Syamsiah Teknik Informatika Universitas Darma Persada. Abstrak
DATA MINING MELIHAT POLA HUBUNGAN NILAI TES MASUK MAHASISWA TERHADAP DATA KELULUSAN MAHASISWA UNTUK MEMBANTU PERGURUAN TINGGI DALAM MENGAMBIL KEBIJAKAN DALAM RANGKA PENINGKATAN MUTU PERGURUAN TINGGI Timor
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI. yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup banyak digunakan, antara lain
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Penelitian ini menggunakan beberapa sumber pustaka yang berhubungan dengan kasus yang akan diteliti. Pemanfaatan algoritma apriori sudah cukup
Lebih terperinciPENERAPAN ALGORITMA APRIORI DALAM MENENTUKAN STRATEGI PENJUALAN MAKANAN RINGAN (Studi Kasus: Toko Pak Herry Templek - Gadungan)
PENERAPAN ALGORITMA APRIORI DALAM MENENTUKAN STRATEGI PENJUALAN MAKANAN RINGAN (Studi Kasus: Toko Pak Herry Templek - Gadungan) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana
Lebih terperinciANALISA ALGORITMA APRIORI UNTUK MENENTUKAN MEREK PAKAIAN YANG PALING DIMINATI PADA MODE FASHION GROUP MEDAN
ANALISA ALGORITMA APRIORI UNTUK MENENTUKAN MEREK PAKAIAN YANG PALING DIMINATI PADA MODE FASHION GROUP MEDAN Eka Novita Sari (0911010) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl.
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI
JURNAL IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI HASIL PENJUALAN BARANG PADA TOKO SINAR BARU DENGAN MENGGUNAKAN ALGORITMA APRIORI IMPLEMENTATION OF DATA MINING TO PREDICT RESULTS OF SALES GOODS IN THE
Lebih terperinciANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA)
ANALISA DAN PERANCANGAN APLIKASI ALGORITMA APRIORI UNTUK KORELASI PENJUALAN PRODUK (STUDI KASUS : APOTIK DIORY FARMA) Harvei Desmon Hutahaean 1, Bosker Sinaga 2, Anastasya Aritonang Rajagukguk 2 1 Program
Lebih terperinciPENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN DI MINIMARKET SKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna
PENERAPAN ASSOCIATION RULE DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN DI MINIMARKET SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi
Lebih terperinciKata Kunci : Data Mining, Algoritma Apriori, Aturan Asosiasi, Transaksi penjualan indomaret
ANALISIS POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA INDOMARET INDRAPRASTA SEMARANG Shona Chayy Bilqisth 1, Setia Astuti 2 Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING PADA TRANSAKSI PENJUALAN BIBIT BUAH DENGAN ALGORITMA APRIORI (STUDI KASUS: UD BUAH ASRI)
JURNAL IMPLEMENTASI DATA MINING PADA TRANSAKSI PENJUALAN BIBIT BUAH DENGAN ALGORITMA APRIORI (STUDI KASUS: UD BUAH ASRI) IMPLEMENTATION DATA MINING OF SALES TRANSACTION FRUIT SEEDLING WITH ALGORITHM APRIORI
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING PADA PENJUALAN SEPATU DENGAN MENGGUNAKAN ALGORITMA APRIORI
JURNAL IMPLEMENTASI DATA MINING PADA PENJUALAN SEPATU DENGAN MENGGUNAKAN ALGORITMA APRIORI IMPLEMENTATION OF DATA MINING ON THE SALE OF SHOES WITH ALGORITHMS USING APRIORI Oleh : VERNANDA NOVRINI BUDIYASARI
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah Proses yang menggunakan
Lebih terperinciIMPLEMENTASI DATA MINING PADA PENJUALAN TIKET PESAWAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Jumbo Travel Medan)
IMPLEMENTASI DATA MINING PADA PENJUALAN TIKET PESAWAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus: Jumbo Travel Medan) Sri Rahayu Siregar ( 0911882) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma
Lebih terperinciANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN
ANALISA DATA PENJUALAN OBAT DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA RUMAH SAKIT UMUM DAERAH H. ABDUL MANAN SIMATUPANG KISARAN Chintia Oktavia Simbolon (0911456) Mahasiswa Program Studi Teknik Informatika,
Lebih terperinciPENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN
PENERAPAN METODE APRIORI ASOSIASI TERHADAP PENJUALAN PRODUCT COSMETIC UNTUK MENDUKUNG STRATEGI PENJUALAN SKRIPSI Diajukan untuk memenuhi salah satu syarat guna memperoleh gelar Sarjana Komputer (S.Kom)
Lebih terperinciPENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI
PENGGUNAAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI STRATEGI PENJUALAN PADA TOSERBA DIVA SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
Lebih terperinciBAB I PENDAHULUAN. sangatlah pesat, ini dapat dilihat dari kemunculan berbagai aplikasi-aplikasi yang
1 BAB I PENDAHULUAN I.1 Latar Belakang Perkembangan teknologi perangkat lunak pada masa sekarang ini sangatlah pesat, ini dapat dilihat dari kemunculan berbagai aplikasi-aplikasi yang dapat memudahkan
Lebih terperinciPENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING
PENINGKATAN PERFORMA ALGORITMA APRIORI UNTUK ATURAN ASOSIASI DATA MINING Andreas Chandra Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281 Email : andreaschaandra@yahoo.com
Lebih terperinciIMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA PENJUALAN SPAREPART MOTOR DI AHAS PUTRA MOTOR
IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA PENJUALAN SPAREPART MOTOR DI AHAS PUTRA MOTOR SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Lebih terperinciAPLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang)
Hapsari Dita Anggraeni, Ragil Saputra, Beta Noranita APLIKASI DATA MINING ANALISIS DATA TRANSAKSI PENJUALAN OBAT MENGGUNAKAN ALGORITMA APRIORI (Studi Kasus di Apotek Setya Sehat Semarang) Hapsari Dita
Lebih terperinciANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA 1.
ANALISIS DATA POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA APRIORI PADA TRANSAKSI PENJUALAN SUPERMARKET PAMELLA YOGYAKARTA M. Didik R. Wahyudi 1) Fusna Failasufa 2) 1) 2) Teknik Informatika FST UIN Sunan Kalijaga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Saat ini, perkembangan teknologi telah memberikan pengaruh yang sangat besar di dalam kehidupan manusia. Salah satu pengaruh tersebut di bidang informasi yaitu dalam
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Tinjauan Pustaka Pada Penelitian ini referensi yang digunakan sebagai landasan teori diperoleh dari berbagai media seperti jurnal, thesis, skripsi, dan buku. Adapun penelitian
Lebih terperinciPENERAPAN METODE ASOSIASI GSP DAN APRIORI UNTUK STOK DAN REKOMENDASI PRODUK
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 412~416 412 PENERAPAN METODE ASOSIASI GSP DAN APRIORI UNTUK STOK DAN REKOMENDASI PRODUK Elly Muningsih AMIK BSI Yogyakarta e-mail : elly.emh@bsi.ac.id
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Objek Penelitian Pada Penelitian ini objek yang akan di ambil adalah sebuah swalayan Indomaret Indraprasta Semarang, dengan mengambil data transaksi penjualan barang
Lebih terperinciBAB I PENDAHULUAN. Kemajuan teknologi saat ini membuat samartphone hadir dengan berbagai
BAB I PENDAHULUAN I. 1. Latar Belakang Kemajuan teknologi saat ini membuat samartphone hadir dengan berbagai macam model dan fitur, sehingga masyarakat banyak membeli smartphone yang sesuai dengan keinginan
Lebih terperinciIMPLEMENTASI DATA MINING ALGORITME APRIORI PADA PENJUALAN SUKU CADANG MOTOR DELTA MOTOR
IMPLEMENTASI DATA MINING ALGORITME APRIORI PADA PENJUALAN SUKU CADANG MOTOR DELTA MOTOR Sigit Bahtiar Aji Saputra 1, Reva Dwiana 2, Wahyu Dewi Nur Oktaviani 3, Royana Dwi Isnaeni 4, Tri Astuti 5, Nurfaizah
Lebih terperinciPengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket
Pengembangan Aplikasi Market Basket Analysis Menggunakan Algoritma Generalized Sequential Pattern pada Supermarket Gunawan 1), Alex Xandra Albert Sim 2), Fandi Halim 3), M. Hawari Simanullang 4), M. Firkhan
Lebih terperinciPENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI
PENERAPAN METODE ASOSIASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGETAHUI KOMBINASI ANTAR ITEMSET PADA PONDOK KOPI Fitri Nurchalifatun Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Jl.
Lebih terperinciBAB II TINJAUAN PUSTAKA. Turban mendefinisikan Decision Support System sebagai sekumpulan
BAB II TINJAUAN PUSTAKA 2.1 Decision Support System Turban mendefinisikan Decision Support System sebagai sekumpulan prosedur berbasis model untuk data pemrosesan dan penilaian guna membantu para pengambilan
Lebih terperinciPENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA
PENERAPAN ALGORITMA APRIORI UNTUK TRANSAKSI PENJUALAN OBAT PADA APOTEK AZKA Winda Aprianti 1), Jaka Permadi 2), Oktaviyani 3) 1)2)3) Teknik Informatika, Politeknik Negeri Tanah Laut Jl. A. Yani Km. 06
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Pelaku bisnis saat ini dituntut selalu inovatif untuk dapat bersaing dengan kompetitor. Bisnis retail seperti Apotek merupakan bisnis dengan persaingan yang sangat
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Data Mining Istilah data mining memiliki beberapa padanan, seperti knowledge discovery ataupun pattern recognition. Kedua istilah tersebut sebenarnya memiliki ketepatannnya masing-masing.
Lebih terperinciJURNAL IMPLEMENTASI ALGORITMA APRIORI UNTUK MENINGKATKAN PENJUALAN SPAREPART SEPEDA MOTOR PADA TOKO BAGAS MOTOR
JURNAL IMPLEMENTASI ALGORITMA APRIORI UNTUK MENINGKATKAN PENJUALAN SPAREPART SEPEDA MOTOR PADA TOKO BAGAS MOTOR APRIORI ALGORITHM IMPLEMENTATION TO INCREASE SALES OF MOTOR CYCLE SPAREPARTS IN THE MOTOR
Lebih terperinciAPLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI
APLIKASI DATA MINING UNTUK POLA PERMINTAAN DARAH DI UDD ( UNIT DONOR DARAH ) PMI KOTA SURABAYA MENGGUNAKAN METODE APRIORI Budanis Dwi Meilani, dan Dermawan Cahyo Utomo Jurusan Teknik Informatika, Fakultas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini akan dibahas tentang konsep dasar dan teori-teori yang mendukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Basis Data (Database) Database
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING PADA PEMILIHAN WAHANA PERMAINAN FAVORIT GAME FANTASIA DI KEDIRI MALL
JURNAL IMPLEMENTASI DATA MINING PADA PEMILIHAN WAHANA PERMAINAN FAVORIT GAME FANTASIA DI KEDIRI MALL IMPLEMENTATION OF DATA MINING ON ELECTION WAHANA GAME FAVORITES GAME FANTASIA IN KEDIRI MALL Oleh: MOCHAMAD
Lebih terperinciBAB I PENDAHULUAN. dalam suatu sistem basis data melalui aplikasi sistem informasi manajemen. Dari
BAB I PENDAHULUAN I.1. Latar Belakang Persaingan yang semakin ketat dalam penjualan menuntut para pebisnis untuk menemukan suatu strategi yang dapat meningkatkan penjualan dan pemasaran produk yang dijual,
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Banyaknya persaingan dalam dunia bisnis khususnya dalam industri penjualan, menuntut para pengembang untuk menemukan suatu strategi yang dapat meningkatkan
Lebih terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI
IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI Ristianingrum 1, Sulastri 2 1,2 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank e-mail: 1 ristiia.rum@gmail.com,
Lebih terperinciBAB I PENDAHULUAN. yakni teknik mesin, teknik elektro dan teknik informatika. Namun bagi para calon
BAB I PENDAHULUAN I.1. Latar Belakang Sekolah Tinggi Teknologi Sinar Husni (STT. Sinar Husni) memiliki mahasiswa yang mayoritasnya adalah para pekerja, oleh karena itu banyak para pekerja yang melanjutkan
Lebih terperinciJURNAL IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN ROTI DI DIFA RIEN S BAKERY
JURNAL IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PENJUALAN ROTI DI DIFA RIEN S BAKERY Oleh: SITI TRI WAHYUNI 12.1.03.03.0033 Dibimbing oleh : 1. HERMIN ISTIASIH, ST.,MM.,MT 2. ARIE NUGROHO,
Lebih terperinciBAB I PENDAHULUAN. Toko central menjual berbagai macam aksesoris hp untuk masyarakat yang
BAB I PENDAHULUAN I.1. Latar Belakang Toko central menjual berbagai macam aksesoris hp untuk masyarakat yang akan membeli. Toko central menyediakan aksesoris hp sesuai dengan banyaknya permintaan dari
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.. Analisis Masalah Pada zaman saat ini sepeda motor banyak digunakan di jalanan, banyak masyarakat menggunakan sepeda motor karena kepraktisan di dalam penggunaanya.
Lebih terperinci2.2 Data Mining. Universitas Sumatera Utara
Basis data adalah kumpulan terintegrasi dari occurences file/table yang merupakan representasi data dari suatu model enterprise. Sistem basisdata sebenarnya tidak lain adalah sistem penyimpanan-record
Lebih terperinciPenerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy
Penerapan Data Mining Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan dan Memberikan Rekomendasi Pemasaran Produk Speedy (Studi Kasus di PT. Telkom Cabang Wonogiri ) Moch. Yusuf
Lebih terperinciJurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika V1.i1(52-62)
Analisa Pola Peminjaman Buku Perpustakaan Menggun Algoritma Apriori Azwar Anas Program Studi Pendidikan Informatika, STKIP PGRI Sumbar aans_07@yahoo.co.id http://dx.doi.org/10.22202/jei.2014.v1i1.1439
Lebih terperinciBAB I PENDAHULUAN. frekuensi tinggi antar himpunan itemset yang disebut fungsi Association
1 BAB I PENDAHULUAN 1.1 Latar Belakang Belakangan ini data mining telah diimplementasikan keberbagai bidang, diantaranya dalam bidang bisnis atau perdangangan, dan telekomunikasi. Data Mining diartikan
Lebih terperinciPENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI
PENGEMBANGAN APLIKASI PENENTUAN TINGKAT KEUNTUNGAN PADA E- COMMERCE DENGAN MENGGUNAKAN ALGORITMA K-MEANS DAN APRIORI Gunawan 1, Fandi Halim 2, Tony Saputra Debataraja 3, Julianus Efrata Peranginangin 4
Lebih terperinciImplementasi Data Mining Algoritme Apriori Pada Sistem Penjualan Kusuma Shop
Implementasi Data Mining Algoritme Apriori Pada Sistem Penjualan Kusuma Shop Lutfi Mukaromah 1, Kusumaningtyas 2, Apriliani Galih Saputri 3, Harleni Vionita 4, Rendi Susilo 5,Tri Astuti 6, Lusi Dwi Oktaviana
Lebih terperinciImplementasi data mining menggunakan metode apriori (studi kasus transaksi penjualan barang)
Implementasi data mining menggunakan metode apriori (studi kasus transaksi penjualan barang) Maya Suhayati,M.Kom. Jurusan Teknik Informatika, STMIK Sumedang mayasuh@stmik-sumedang.ac.id ABSTRAK Dalam suatu
Lebih terperinciBAB I PENDAHULUAN. banyaknya permintaan konsumen. Pada CV. Surya Indah Abadi untuk mengetahui
BAB I PENDAHULUAN I.1. Latar Belakang Tingginya angka penjualan merupakan salah satu tujuan bagi para pedagang. Untuk itu para pedagang berusaha untuk mendapatkan pelanggan sebanyakbanyaknya. Para pedagang
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1. Analisis Masalah Kebutuhan akan teori dalam dunia pendidikan sangat besar. Teori banyak di tulis ke dalam sebuah buku maupun jurnal. Pada universitas potensi utama,
Lebih terperinciAbstrak. Data Mining, Algoritma Apriori, Algoritma FP-Growth, Mata Pelajaran, Pemrograman, Web Programming, Matematika, Bahasa Inggris.
Penerapan Algoritma Apriori dan Algoritma FP-Growth Dalam Menemukan Hubungan Data Nilai Ijazah Matematika dan Bahasa Inggris Dengan Nilai Mata Pelajaran Pemrograman dan Web Programming (Studi Kasus SMK
Lebih terperinciBAB II TINJAUAN STUDI DAN LANDASAN TEORI
BAB II TINJAUAN STUDI DAN LANDASAN TEORI 2.1 Tinjauan Studi Penelitian mengenai penerapan metode market basket analysis bukan merupakan hal asing, sebab telah banyak dilakukan oleh peneliti sebelumnya.
Lebih terperinciIMPLEMENTASI METODE ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI PADA DATA TRANSAKSI PENJUALAN DI WAROENG SPESIAL SAMBAL
IMPLEMENTASI METODE ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI PADA DATA TRANSAKSI PENJUALAN DI WAROENG SPESIAL SAMBAL Della Sophia 1 Lintang Yuniar Banowosari 2 1,2 Fakultas Ilmu Komputer dan Teknologi
Lebih terperinciDATA MINING MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA APRIORI UNTUK MENENTUKAN PERSEDIAAN OBAT
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 227~235 227 DATA MINING MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA APRIORI UNTUK MENENTUKAN PERSEDIAAN OBAT Lina Ningsih 1, Dewi Ayu
Lebih terperinciDATA MINING INFORMASI TINGKAT KELULUSAN MAHASISWA STMIK PELITA NUSANTARA MEDAN. Anita Sindar RM Sinaga
DATA MINING INFORMASI TINGKAT KELULUSAN MAHASISWA STMIK PELITA NUSANTARA MEDAN Anita Sindar RM Sinaga Program Studi Teknik Informatika STIMIK Pelita Nusantara, Jl. Iskandar Muda No. 1 Medan, Indonesia
Lebih terperinciDATA MINING UNTUK ANALISA PENJUALAN KERIPIK UD MARTOP PRATAMA MENGGUNAKAN ALGORITMA APRIORI
DATA MINING UNTUK ANALISA PENJUALAN KERIPIK UD MARTOP PRATAMA MENGGUNAKAN ALGORITMA APRIORI SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi
Lebih terperinciPENERAPAN DATA MINING UNTUK MENGANALISIS PENJUALAN BARANG DENGAN MENGGUNAKAN METODE APRIORI PADA SUPERMARKET SEJAHTERA LHOKSEUMAWE
PENERAPAN DATA MINING UNTUK MENGANALISIS PENJUALAN BARANG DENGAN MENGGUNAKAN METODE APRIORI PADA SUPERMARKET SEJAHTERA LHOKSEUMAWE Nurdin, Dewi Astika Program Studi Teknik Informatika Universitas Malikussaleh
Lebih terperinciMetodologi Algoritma A Priori. Metodologi dasar algoritma a priori analisis asosiasi terbagi menjadi dua tahap :
Metodologi Algoritma A Priori 1 Kusrini, 2 Emha Taufiq Luthfi 1 Jurusan Sistem Informasi, 2 Jurusan Teknik Informatika 1, 2 STMIK AMIKOM Yogykakarta 1,2 Jl. Ringroad Utara Condong Catur Sleman Yogyakarta
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan dan persaingan dalam dunia bisnis perdagangan serta kemajuan teknologi informasi merupakan suatu hal yang saling terkait, dalam ketatnya persaingan pasar
Lebih terperinciMERANCANG SISTEM APLIKASI RULE PENGETAHUAN MENGGUNAKAN ALGORITMA APRIORI PADA TRANSAKSI SWALAYAN HARYS PERDANA NGANJUK SKRIPSI
MERANCANG SISTEM APLIKASI RULE PENGETAHUAN MENGGUNAKAN ALGORITMA APRIORI PADA TRANSAKSI SWALAYAN HARYS PERDANA NGANJUK SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN 3.1 DESAIN PENELITIAN Dalam melakukan penelitian, dibutuhkan desain penelitian agar penelitian yang dilakukan dapat berjalan dengan baik. Berikut ini merupakan desain penelitian
Lebih terperinciANALISIS MARKET BASKET DENGAN ALGORITMA APRIORI (STUDY KASUS TOKO ALIEF)
ANALISIS MARKET BASKET DENGAN ALGORITMA APRIORI (STUDY KASUS TOKO ALIEF) Hernawati STMIK Nusa Mandiri Jl. Kramat Raya No. 18 Rt. 01/Rw. 07 Kwitang, Senen, Jakarta Pusat watiherna27@gmail.com ABSTRAK Dalam
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini membahas tentang landasan teori yang medukung pembahasan yang berhubungan dengan sistem yang akan dibuat. 2.1 Data Mining Data mining adalah kegiatan menemukan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1 Analisis Permasalahan Keputusan selama ini yang dilakukan oleh Toko Buku Sembilan Wali Medan untuk menentukan buku apa saja yang paling potensial dijual berdasarkan
Lebih terperinciIMPLEMENTASI ALGORITMA APRIORI UNTUK MENENTUKAN PAKET PEMBELIAN (STUDI KASUS : RD SWALAYAN) SKRIPSI
IMPLEMENTASI ALGORITMA APRIORI UNTUK MENENTUKAN PAKET PEMBELIAN (STUDI KASUS : RD SWALAYAN) SKRIPSI Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom.)
Lebih terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
Lebih terperinciBAB I PENDAHULUAN. Data mining memungkinkan penemuan pola-pola yang menarik, informasi yang
1 BAB I PENDAHULUAN Bab pendahuluan ini membahas tentang latar belakang masalah yaitu fenomena perkembangan data yang terus bertambah tetapi informasi yang dihasilkan monoton, sehingga diperlukan data
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Sistem Analisis sistem yang berjalan pada perusahaan PT. Perintis Perkasa dikelola dengan menggunakan software TDMS (Toyota Dealer Management System). TDMS
Lebih terperinciANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE
ANALISA POLA PEMILIHAN PROGRAM STUDI BAGI CALON MAHASISWA DI UNIVERSITAS ABDURRAB MENGGUNAKAN ASSOCIATION RULE Diki Arisandi 1, Nofriandi 2 Jurusan Teknik Informatika, FakultTeknik,Universitas Abdurrab
Lebih terperinciKata kunci: aplikasi data mining, Association Rule, Apriori, genre lagu, Radio
Aplikasi Data Mining Perhitungan Frekuensi Data Pemutaran lagu dengan metode Association Rule Menggunakan Algoritma Apriori (studi kasus Radio Republik Indonesia ( RRI ) Semarang) Hendra Andhyka Program
Lebih terperinciTOKO ONLINE RIRIS DENGAN MENGGUNAKAN METODE APRIORI UNTUK PEMILIHAN JENIS BUNGA SESUAI KEINGINAN CUSTOMER
TOKO ONLINE RIRIS DENGAN MENGGUNAKAN METODE APRIORI UNTUK PEMILIHAN JENIS BUNGA SESUAI KEINGINAN CUSTOMER ARTIKEL SKRIPSI Diajukan Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom)
Lebih terperinciIMPLEMENTASI ALGORITMA APRIORI DALAM MENENTUKAN PERSEDIAAN OBAT
IMPLEMENTASI ALGORITMA APRIORI DALAM MENENTUKAN PERSEDIAAN OBAT Gusti Ahmad Syaripudin 1), Edi Faizal 2) 1) Teknik Informatika STMIK El Rahma Yogyakarta 1) Jl. Sisingamangaraja No. 76, Karangkajen, Brontokusuman,
Lebih terperinciBAB I PENDAHULUAN. PT. Perintis Perkasa adalah perusahaan yang bergerak dibidang service
BAB I PENDAHULUAN I.1. Latar Belakang PT. Perintis Perkasa adalah perusahaan yang bergerak dibidang service mobil khususnya merk Toyota dan penjualan spare part mobil. Perusahaan ini menjalin kerjasama
Lebih terperinciAnalisis Hasil Implementasi Data Mining Menggunakan Algoritma Apriori pada Apotek
Analisis Hasil Implementasi Data Mining Menggunakan Algoritma Apriori pada Apotek Aris Wijayanti Jurusan Teknik Informatika Universitas PGRI Ronggolawe Tuban Jl. Manunggal No. 61 Tuban Ariswjy@yahoo.com
Lebih terperinciANALISIS ALGORITMA APRIORI UNTUK REKOMENDASI PENEMPATAN BUKU PADA PERPUSTAKAAN
1 ANALISIS ALGORITMA APRIORI UNTUK REKOMENDASI PENEMPATAN BUKU PADA PERPUSTAKAAN 1 Uma Mazida, 2 Ricardus Anggi Pramunendar, M.Cs Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas
Lebih terperinciAPLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA
APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA Yuli Asriningtias, Rodhyah Mardhiyah Program Studi Teknik Informatika Fakultas Bisnis & Teknologi Informasi, Universitas Teknologi
Lebih terperinciAnalisis Asosiasi pada Transaksi Obat Menggunakan Data Mining dengan Algoritma A Priori
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 1, (2016) 1 Analisis Asosiasi pada Transaksi Obat Menggunakan Data Mining dengan Algoritma A Priori Despitaria 1, Herry Sujaini 2, Tursina 3 Program
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perusahaan ritel yang menyediakan berbagai kebutuhan berkembang pesat bukan hanya di kota besar saja tetapi juga di kota-kota kecil. Untuk memperoleh keuntungan yang
Lebih terperinciIMPLEMENTASI ALGORITMA APRIORI PADA APOTEK RMC DALAM MENENTUKAN PERSEDIAAN OBAT
IMPLEMENTASI ALGORITMA APRIORI PADA APOTEK RMC DALAM MENENTUKAN PERSEDIAAN OBAT Gusti Ahmad Syaripudin Teknik Informatika STMIK El-Rahma Yogyakarta e-mail: first234boy@gmail.com Abstract In daily activities,
Lebih terperinciBAB III METODE PENELITIAN. A. Tempat dan Waktu. 1. Tempat Penelitian. a. Assalam hypermarket merupakan salah satu pusat perbelanjaan di
BAB III METODE PENELITIAN A. Tempat dan Waktu 1. Tempat Penelitian Tempat penelitian merupakan suatu sumber untuk mendapatkan data yang dibutuhkan mengenai masalah yang akan diteliti. Data untuk penelitian
Lebih terperinciANALISIS ASSOCIATION RULES ALGORITMA APRIORI PENJUALAN KAOS TRAVELLING
ANALISIS ASSOCIATION RULES ALGORITMA APRIORI PENJUALAN KAOS TRAVELLING Kanthi Wulandari Mahasiswa Program Studi Statistika Universitas Islam Indonesia kanthiwuland@gmail.com Asriyanti Ali Mahasiswa Program
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Rekomendasi Sistem Rekomendasi (SR) merupakan model aplikasi dari hasil observasi terhadap keadaan dan keinginan pelanggan. Sistem Rekomendasi memanfaatkan opini seseorang
Lebih terperinciBAB I PENDAHULUAN. Keberadaan minimarket di kota-kota besar sangat dibutuhkan bagi. masyarakat khususnya di daerah perumahan. Bagi sebagian besar
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Keberadaan minimarket di kota-kota besar sangat dibutuhkan bagi masyarakat khususnya di daerah perumahan. Bagi sebagian besar masyarakat kota, mereka lebih cenderung
Lebih terperinciBAB I PENDAHULUAN. baik. Maka para pengelola harus mencermati pola-pola pembelian yang dilakukan
BAB I PENDAHULUAN I.1. Latar Belakang Jumlah pasar swalayan yang terus berkembang membuat para pengelolaswalayan juga dituntut untuk menerapkan strategi pemasaran yang lebih baik. Maka para pengelola harus
Lebih terperinciBAB I PENDAHULUAN. pesat, ini dapat dilihat dari kemunculan berbagai aplikasi-aplikasi yang dapat
BAB I PENDAHULUAN I.1. Latar Belakang Perkembangan teknologi perangkat lunak pada masa sekarang ini sangatlah pesat, ini dapat dilihat dari kemunculan berbagai aplikasi-aplikasi yang dapat memudahkan user
Lebih terperinciANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE
ANALISA POLA DATA HASIL PEMBANGUNAN KABUPATEN MALANG MENGGUNAKAN METODE ASSOCIATION RULE Dewi Sibagariang 1), Karina Auliasari 2) 1.2) Jurusan Teknik Informatika, Institut Teknologi Nasional Malang Jalan
Lebih terperinciRANCANG BANGUN APLIKASI DATA MINING ANALISIS TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus Di Politeknik Negeri Malang)
RANCANG BANGUN APLIKASI DATA MINING ANALISIS TINGKAT KELULUSAN MENGGUNAKAN ALGORITMA FP-GROWTH (Studi Kasus Di Politeknik Negeri Malang) Naufal Farras Hilmy 1, Banni Satria Andoko 2 Program Studi Teknik
Lebih terperinciANALISA KERANJANG BELANJA DENGAN ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI UNTUK STOK BARANG PADA LISTRIKMART
ANALISA KERANJANG BELANJA DENGAN ATURAN ASOSIASI MENGGUNAKAN ALGORITMA APRIORI UNTUK STOK BARANG PADA LISTRIKMART Siti Maskuroh 1 1 Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian
Lebih terperinciIMPLEMENTASI DATA MINING MENGGUNAKAN METODE APRIORI PADA TRANSAKSI PENJUALAN BARANG (STUDI KASUS DI CHORUS MINIMARKET)
Implementasi Data Mining Menggunakan Metode Apriori Pada Transaksi Penjualan Barang (Studi Kasus Di Chorus Minimarket) IMPLEMENTASI DATA MINING MENGGUNAKAN METODE APRIORI PADA TRANSAKSI PENJUALAN BARANG
Lebih terperinciBAB I PENDAHULUAN. yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia adalah salah satu negara dengan pertumbuhan pasar e-commerce yang cepat dan besar di Asia (Kartiwi, 2006). Pertumbuhan e-commerce yang besar tersebut membuat
Lebih terperinciJURNAL. PEMANFAATAN ALGORITMA APRIORI DALAM PENENTUAN STOK BARANG (Studi Kasus : Bengkel Diana Motor )
JURNAL PEMANFAATAN ALGORITMA APRIORI DALAM PENENTUAN STOK BARANG (Studi Kasus : Bengkel Diana Motor ) Utilization Of A Priori Algorithm In Determining Inventory (Case Study: Diana Motorcycle Repair Shop)
Lebih terperinciPEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI
PEMODELAN POLA HUBUNGAN KEMAMPUAN LULUSAN UNIVERSITAS LANCANG KUNING DENGAN KEBUTUHAN DUNIA USAHA DAN INDUSTRI Fana Wiza Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Lancang Kuning
Lebih terperinci