Implementasi Data Mining Menggunakan Algoritme Apriori Guna Menemukan Pola Pembelian Pelanggan Pada Klinik Kecantikan

Achmad Naufal Luqmanul Khakim(1*),Arief Jananto(2)
(1) Universitas Stikubank Semarang
(2) Universitas Stikubank Semarang
(*) Corresponding Author
DOI : 10.35889/progresif.v19i1.1015

Abstract

Companies should think to increase product sales about several strategies in achieving their goals, one of the strategies used is to utilize sales transaction data for suspect a good sales strategy. This article helps companies find customer purchasing patterns so that there is no vacancy in stock due to high sales intensity. The CRISP-DM method is used in the data mining process, which includes 6 main phases, namely: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, Depployment. Using 4693 Sales transaction data record and will be tested to find customer purchasing patterns. Based on the test results with minimum support = 0.2 and confidence = 0.2, it produces a combination of 3 items with 3 rules. Thus, it can be found which goods have high sales intensity and the company can always prepare stocks of these products.

Keyword: Data Mining; Apriori Algorithm; Customer Purchase Patterns; Sales Strategy

Abstrak

Perusahaan harus menemukan beberapa cara baru untuk membuat produk banyak terjual guna mencapai tujuannya, beberapa strategi yang digunakan yaitu dengan menggunakan data transaksi penjualan guna mendukung startegi penjualan. Penelitian ini membantu perusahaan dalam menemukan pola pembelian pelanggan agar tidak terjadi kekosongan persediaan barang karena intensitas penjualan yang tinggi. Metode CRISP-DM diimplementasikan pada proses data mining, yang meliputi 6 fase utama yaitu: Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluasi, Penyebaran. Menggunakan 4693 Record data transaksi penjualan dan akan diuji untuk menemukan pola pembelian pelanggan. Hasil percobaan dengan minimum support=0,2 dan confidance=0,2 mendapatkan kombinasi 3 item sebanyak 3 rule. Dengan demikian dapat ditemukan barang mana yang intensitas penjualannya tinggi dan perusahaan dapat selalu menyiapkan stok barang produk tersebut.

Kata kunci: Data Mining; Algoritme Apriori; Pola Pembelian Pelanggan; Strategi Penjualan  

References


A. J. Ifa Musdalifah, "Analisis Perbandingan Algoritme Apriori Dan Fp-Growth Dalam Pembentukan Pola Asosiasi Keranjang Belanja Pelanggan," Progresif: Jurnal Ilmiah Komputer, vol. 18, no. 2, pp. 175-184, Agustus 2022.

M. Yusnita, Pola Perilaku Konsumen dan Produsen, Semarang: ALPRIN, 2010.

A. J. Ellang Putro Priambodo, "Perbandingan Analisis Cluster Algoritme K-Means Dan AHC Dalam Perencanaan Persediaan Barang Pada Perusahaan Manufaktur," Jurnal Ilmiah Komputer, vol. 18, no. 2, pp. 257-270, 2022.

A. I. W. Dini Silvi Purnia, "Implementasi Data Mining Pada Penjualan Kacamata Menggunakan Algoritme Apriori," IJCIT(Indonesian Journal On Computer and Information Technology), vol. 2, no. 2, pp. 31-39, November 2017.

S. W. R. N. Rizal Amegia Saputra, "Penerapan Algoritme Apriori Untuk Analisa Pola Penempatan Barang Berdasarkan Data Transaksi Penjualan," JURNAL SWABUMI, vol. 8, no. 2, pp. 160-170, September 2020.

M. N. D. A. Adhitia Erfina, "Penerapan Metode Data Mining Terhadap Data Transaksi Penjualan Menggunakan Algoritme Apriori (Studi Kasus: Toko Fasentro Fancy)," Jurnal Sistem Informasi dan Teknologi Informasi, vol. 2, no. 3, pp. 14-22, September 2020 .

A. J. S. Ramadani Saputra, "Implementasi Data Mining Menggunakan Algoritme Apriori Untuk Meningkatkan Pola Penjualan Obat," Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 2, pp. 262-276, Agustus 2020.

L. H. Andre Velerian, "Implementasi Algoritme Apriori Untuk Prediksi Stok Peralatan Tulis Pada Toko XYZ," Jurnal Ilmiah Teknologi Informasi Terapan , vol. 5, no. 1, pp. 18-22, Desember 2018.

I. P. Astuti, "Algoritme Apriori Untuk Menemukan Hubungan Antara Jurusan Sekolah Dengan Tingkat Kelulusan Mahasiswa," Jurnal Teknik Informatika, vol. 12, no. 1, pp. 69-78, April 2019.

I. K. S. N. Yogasetya Suhanda, "Penerapan Metode Crisp-DM Dengan Algoritme K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik," Jurnal Teknologi Informatika dan Komputer MH Thamrin, vol. 6, no. 2, pp. 12-20, September 2020.

A. P. Fadillah, "Penerapan Metode CRISP-DM untuk Prediksi Kelulusan Studi Mahasiswa Menempuh Mata Kuliah (Studi Kasus Universitas XYZ)," Jurnal Teknik Informatika dan Sistem Informas, vol. 1, no. 3, pp. 260-270, Desember 2015.

D. U. D. Dina Feblian, "Implementasi Model Crisp-Dm Untuk Menentukan Sales Pipeline Pada PT X," Jurnal Teknik Industri, pp. 1-12, February 2017.

G. F. N. M. Meri Fitriani, "Implementasi Association Rule Dengan Algoritme Apriori Pada Data Peminjaman Buku UPT Perpustakaan Universitas Lampung Menggunakan Metodologi CRISP-DM," Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 10, no. 1, pp. 41-49, Januari 2022.

H. M. E. B. N. Lismardiana, "Pengembangan Algortima Apriori Untuk Pengambilan Keputusan," Jurnal Teknologi Informasi dan Komunikasi, vol. 4, no. 2, pp. 110-121, Desember 2015.

F. A. Sianturi, "Penerapan Algoritme Apriori Untuk Penentuan Tingkat Pesanan," Jurnal Mantik Penusa, vol. 2, no. 1, pp. 50-57, Juni 2018.

N. R. R. R. A. Muhamad Femy Mulya, "nalisis Dan Implementasi Data Mining Menggunakan Algoritme Apriori Untuk Meningkatkan Penjualan Pada Kantin Universitas Tanri Abeng," Faktor Exacta, vol. 12, no. 3, pp. 210-218, November 2019.

S. L. P. H. Sri Wahyuni, "Implementasi Data Mining dalam Memprediksi Stok Barang Menggunakan Algoritme Apriori," Jurnal Teknik Dan Informatika, vol. 5, no. 2, pp. 67-71, Juli 2018.

S. A. M. Timbo Faritcan Parlaungan Siallagan, "Sistem Prediksi Stok Aturan Asosiasi Pada Bisnis Ritel Toko Nurhikmah Di Cisalak Subang," Jurnal Teknologi Informasi dan Komunikasi, vol. 10, no. 1, pp. 1-15, April 2017.

E. S. N. A. Novalia Barkah, "Metode Asosiasi Data Mining Untuk Analisa Persediaan Fiber Optik Menggunakan Algoritme Apriori," Jurnal Kajian Ilmiah, vol. 20, no. 3, pp. 237-248, September 2020.


How To Cite This :

Refbacks

  • There are currently no refbacks.