PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA APRIORI TERHADAP DATA TRANSAKSI PENJUALAN UNTUK MENENTUKAN PAKET PROMOSI

STUDI KASUS KEDAI WARUNG JAMBU

  • Mohamad Elvis Syahri Informatika, Universitas Singaperbangsa Karawang
  • Dadang Yusuf Informatika, Universitas Singaperbangsa Karawang
  • Garno Garno Informatika, Universitas Singaperbangsa Karawang

Abstract

Kedai warung jambu merupakan salah  satu  kedai   yang   cukup   lengkap, dimana   selaian menjual   cemilan   juga   menjual   produk lainnya khususnya  makanan dan minuman .    Namun  terdapat  permasalahan  yakni  proses  penjualan  yang terjadi  selama  ini  masih  belum  efektif.  Dalam  artian  bahwa  masih  terjadi  barang  yang  kurang  laku dijual,  sehingga  menyebabkan  kerugian  secara  finansial  bagi  kedai  tersebut.   Selain  itu  mengalami  kerugian  seperti  kehilangan  pelanggan,  karena  apabila  ada  konsumen  yang  membutuhkan salah  satu menu  yang  ada  di  kedai,  namun ternyata stoknya habis tanpa pemilik kedai ketahui maka pelanggan itu akan beralih ke kedai lain. Dalam rangka menghadapi persaingan bisnis yang dapat meningkatkan dan penjualan menu tersebut, salah satunya adalah dengan pemanfaatan data penjualan produk. Tujuan penelitrian ini dibuat yaitu untuk menentukan paket yang sebelumnya tidak laku menjadi laku karna di buat sebuah paket agar menu yang jarang di pesan bisa menjadi sebuah daya tarik bagi konsumen. Dalam penelitian ini akan dibuat suatu analisis data penjualan untuk mengetahui mengetahui barang apa saja yang sering dibeli oleh konsumen yang dapat membantu dalam melihat pola pembelian konsumen dengan menggunakan metodologi Knowledge Discovery in Database (KDD) dan juga menggunakan algoritma Apriori. Pada penelitian ini menggunakan 4 itemset dengan minimum support 60% dan minimum confidence 90%. Untuk hasil yang diperoleh adalah asosiasi antar produk atau keterhubungan barang, yang mana pada penelitian ini nilai confidence yang didapatkan sebesar 98,182% yang merupakan nilai confidence terbaik yang terdapat pada 3 itemset.

Downloads

Download data is not yet available.
Published
2024-01-05