NAJAF, Abdul Rezha Efrat and Gernowo, Rahmat and Farikhin, Farikhin (2020) SISTEM INFORMASI UNTUK ANALISIS POLA PEMBELIAN KONSUMEN MENGGUNAKAN ALGORITMA APRIORI BERDASARKAN ASSOCIATION RULES MINING. Masters thesis, School of Postgraduate Studies.
Text
BAB I.pdf Download (298kB) |
|
Text
BAB II.pdf Download (506kB) |
|
Text
BAB III.pdf Restricted to Repository staff only Download (423kB) |
|
Text
BAB IV.pdf Restricted to Repository staff only Download (929kB) |
|
Text
BAB V.pdf Download (8kB) |
Abstract
Dalam bisnis, industri ritel adalah salah satu jenis bisnis dengan tingkat persaingan yang tinggi. Selain itu, masalah umum yang terjadi dalam bisnis ritel adalah mengidentifikasi barang mana yang paling laris dan barang mana yang cenderung tidak laku sesuai dengan pembelian konsumen. Penelitian ini merancangang bangun sistem informasi dengan menerapkan association rules mining untuk menganalisis pola pembelian konsumen menggunakan algoritma Apriori. Algoritma apriori adalah algoritma untuk menemukan pola frekuensi tertinggi dari teknik market basket analysis. Penerapan teknik market basket analysis pada teknik data mining untuk menganalisis produk mana yang sering dibeli secara bersamaan oleh konsumen. Dengan penerapan association rules mining dapat membantu minimarket memperluas strategi pemasaran yang efektif dengan mendapatkan wawasan tentang barang-barang yang sering dibeli bersama oleh konsumen. Dalam penelitian ini, sistem dikembangkan menggunakan algoritma Apriori yang dibangun menggunakan bahasa pemrograman PHP dan DBMS MySQL. Sistem ini berfungsi untuk menganalisis produk yang dibeli secara bersamaan dari data transaksi penjualan. Analisa yang dihasilkan berupa rule dengan pola “if then” beserta nilai confidence. Data yang digunakan adalah data dari tahun 2014 sampai dengan tahun 2019 yang diperoleh dari studi kasus. Hasil output dari penelitian ini adalah analisa pola pembelian konsumen dari produk yang dibeli secara bersamaan sehingga dapat memberikan bahan pertimbangan bagi minimarket dan untuk meningkatkan jumlah penjualan.
Kata kunci: Minimarket, Association Rules Mining, Market Basket Analysis, Algoritma Apriori
In business, the retail industry is one type of business with a high level of competition. Besides, a common problem that occurs in the retail business is identifying which items are most in-demand and which items are less likely to sell according to consumer purchases. This study designs information systems by applying association rules mining to analyze consumer purchasing patterns using the Apriori algorithm. Apriori algorithm is an algorithm to find the highest frequency patterns of market basket analysis techniques. Application of market basket analysis techniques to data mining techniques to analyze which products are often bought simultaneously by consumers. Applying association rules mining can help minimarket expand effective marketing strategies by gaining insight into goods that are often bought together by consumers. In this study, the system was developed using the Apriori algorithm which was built using the PHP programming language and MySQL DBMS. This system functions to analyze the products purchased simultaneously from sales transaction data. The resulting analysis is in the form of a rule with an "if-then" pattern along with a confidence value. The data used are data from 2014 to 2019 obtained from case studies. The output of this study is an analysis of consumer purchasing patterns of products purchased simultaneously so that it can provide consideration for the minimarket and to increase the number of sales.
Keywords: Minimarket, Association Rules Mining, Market Basket Analysis, Apriori Algorithm
Item Type: | Thesis (Masters) |
---|---|
Uncontrolled Keywords: | Minimarket, Association Rules Mining, Market Basket Analysis, Algoritma Apriori |
Subjects: | Sciences and Mathemathic |
Divisions: | Postgraduate Program > Master Program in Information System |
Depositing User: | ekana listianawati |
Date Deposited: | 19 Apr 2022 05:07 |
Last Modified: | 19 Apr 2022 05:07 |
URI: | https://eprints2.undip.ac.id/id/eprint/5817 |
Actions (login required)
View Item |