Analisis Rekomendasi Produk Menggunakan Algoritma ECLAT Berdasarkan Riwayat Data Penjualan PT XYZ

Widyan, Auzan; Rozi, Anief Fauzan

doi:10.47233/jteksis.v3i2.296

Cited by 7 publications

(7 citation statements)

References 1 publication

(1 reference statement)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Proses pencarian item list dilakukan dari item list yang paling sering muncul sampai yang paling jarang muncul tanpa perlu memperhatikan urutannya sehingga tidak perlu mengulang pencarian [7]. Pada penelitian dengan judul "Analisis Rekomendasi Produk Menggunakan Algoritma Eclat Berdasarkan Riwayat Data Penjualan Pt Xyz" menghasilkan bahwa algoritma eclat menghasilkan rekomendasi produk dan berdasarkan hasil uji sampel antara perhitungan sistem dengan perhitungan manual, memiliki keakuratan 100% dari 14.617 riwayat transaksi minimum support tertinggi untuk menemukan kombinasi k-itemset adalah 1% dan menghasilkan aturan asosiasi yang muncul memiliki nilai confidence yang kuat yakni diatas 50% [8]. Penelitian lain yang menggunakan eclat berjudul "Identification of Best Algorithm in Association Rule Mining Based on Performance".…”

Section: Pendahuluanunclassified

Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT)

Amri

Nazir

Haerani

et al. 2022

JNKTI

View full text Add to dashboard Cite

Abstrak - Tracer study adalah sebuah pendekatan yang diterapkan universitas untuk memperoleh informasi tentang kemungkinan kelemahan dalam proses pendidikan dan proses pembelajaran yang menjadi dasar perencanaan aktivitas untuk penyempurnaan di masa mendatang. Pada Universitas Islam Negeri Sultan Syarif Kasim Riau belum pernah ada tracer study yang komprehensif dan terstruktur dalam ruang lingkup universitas. Tracer study yang dilakukan hanya dalam lingkup program studi dan hanya dilaksanakan menjelang proses akreditasi prodi. Tidak ada tracer study yang rutin dilakukan di tingkat program studi dan universitas setiap tahunnya. Pada penelitian ini akan berfokus kepada penerapan data mining untuk mencari pola asosiasi pada data tracer study menggunakan Equivalence Class Transformation (ECLAT). Dari hasil penelitian terdapat 4 pola yang memenuhi support 13% dan confidence 80% dengan pengujian lift rasio 1. Pola tersebut diantaranya Jika ipk antara 3 – 3,5 dan gaji pertama dibawah 3 juta dan laki-laki maka status kelulusan tidak tepat waktu dan “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dengan support 17% dan confidence 84%. Jika ipk antara 3 – 3,5 dan perempuan maka “masa tunggu mendapatkan pekerjaan pertama kurang dari 6 bulan” dan hubungan pekerjaan dengan jurusan sesuai dengan support 14 % dan confidence 100%.Kata kunci: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat Abstract - Tracer study is an approach applied by universities to obtain important information in the education and learning process which is the basis for planning activities for future improvement. At UIN SUSKA University there has never been a comprehensive and structured tracer study within the scope of the university. There is no routine tracer study conducted at the study program and university level every year. This research will focus on the application of data mining to find association rules in tracer study data using ECLAT. From the research results, there are 4 patterns that meet the support of 13% and 80% confidence with a lift ratio test 1. The patterns include If the ipk is between 3 - 3.5 and the first salary is below 3 million and male then the graduation status is not on time and the waiting period to get the first job is less than 6 months with 17% support and 84% confidence. If the ipk is between 3 - 3.5 and female, then the waiting period to get the first job is less than 6 months and the job relationship with the major is in accordance with the support of 14% and confidence 100%.Keywords: Tracer Study, Data Mining, Asosiasi, Equivalence Class Transformation, Eclat

show abstract

Section: Pendahuluanunclassified

Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT)

Amri

Nazir

Haerani

et al. 2022

JNKTI

View full text Add to dashboard Cite

show abstract

“…Association Rule juga dikenal dengan Market Basket Analysis merupakan suatu metode dari data mining yang digunakan untuk menemukan pola hubungan antara itemset yang sering muncul dalam transaksi dengan itemset lainnya. Awal mula ditemukannya konsep market basket analysis ini berdasarkan barang-barang yang terdapat dikeranjang belanja yang secara tidak langsung menunjukkan prilaku konsumen saat berbelanja [11]. Pada association rule informasi diberikan dalam bentuk "if -then" atau "jika-maka".…”

Section: Association Ruleunclassified

Identifikasi Adverse Events Yang Timbul Karena Penggunaan Obat Ranitidine Menggunakan Metode Equivalence Class Transformation (Eclat)

Fadhilah¹,

Nazir²,

Darmizal³

et al. 2022

Restikom

View full text Add to dashboard Cite

Asam lambung atau yang sering disebut maag merupakan penyakit yang paling sering terjadi di setiap kalangan. Cara yang biasanya digunakan untuk mengobati penyakit maag yaitu dengan mengkonsumsi ranitidine. Ranitidine merupakan salah satu jenis obat yang biasanya digunakan untuk mengobati atau mencegah sakit maag, rasa panas diperut, dan sakit pada perut yang dikarenakan oleh tukak lambung. Ranitidine untuk pertama kali dilegalkan di Indonesia pada tahun 1989. Dalam menggunakan obat- obatan, tubuh dapat merespon dengan efek yang tidak diinginkan yang biasa disebut dengan adverse event. Ada beberapa adverse event yang berbahaya seperti kelumpuhan, perawatan intensif di rumah sakit, hingga kematian. Pada tahun 2019, FDA (Food and Drug Administration) mengumumkan bahwa obat ranitidine ditarik karena kadar NDMA (N-nitrosodimethylamin) di dalam lebih tinggi dari batas asupan yang diterima. Data mengenai adverse event dari ranitidine didapatkan dari semua laporan dari Rumah Sakit dan Dokter di Amerika Serikat yang berasal dari FDA (Food and Drug Administration) pada tahun 2016 hingga 2020. Data pada penelitian ini berjumlah 2089 data dengan 8 atribut. Penelitian yang digunakan yaitu association rule dengan algoritma Equivalence Class Transformation (ECLAT). Penelitian ini bertujuan untuk mengidentifikasi hubungan adverse event pada ranitidine. Hasil penelitian didapatkan dari pengujian persentase tertinggi yang memiliki nilai support 0.063, nilai confidence 0.82 dan Lift Ratio 1.16.

show abstract

“…Equivalence Class Transformation (ECLAT) Algoritma Eclat menemukan elemen dari bawah seperti konsep pencarian depth-first untuk menemukan itemsets yang sering muncul pada dataset. Algoritma eclat berjalan secara rekursif yaitu pencarian itemset dilakukan secara terus menerus sepanjang masih ada itemset yang tersisa [10]. Algoritma ini menggunakan database vertikal jika menggunakan database horizontal, maka perlu mengubahnya terlebih dahulu menjadi database vertikal [11].…”

Section: Confidenceunclassified

Pencarian Hubungan Adverse Event Yang Timbul Akibat Mengkonsumsi Obat Aspirin Menggunakan Equivalence Class Transformation (Eclat)

Bukhari

nazir²,

Haerani³

et al. 2022

Restikom

View full text Add to dashboard Cite

Aspirin merupakan salah satu jenis obat yang paling banyak digunakan di dunia. Di Indonesia, aspirin termasuk dalam golongan obat bebas sehingga dapat dibeli secara bebas oleh masyarakat. Mengonsumsi obat aspirin memberikan banyak manfaat namun penggunaan yang tidak sesuai aturan dapat menimbulkan efek samping maupun Adverse Event dapat terjadi pula. “Adverse Event adalah pengalaman yang tidak diinginkan terkait penggunaan obat. Penelitian ini menggunakan data dari FAERS FDA (Food and Drug Administration) Amerika Serikat dengan menggunakan Association Rule algoritma Equivalence Class Transformation (ECLAT) untuk menemukan hubungan antara itemset yang dihasilkan”. FDA Adverse Event Reporting System (FAERS) adalah database yang berisi laporan Adverse Event, medication error reports dan keluhan kualitas produk yang mengakibatkan Adverse Event yang disampaikan ke food and drug administration. Data yang digunakan di dalam penelitian ini merupakan data Adverse Event yang mengandung nama obat aspirin dengan sebanyak 1100 record data dan menggunakan 8 atribut. Hasil dari pengujian dengan menetapkan minimum support 0.1% dan confidence 0.1 % menghasilkan rule sebanyak 393 rule dimana rule paling tinggi merupakan hubungan antara Adverse Event Abdominal Discomfort dengan hubungan obat aspirin. Hasil lain dari pengujian yang dilakukan menghasilkan rule yang paling banyak pada minimum support 0.1% dan confidence 0.1 % sebanyak 393 rule dan rule paling sedikit terdapat pada nilai min support 40% dan confidence 10% sebanyak 2 buah rule.

show abstract

Analisis Rekomendasi Produk Menggunakan Algoritma ECLAT Berdasarkan Riwayat Data Penjualan PT XYZ

Cited by 7 publications

References 1 publication

Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT)

Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT)

Identifikasi Adverse Events Yang Timbul Karena Penggunaan Obat Ranitidine Menggunakan Metode Equivalence Class Transformation (Eclat)

Pencarian Hubungan Adverse Event Yang Timbul Akibat Mengkonsumsi Obat Aspirin Menggunakan Equivalence Class Transformation (Eclat)

Contact Info

Product

Resources

About