Data Mining Penjualan Tanaman Hias dengan Algoritma APRIORI Pada Toko Flores Elishabet

Yendrizal, Yendrizal

doi:10.30865/mib.v4i2.2110

Cited by 2 publications

(2 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Telah banyak yang memanfaatkan data mining untuk menelusuri data terselubung dalam suatu himpunan data bisnis untuk bidang tanaman. Yendrizal [1], Aulia [2], Mufhida [3], Girsang [4], Dewi [5] berhasil meneliti penggunaan Data Mining pada prediksi bidang bisnis tanaman. Adapun dari bidang bisnis lainnya seperti [6], [7] , [8] , [9] , [10] [11], [12], [13].…”

Section: Pendahuluanunclassified

Penerapan Data Mining Algoritma Fp-Growth Untuk Menentukan Rekomendasi Penjualan Tanaman Hidroponik Di Mentaya Ponik

Faruq,

Bachtiar

2023

View full text Add to dashboard Cite

Zaman yang semakin maju saat ini menuntut perkembangan teknologi baru dalam berbagai aspek kehidupan, termasuk dalam budidaya tanaman. Hidroponik, sebagai teknik budidaya tanaman tanpa menggunakan media tanah, telah menjadi solusi yang populer. Meskipun hidroponik memiliki keuntungan seperti perawatan yang minimal, kemudahan dalam perakitan, portabilitas, dan adaptabilitas di lahan terbatas, namun juga memiliki kelemahan seperti biaya yang tinggi dan kebutuhan akan keterampilan khusus.Dalam budidaya tanaman hidroponik, pemahaman yang baik tentang kebutuhan pasar dan preferensi pelanggan menjadi penting untuk meningkatkan penjualan dan keuntungan. Di sinilah data mining, metode dalam ilmu komputer yang digunakan untuk mencari pola tertentu dari data dalam database, dapat menjadi alat yang berguna. Data mining menggunakan algoritma untuk memproses dan menganalisis data dengan tujuan menemukan pola dan aturan yang berguna.Salah satu algoritma data mining yang populer adalah algoritma FP-Growth. Algoritma ini dapat membantu dalam menentukan rekomendasi penjualan yang lebih efektif dengan menganalisis data penjualan sebelumnya, preferensi pelanggan, dan faktor-faktor relevan lainnya. Dengan menggunakan algoritma FP-Growth, pola pembelian yang sering terjadi antara tanaman hidroponik dapat diidentifikasi, dan informasi ini dapat digunakan untuk menghasilkan rekomendasi penjualan yang lebih akurat dan terarah.Penelitian ini bertujuan untuk menerapkan data mining dengan menggunakan algoritma FP-Growth dalam konteks penjualan tanaman hidroponik di Mentaya Ponik. Dengan demikian, pedagang Mentaya Ponik dapat mengoptimalkan strategi penjualan dan meningkatkan keuntungan bisnis tanaman hidroponik mereka. Selain itu, penelitian ini juga memberikan wawasan berharga kepada pedagang Mentaya Ponik dalam menjalankan bisnis tanaman hidroponik.

show abstract

Section: Pendahuluanunclassified

Penerapan Data Mining Algoritma Fp-Growth Untuk Menentukan Rekomendasi Penjualan Tanaman Hidroponik Di Mentaya Ponik

Faruq,

Bachtiar

2023

View full text Add to dashboard Cite

show abstract

“…Metode Data Mining mencari pola dan tren dalam data skala besar dengan menggunakan algoritma matematika tingkat lanjut untuk mempartisi data dan mengevaluasi kemungkinan kejadian di masa depan [9]. Data Mining merupakan cara komputerisasi dalam proses pencarian data yang sangat banyak atau berupa big data untuk memperoleh suatu informasi yang diperlukan data mining juga digunakan dalam menentukan sebuah keputusan [10]. Keluaran dari data mining bisa dipakai untuk memperbaiki pengambilan keputusan di masa depan [11].…”

Section: Data Miningunclassified

Data Mining menggunakan Metode Rough Set dalam Memprediksi Tingkat Penjualan Peralatan Komputer

Zuhdi¹

2022

INFEB

View full text Add to dashboard Cite

Data mining is a job in the form of collecting and using data to get a rule, pattern, or relationship in large data. The output of this data mining can be used to facilitate future decision-making. The purpose of this study is to predict the level of sales of computer equipment to make it easier for sellers to meet consumer needs. The data processed in this study include several factors which will later be included in the Roughtset method. The method used is a Rough set. Factors include the name of goods, warranty, price, and level of sales. These factors will later be grouped in the Equivalence Class, where the same attribute values will be grouped. Then proceed to the next stage, namely the Discernibility Matrix which contains a collection of condition attributes that have different condition values. After that, proceed to the Discernibility Matrix Modulo D stage where the columns in the matrix are filled with a collection of condition attributes that have different conditions and different decision values. The next stage is Reduction, which is how to get the condition attributes used to get output in the form of knowledge. The last stage is knowledge which is the result of the reduction obtained. Then the results of the rough set application will be entered into the Rosetta application. The results obtained using the rough set method on 10 samples of computer equipment sales data, obtained 17 new rules or knowledge that can be used as guidelines in decision making to identify the level of computer sales.

show abstract

Data Mining Penjualan Tanaman Hias dengan Algoritma APRIORI Pada Toko Flores Elishabet

Cited by 2 publications

References 3 publications

Penerapan Data Mining Algoritma Fp-Growth Untuk Menentukan Rekomendasi Penjualan Tanaman Hidroponik Di Mentaya Ponik

Penerapan Data Mining Algoritma Fp-Growth Untuk Menentukan Rekomendasi Penjualan Tanaman Hidroponik Di Mentaya Ponik

Data Mining menggunakan Metode Rough Set dalam Memprediksi Tingkat Penjualan Peralatan Komputer

Contact Info

Product

Resources

About