PENERAPAN ALGORITMA APRIORI PADA PENJUALAN SUKU CADANG KENDARAAN RODA DUA (Studi Kasus: Toko Prima Motor Sidomulyo)

Abstract

Prima Motor Shop is engaged in the sale of spare parts for two-wheeled vehicles with several brands of spare parts. Sales at Prima Motor Stores take place every day so that the transaction data will increase over time. However, the data is only used as an archive for the store. By using data mining the data will be reprocessed into information that can be used for the decision-making process. Transaction data is processed using association techniques using apriori algorithm. The a priori algorithm will calculate the support value of each item and find the frequent item set that meets the minimum confidence requirements. The minimum value for the support parameter is 25% and the minimum value for the confidence parameter is 50%. The results of the application of the apriori algorithm produce 13 association rules including 2 association rules for the Suzuki brand, 6 association rules for the Honda brand and 5 association rules for the Yamaha brand that meet the minimum requirements of two parameters, namely support and confidence parameters and tested using lift ratio testing to determine whether the resulting association rules are valid or invalid. The most sold item for the Suzuki brand is an item with code B01 namely Cool Starter Satria FU, for the Honda brand is an item with the code C14 namely Seal Shock Front Tiger, for the Yamaha brand is an item with code D01 namely Cool Starter Jupiter Z, Vega ZR, Mio J This can minimize the inventory vacancy of each of the most sold items of each product from the 3 parts brands.

Using a Partition System to Improve the Performance of the Apriori Algorithm in Speeding Up Itemset Frequency Search Process

“…Penting tidaknya suatu aturan asosiatif dapat diketahui dengan dua parameter yaitu support dan confidence [22]. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam dataset [23]. Confidence (nilai kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi [24].…”

Penerapan Data Mining Menggunakan Algoritma Apriori Untuk Mengetahui Kebiasaan Konsumen Dan Prediksi Stok Produk

“…Pemanfaatan data mining selaku perlengkapan analisis jadi sangat bernilai di era data dan teknologi yang terus menjadi mutakhir guna memahami sikap konsumen serta meningkatkan daya guna manajemen inventaris produk [1]. Membuat evaluasi yang lebih terdidik serta berbasis kenyataan di bermacam zona bisnis dimungkinkan oleh penambangan data, yang memungkinkan kita mengungkap pola tersembunyi dari kumpulan data yang besar serta rumit.…”

Optimasi Penjualan Toko Kelontong Dengan Menerapkan Algoritma Apriori

“…Tujuan penggunaan algoritma apriori adalah agar nilai suport dapat menjadi acuan untuk menentukan produk mana yang akan diperhatikan supply-nya, data Confidance dapat dijadikan patokan untuk penjaga toko dalam merekomendasikan brang lain yang sekiranya akan atau kemungkinan dibeli juga oleh pembeli [5]. Left Ratio akan menjadi penegas bahwa rule yang didapat sudah valid atau tidak dan dapat menjadi acuan untuk pemilik toko kelontong dalam menyusun layout [6]. Bisa digunakan juga untuk memperkaya acuan dalam melakukan promosi kepada pelanggan.…”

“…Pada penelitian kali ini hasil dari confidance dan lift ratio akan ditampilkan bersamaan dengan data yang lain menjadi model associate rule yang komplite, yaitu sebagai berikut : Gambar 14. building model dan collecting the information Rumus yang digunakan dalam menentukan confidance dan lift ratio dapat dilihat pada persamaan (3), ( 4), ( 5), dan (6). Dengan nilai minimum confidance yang ditentukan sebesar 10%.…”