Skripsi

Rancang Bangun Aplikasi untuk Mengetahui Pola Pembelian Konsumen Pada Butik Evalita Collection Menggunakan Implementasi Algoritma Apriori

---

bibliografi: hal. 105

RINGKASAN

Mencari keuntungan merupakan tujuan operasional butik, maka untuk memenuhi tujuan operasional sekaligus mempertahankan kegiatan operasional dalam persaingan dunia bisnis, diperlukan suatu strategi yang dapat meningkatkan penjualan. Untuk menentukan dan mengembangkan promosi agar lebih terarah dan tepat sasaran salah satunya dengan mengetahui selera beli dari konsumen, terkadang hasil dari pengolahan data secara sederhana (query) tidak dapat menghasilkan sesuatu yang efektif karena besarnya volume data yang diolah dan kesulitan untuk melihat asosiasi antara penjualan barang yang satu dengan lainnya. Dengan demikian perlu adanya suatu aplikasi untuk mengetahui pola pembelian konsumen menggunakan implementasi algoritma apriori. Algoritma apriori menggunakan 2 nilai analisis 2 nilai penting yaitu minimum support dan minimum confidence. Dua nilai tersebut digunakan dengan proses iterasi untuk menemukan setiap kombinasi item barang yang disebut proses join dan proses untuk mengeliminasi pengelompokan barang yang tidak memenuhi minimum support yang disebut proses prune. Dari teknik-teknik yang disebutkan diatas didapatkan frekuensi dan item barang yang paling sering muncul bersamaan. Dari hasil analisa dan pengujian dengan menggunakan 20 data uji yang telah dilakukan terbentuk 15 aturan asosiasi hasil proses berdasarkan parameter yang telah ditentukan yaitu minimum support 10% dan minimum confidence 50%. Pada salah satu aturan yang terbentuk, misalnya aturan : “Jepit Rambut => Bros Kecil” dengan nilai confidence 100% berarti bahwa 100% dari konsumen yang membeli “Jepit Rambut” juga membeli “Bros Kecil”.

Kata Kunci : Algoritma Apriori, Minimum Support, Minimum Confidence
ABSTRACT

Looking for profit is the operational objective for a boutique. So, to meet operational objectives while maintaining operational activities in the competitive world of business, it needs a strategy to increase sales. To determine and develop a campaign to be more targeted and right, one of them is by knowing the tastes of consumers, sometimes the results of simple data processing (query) cannot produce something effective because of the large volume of data is processed and difficult to see the association between the sale of goods one with the other. Thus, it needs an application to know the pattern of consumer purchases using apriori algorithm implementation. Apriori algorithm uses 2 values of analysis 2 important values of minimum support and minimum confidence. The two values are used by the iteration process to find each item combination called a join process and a process to eliminate the grouping of items that do not meet the minimum support called prunes process. From the above mentioned techniques, it was obtained that frequency and items of goods most often appear together. From the results of analysis and testing using 20 test data that has been done formed 15 rules association of process results based on predetermined parameters that is minimum support 10% and minimum confidence 50%. In one of the rules formed, for example the rule: "Hair Clip => Small Brooch" with 100% confidence value means that 100% of consumers who buy "Haircut" also buy "Small Brooch".

Keywords: Apriori Algorithm, Minimum Support, Minimum Confidence

---

Ketersediaan

TI1826

TI 1826 ADI r

UPT. PERPUSTAKAAN PUSAT (Rak 1)

Tersedia - No Loan

Informasi Detail

Judul Seri

-

No. Panggil

TI 1826 ADI r

Penerbit

Purwokerto : Universitas Amikom Purwokerto., 2018

Deskripsi Fisik

xviii, 104 hlm.: ilus.; 28 cm

Bahasa

Indonesia

ISBN/ISSN

14.11.0287

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

Oktober 2018

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Hendra Aditya

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar