IMPLEMENTASI METODE ASSOCIATION RULES DENGAN ALGORITME APRIORI UNTUK POLA PEMBELIAN KONSUMEN DI PT. SEHATI BANGUNAN ABADI

Penulis

  • Simbar Mardani Universitar Budi Luhur
  • Subandi Universitas Budi Luhur

Kata Kunci:

Algoritma Apriori, Association Rule, Data Mining

Abstrak

Pada toko kebutuhan barang bangunan, ketersediaan barang menjadi hal penting agar dapat melayani konsumen. Untuk itu persediaan kebutuhan barang bangunan perlu diperhatikan agar tidak terjadi kekosongan barang. Untuk melihat dan mendapatkan persediaan yang tepat, yaitu dengan cara melihat dari data-data penjualan yang telah terjadi, dan dari data-data penjualan tersebut kemudian dianalisa untuk memperoleh perhitungan guna melihat kebiasaan dari pembelian konsumen. Namun seiring dengan bertambahnya data penjualan serta berkaitan dengan tingkah laku para konsumen yang selalu berubah-ubah, diperlukan sebuah teknologi untuk memenuhi kebutuhan tersebut. PT.Sehati Bangunan Abadi adalah perusahaan yang bergerak di bidang pelengkapan barang bangunan. Masalah umum dalam mengoptimalkan strategi pemasaran, meningkatkan penjualan kerap terjadi dengan ketidak tahuan mengenai pola kebiasaan konsumen dalam membeli sebuah produk tertentu, dan dari kejadian-kejadian tersebut sering kali berdampak pada produk-produk yang tidak sering terjual dan menimbulkan kelebihan persediaan maupun kekurangan pada persediaan produk. Metode Association Rules digunakan untuk mengidentifikasi hubungan yang kuat antara item-item yang dibeli konsumen secara bersamaan. Data transaksi penjualan dari PT. Sehati Bangunan Abadi dikumpulkan dan diproses menggunakan algoritme apriori. Hasil dari penelitian ini akan memberikan informasi tentang hubungan antara produk-produk yang sering dibeli bersamaan oleh konsumen. Aturan asosiasi yang ditemukan dapat berupa kombinasi produk yang saling terkait, seperti "Apabila konsumen membeli MU 408 NAT 11 STONE GREY 1KG Maka konsumen juga akan membeli MU 408 NAT 15 XTRA GREY 1KG Dan akan membeli ONDA S 75 WCS JET SHOWER" dengan nilai support 43%, nilai confidence 93% dan nilai lift ratio 1.38 yang dapat diartikan sebagai korelasi positif, dimana setiap produk memiliki keterkaitan satu sama lain. Aturan ini dapat membantu perusahaan dalam menyusun strategi penjualan paket atau promosi produk yang relevan untuk meningkatkan penjualan. Diharapkan implementasi metode Association Rules dapat memberikan pola pembelian konsumen. Informasi yang diperoleh dari analisis ini dapat membantu perusahaan untuk meningkatkan strategi pemasaran yang lebih efektif.

Referensi

AMA. Rahim , GA Suni , S Sasi , GC Pangestu , M Fainsenem , M Arsyad A. Implentasi Algoritma Apriori Untuk Mmengetahui Pola Pembelian Di STARCOMP Jogja. Jurnal Ilmiah Intech: Information Technology Journal of UMUS, Vol.02, No.01, 2020.

CN Siregar. Market Basket Analysis dengan Algoritma Apriori pada Jack's Mart. Jurnal Comasie, Vol.06, No.01, 2022.

I Jaya, S Hanadwiputra. Penerapan Algoritma Apriori Dalam Menentukan Strategi Persediaan Obat Terhadap Penjualan Obat Pada Apotek Karang Asih. Quality System Development. Journal Informatics, Science & Technology, Vol.11, No.01 2021.

D Maulana, M Kiptiyah. Analisa Pembelian Konsumen Dengan Menggunakan Algoritma Apriori Pada Galeri Elzatta Cikarang. SIGMA Information Technology Journal, Vol.10, No.02, 2019.

R Utami, S Atmojo. Implementasi algoritma Apriori untuk Penentuan Weekend Product Promotion pada Minimarket ‘XYZ’. Seminar Nasional Sains dan Teknologi Terapan VII 2019, Vol.01, No.01, 2019.

A Novianti, E Elisa. Penentuan Aturan Asosiasi Pola Pembelian Pada Minimarket Dengan Algoritma Apriori. Building of Informatics, Technology and Science (BITS), Vol.02, No.01, 2020.

A Rahmadsyah, Hartono, R Rosnelly . Analisis Association Rule Pada Algoritma Apriori Untuk Minat Pembelian Alat Kesehatan. Jurnal Media Informatika Budidarma, Vol.05, No.01, 2021.

IKJ Arta, G Irawan, GR Dantes. Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di STMIK Denpasar Menggunakan Metode Technique For Other Reference By Similarity To Ideal Solution. Jurnal 63 Sains & Teknologi Universitas Pendidikan Ganesha, Vol.05, No.02, 2017.

M Mariko. Perbandingan Algoritma Apriori Dan Algoritma Fp-Growth Untuk Rekomendasi Item Paket Pada Konten Promosi. Jurnal EXPLORE STMIK Mataram, Vol.11, No.02, 2021.

A Syahrul, A Solichin. Rekomendasi Pemilihan Mata Kuliah Dalam Pengisian Rencana Studi Mahasiswa dengan Penerapan Algoritma Apriori. Jurnal ELTIKOM: Jurnal Teknik Elektro, Teknologi Informasi dan Komputer, Vol.06, No.01, 2022.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Mardani, S., & Subandi. (2023). IMPLEMENTASI METODE ASSOCIATION RULES DENGAN ALGORITME APRIORI UNTUK POLA PEMBELIAN KONSUMEN DI PT. SEHATI BANGUNAN ABADI. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 453–462. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/755

Terbitan

Bagian

Artificial Intelligence

Artikel Serupa

1 2 > >> 

Anda juga bisa Mulai pencarian similarity tingkat lanjut untuk artikel ini.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>