Prediksi Penjualan Parfum Menggunakan Algoritma Apriori pada Queen Parfume

Ravi Ari Tri Ardani, Jupriyadi Jupriyadi, Styawati Styawati, Rio Andika

Abstract


Queen Parfum adalah sebuah toko yang bergerak di industri penjualan parfum, menawarkan berbagai macam aroma dengan kualitas premium. Merk parfum yang dijual dicatat dalam buku penjualan untuk dilaporkan kepada pemilik toko. Buku penjualan ini mencatat data penjualan harian. Setiap hari, terjadi transaksi penjualan parfum di toko, sehingga data penjualan terus bertambah dan semakin besar seiring waktu. Data ini digunakan untuk mengetahui kombinasi produk parfum yang sering dibeli bersamaan. Algoritma Apriori menggunakan frekuensi atribut yang telah diketahui sebelumnya untuk memproses informasi selanjutnya. Market basket analysis adalah metodologi untuk menganalisis kebiasaan membeli konsumen dengan menemukan asosiasi antar item yang berbeda menggunakan data transaksi penjualan. Tujuan market basket analysis adalah untuk mengetahui produk mana yang sering dibeli bersamaan. Berdasarkan hasil analisis dari 3556 data, didapatkan 4 aturan dengan nilai minimum support 0.002 dan minimum confidence 0.008, sebagai berikut: Jika membeli parfum Taylor Swift, maka akan membeli parfum Baccarat dengan nilai confidence 0.0802. Jika membeli parfum Dunhil Blue, maka akan membeli parfum Baccarat dengan nilai confidence 0.0720. Jika membeli parfum Baccarat, maka akan membeli parfum Taylor Swift dengan nilai confidence 0.0466. Jika membeli parfum Baccarat, maka akan membeli parfum Dunhil Blue dengan nilai confidence 0.0381. Strategi yang dapat dilakukan setelah mengetahui pola belanja konsumen ini adalah menempatkan produk-produk tersebut berdekatan agar lebih mudah dan cepat diakses oleh konsumen yang ingin membeli.

Full Text:

PDF

References


I.A. Nikmatun and I. Waspada, “Implementasi Data Mining Untuk Klasifikasi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighbor”, Jurnal SIMETRIS, Vol. 10 No. 2 November 2019, pp. 421-432.

R.R. Putra, and C. Wadisman, “Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-Means”, Journal of Information Technology and Computer Science (INTECOMS), Volume 1 No 1, Maret 2018, pp. 72-77.

S. Jambekar and Z. Saquib, “Application of Data Mining Techniques for Prediction of Crop Production in India,” vol. 7, no. 4, pp. 66–69, 2018.

U. Shafique and H. Qaiser, “A Comparative Study of Data Mining Process Models (KDD, CRISPDM and SEMMA),” Int. J. Innov. Sci. Res. ISSN, vol. 12, no. 1, pp. 2351–8014, 2014.

Han, J., Kamber, M., dan Pei, J., “Data Mining: Concepts and Techniques Third Edition”, Morgan Kaufmann, USA, 2011.

J.R. Gumilang, “Implementasi Algoritma Apriori Untuk Analisis Penjualan Konter Berbasis Web”, Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA), Vol. 1 No. 2, Desember 2020, pp. 226~233.

Iswandi, P., Permana, I. and Salisah, F. N. ‘‘Penerapan Algoritma Apriori Pada Data Transaksi Penjualan Hypermart XYZ Lampung Untuk Penentuan Tata Letak Barang’’, Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, 6(1), 2020, pp. 70–74.




DOI: https://doi.org/10.33365/tft.v4i2.4556

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Ravi Ari Tri Ardani, Jupriyadi Jupriyadi, Styawati Styawati, Rio Andika



 Published by Universitas Teknokrat Indonesia
Organized by Fakultas Teknik dan Ilmu  Komputer, Universitas Teknokrat Indonesia
W:  https://ejurnal.teknokrat.ac.id/index.php/telefortech/index
E :  telefortech@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung

Creative Commons License
Jurnal Telematics and Information Technology (TELEFORTECH) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Support By :

 

 
 Flag Counter