Penerapan Algoritma Apriori pada Analisis Data Transaksi penjualan UMKM Banyu Burgerbar
Abstract
UMKM merupakan perusahaan kecil perkotaan yang didirikan atas prakarsa sendiri. Di Indonesia yang mayoritas penduduknya sangat besar, ini berarti pelaku UMKM masih berada di level mikro. Penelitian ini dilakukan karena Banyu Burgerbar memiliki permasalahan umum yaitu penurunan pendapatan penjualan. Karena itulah Banyu Burgerbar melakukan kampanye, namun promosi yang dilakukan saat ini tidak sepenuhnya benar, karena mereka tidak memahami apa yang relevan dengan masalah periklanan dan informasi produk mana yang diminati konsumen dan mana yang tidak. Permasalahan tersebut membutuhkan suatu metode atau teknik yang dapat memberikan informasi melalui perhitungan algoritma apriori, sehingga dapat berguna saat kampanye untuk mengembangkan strategi pemasaran dengan membuat konten promosi tentang produk yang laku untuk menarik konsumen. Dari Proses perhitungan menggunakan algoritma apriori, dapat ditemukan produk yang paling banyak terjual yaitu ayam geprek dan milk series, dengan kesimpulan bahwa produk ayam geprek dan milk series memiliki nilai support 30% dan 36% serta memeiliki nilai confidence 5%. Hasil perhitungan apriori adalah jika konsumen membeli ayam geprek maka peluang membeli susu kit adalah 5%, jika konsumen membeli susu kit maka peluang membeli ayam geprek adalah 5%. Berdasarkan perhitungan apriori aturan asosiasi dapat diketahui produk mana yang laris manis sehingga UMKM Banyu Burgerbar dapat menyusun strategi penjualan untuk meningkatkan penjualan dengan membuat kemasan produk yang berisi produk turunan dari kombinasi produk.
Full Text:
PDFReferences
Al-Maolegi, M., & Arkok, B. (2014). An improved Apriori algorithm for association rules. ArXiv Preprint ArXiv:1403.3948.
Baker, R. (2010). Data mining for education. International Encyclopedia of Education, 7(3), 112–118.
Bodon, F. (2003). A fast APRIORI implementation. FIMI, 3, 63.
Borgelt, C. (2003). Efficient implementations of apriori and eclat. FIMI’03: Proceedings of the IEEE ICDM Workshop on Frequent Itemset Mining Implementations, 90.
Borgelt, C., & Kruse, R. (2002). Induction of association rules: Apriori implementation. Compstat, 395–400.
Budiarto, R., Putero, S. H., Suyatna, H., Astuti, P., Saptoadi, H., Ridwan, M. M., & Susilo, B. (2018). Pengembangan UMKM antara konseptual dan pengalaman praktis. Ugm Press.
Chang, R., & Liu, Z. (2011). An improved apriori algorithm. Proceedings of 2011 International Conference on Electronics and Optoelectronics, 1, V1-476.
Chen, M.-S., Han, J., & Yu, P. S. (1996). Data mining: an overview from a database perspective. IEEE Transactions on Knowledge and Data Engineering, 8(6), 866–883.
Gunadi, G., & Sensuse, D. I. (2012). Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth ( Fp-Growth ) : Telematika, 4(1), 118–132.
Hegland, M. (2007). The apriori algorithm–a tutorial. Mathematics and Computation in Imaging Science and Information Processing, 209–262.
Jha, J., & Ragha, L. (2013). Educational data mining using improved apriori algorithm. International Journal of Information and Computation Technology, 3(5), 411–418.
Jovanoski, V., & Lavrač, N. (2001). Classification rule learning with APRIORI-C. Portuguese Conference on Artificial Intelligence, 44–51.
Rathee, S., Kaul, M., & Kashyap, A. (2015). R-Apriori: an efficient apriori based algorithm on spark. Proceedings of the 8th Workshop on Ph. D. Workshop in Information and Knowledge Management, 27–34.
Roiger, R. J. (2017). Data mining: a tutorial-based primer. Chapman and Hall/CRC.
Romero, C., & Ventura, S. (2013). Data mining in education. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 3(1), 12–27.
Sarfiah, S. N., Atmaja, H. E., & Verawati, D. M. (2019). UMKM sebagai pilar membangun ekonomi bangsa. Jurnal REP (Riset Ekonomi Pembangunan), 4(2), 137–146.
Suci, Y. R. (2017). Perkembangan UMKM (Usaha mikro kecil dan menengah) di Indonesia. Jurnal Ilmiah Cano Ekonomos, 6(1), 51–58.
Tambunan, T. (2012). UMKM Indonesia. Buku Dosen-2014.
Utami, I. A. (2021). Pengaruh Pengetahuan Keuangan, Sikap Keuangan, Dan Kepribadian Terhadap Perilaku Manajemen Keuangan Pada Pelaku UMKM Kerajinan Rotan Kecamatan Rumbai. Universitas Islam Riau.
Witten, I. H., Frank, E., Hall, M. A., Pal, C. J., & DATA, M. (2005). Practical machine learning tools and techniques. Data Mining, 2(4).
Yakub, S., & Syahfitriani, S. (2020). Analisis Data Mining Untuk Strategi Promosi Produk Kosmetik Di Wardah Kosmetik Menggunakan Metode Apriori. J-SISKO TECH (Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD), 3(1), 163. https://doi.org/10.53513/jsk.v3i1.207
Yanto, R., & Khoiriah, R. (2015). Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola Pembelian Obat. Creative Information Technology Journal, 2(2), 102. https://doi.org/10.24076/citec.2015v2i2.41
Yuan, X. (2017). An improved Apriori algorithm for mining association rules. AIP Conference Proceedings, 1820(1), 80005.
DOI: https://doi.org/10.37012/jtik.v9i1.1339
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Muhammad Briliantino, Andreas Perdana
This work is licensed under a Creative Commons Attribution 4.0 International License.
Address:
Universitas Mohammad Husni Thamrin
Jl. Raya Pd. Gede No.23-25, RT.2/RW.1, Dukuh, Kec. Kramat jati, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13550
Jurnal Teknologi Informatika & Komputer Mohammad Husni Thamrin is licensed under a Creative Commons Attribution 4.0 International License.