Penerapan Business Intelligence Terhadap Data Penjualan UMKM (Foodendez) Menggunakan Metode Algoritma Apriori Dalam Menentukan Segmentasi Pasar

(1)

Penerapan Business Intelligence Terhadap Data Penjualan UMKM (Foodendez) Menggunakan Metode Algoritma Apriori Dalam

Menentukan Segmentasi Pasar

Akhmad Rafi Oktavian^*, Fitrah Rumaisa

Program Studi Teknik Informatika, Fakultas Teknik, Universitas Widyatama, Bandung, Indonesia Email: ¹rafi.oktavian@widyatama.ac.id, ²fitrah.rumaisa@widyatama.ac.id

Email Penulis Korespondensi: rafi.oktavian@widyatama.ac.id

Abstrak−UMKM di Indonesia adalah UMKM dengan memiliki tingkat skala usaha 98,7 % adalah usaha mikro dan kategori penilaian skala UMKM ini dinilai ataupun di riset selama 10 tahun lalu yang hasilnya masih sama seperti penilaian sebelumnya, yang disebabkan rata - rata para UMKM di indonesia tidak mempunyai sebuah cara atau inovasi yang tepat dalam mengembangkan usahanya terutama dari segi produk yang dihasilkan maupun hal yang lainya, contoh dari UMKM yang mengalami hal tersebut adalah UMKM Foodendez, yang menyebabkan UMKM tersebut tidak memilki progress penjualan secara signifikan. Maka dari itu untuk meningkatkan kualitas dan kemajuan pada usaha UMKM Foodendez, data penjualan yang dimiliki saat ini digunakan untuk melakukan rekapitulasi dan evaluasi terhadap segmentasi pasar UMKM Foodendez.

Dengan menggunakan algoritma apriori, data penjualan tersebut dapat digunakan untuk mengetahui informasi prediksi ketertarikan konsumen berdasarkan kriteria usia, jenis kelamin, maupun lokasi penjualan. Penerapan business intelligence menggunakan algoritma apriori, sehingga dapat membantu memberikan informasi prediksi ketertarikan konsumen pada suatu produk dan dapat secara jelas mengetahui segmentasi pasar nya dan dengan pengumpulan data melalui penjualan produk di marketplace bisa dilihat produk mana yang paling banyak di minati oleh konsumen, lalu data jumlah follower, komentar , dan like di setiap postingan pada sosial media agar bisa menentukan engagement(strategi promosi melalui sosial media). Dalam riset ini dilakukanlah pengujian yang berdasarkan lokasi penjualan pada UMKM Foodendez sehingga menghasilkan data segmentasi pasar. Kesimpulan dari hasil pengujian sementara, frekuensi penjualan di marketplace merupakan yang tertinggi sebesar 52%, lalu untuk penjualan frekuensi terendah sebesar 12% di penjualan melalui bazaar pameran.

Kata Kunci: Algoritma Apriori; Business Intelligence; Foodendez; Segmentasi Pasar; UMKM

Abstract−MSMEs in Indonesia are MSMEs with a business scale level of 98.7% are micro-enterprises and this MSME-scale assessment category was assessed or researched 10 years ago, the results are still the same as the previous assessment, due to the average MSMEs in Indonesia not having a way or the right innovation in developing its business, especially in terms of the products produced and other things, an example of MSMEs experiencing this is MSME Foodendez, which causes these MSMEs to not have significant sales progress. Therefore, to improve the quality and progress of the Foodendez MSME business, the current sales data is used to recapitulate and evaluate the Foodendez MSME market segmentation. By using the a priori algorithm, the sales data can be used to find out predictive information on consumer interest based on age, gender, and sales location criteria. The application of business intelligence uses an a priori algorithm so that it can help provide predictive information on consumer interest in a product and can clearly know its market segmentation by collecting data through product sales in the marketplace it can be seen which products are most interested in by consumers, then data on the amount followers, comments, and likes in every post on social media in order to determine engagement (promotional strategies through social media). In this research, testing is carried out based on the location of sales at Foodendez SMEs so as to produce market segmentation data. The conclusion from the temporary test results, the frequency of sales in the marketplace is the highest at 52%, then the lowest frequency of sales is 12% in sales through exhibition bazaars.

Keywords: Apriori Algorithm; Business Intelligence; Foodendez; Market segmentation; MSME

1. PENDAHULUAN

Kurang lebih 98.7% UMKM di Indonesia dikategorikan sebagai Usaha yang masih berada diperingkat Mikro, dan kondisi seperti ini belum mengalami perubahan secara signifikan sejak 10 tahun lalu [Implementasi Sistem Penunjang Keputusan Menggunakan Business Intelligence Untuk UMKM Di Gunung Putri Kab. Bogor].

Berdasarkan dari data tersebut, menunjukkan bahwa UMKM di Indonesia belum mengalami peningkatan kelas dari Usaha Mikro menjadi Usaha Kecil atau Menengah. Foodendez merupakan sebuah UMKM di Bandung yang memiliki produk kuliner, dengan produk best seller nya Uthi & Mies Krispi Kulit Ikan Patin dan Salmon.

Akan tetapi UMKM tersebut saat ini belum mengalami peningkatan dalam penjualan secara signifikan dan belum mempunyai sebuah cara bagaimana mengembangkan suatu usaha nya dari usaha Mikro naik tingkat menjadi usaha kecil atau menengah, Hal ini dialami juga oleh sebagian rata – rata para UMKM di Indonesia [1] [UMKM SEBAGAI PILAR MEMBANGUN EKONOMI BANGSA]

Berdasarkan uraian tersebut dapat diketahui bahwa UMKM Foodendez masih belum mengetahui cara menentukan segmentasi pasar yang sesuai dan tepat. Jumlah penjualan berdasarkan lokasi salah satunya mempengaruhi penentuan UMKM dalam menentukan segmentasi pasar sehingga promosi yang dilakukan bisa tepat sasaran pada konsumen yang tepat dan tidak salah agar dapat memaksimalkan biaya pengeluaran yang ada serta tidak boros dalam pengeluaran.[2] [3]Stream Mining (Studi Kasus: Penjadwalan PT. Citra Tiara Global) [4]

Data penjualan yang ada di UMKM Foodendez pada saat ini digunakan untuk melakukan kegiatan rekapitulasi dan evaluasi terhadap segmentasi pasar. Agar dapat tersebut dapat membantu dalam memprediksi ketertarikan

(2)

konsumen pada suatu produk, maka dari itu diperlukanya sebuah penerapan model Business Intelligence untuk mendukung strategi dalam memajukan bisnis usahanya. [5]

Business Intelligence adalah kategori yang umumnya digunakan pada aplikasi dan teknologi untuk mengumpulkan, menyimpan, menganalisa, dan menyediakan akses pada data yang dapat membantu pengguna dari kalangan perusahaan agar dapat mengambil kebijakan yang lebih baik dan tepat sesuai dengan kebutuhan [6].

Proses ini menggunakan sebuah data transaksi penjualan milik UMKM tersebut sebagai bahan untuk dijadikanya analisis dan dibuatkanya sebuah perancangan yang nantinya dari data tersebut UMKM bisa menemukan insight baru yang digunakan untuk keperluan oleh pihak owner UMKM dalam menentukan segmentasi pasar, strategi dalam melakukan promosi, mengindentifikasi kebutuhan produk yang harus disediakan, melihat perkembangan tren penjualan dari sisi produk dan pembeli, serta tingkat potensialnya profitabilitas pada suatu produk.

Dalam menerapkan sistem penunjang yang mendukung dalam pemebuatan suatu keputusan diperlukannya metode penerapan Business Intelligence terhadap data penjualan produk pada perusahaan CV. Tangga Mas Chemical untuk memberikan hasil berupa data grafik visual atau laporan yang nantinya akan digunakan sebagai bahan pengambilan dalam pembuatan suatu keputusan [7].

Pada kasus ini diperlukannya informasi untuk mengetahui prediksi ketertarikan konsumen dengan menggunakan metode algoritma apriori. Berdasarkan penelitian yang dilakukan oleh Mateus Paga Tana , Fitri Marisa dan Indra Dharma Wijaya ( 2018 ) menerapkan metode data mining market basket analysis terhadap data penjualan produk pada Toko Oase untuk menentukan item set apa saja yang dibeli secara bersamaan ditoko tersebut dan menggunakan algoritma apriori[8], Karena algoritma apriori ini merupakan metode yang sangat cocok untuk menjadi penyelesaian masalah yang dihadapi UMKM Foodendez yang hasilnya nanti akan bisa menentukan item atau produk apa saja yang sering dibeli secara bersamaan yang dimana hal tersebut menjadi sebuah peluang baru umkm Foodendez untuk mengembangkan strategi baru terhadap pemasaran kedepanya harus seperti apa.

Algortima apriori dapat menemukan nilai frekuensi tertinggi maupun nilai frekuensi terendah dari data penjualan yang dimiliki. Lalu untuk mengatasi masalah dari pemprosesan jumlah data yang banyak dan diproduksi secara terus menerus, sehingga membutuhkan waktu lama dan dapat menghabiskan memory, Dengan metode data mining, diharapkan sistem business intelligence dapat menghasilkan analisa berupa jumlah tingkat ketertarikan konsumen terhadap suatu produk [9].

2. METODOLOGI PENELITIAN

2.1 Tahapan Penelitian

Berisi Metode penelitian dibutuhkan untuk mendapat kesimpulan yang benar berdasarkan data real yang dimiliki oleh pihak UMKM (Foodendez). Dalam laporan penelitian ini menggunakan sistem Business Intelligence yang digunakan untuk memperkuat dan mengolah data yang telah didapat dari data penjualan maupun data social media UMKM (Foodendez). Dalam merancang dan menerapkan Business Intelligence, dapat digunakan beberapa metode pendekatan Business Intelligence roadmap [6] [10] (Studi Kasus di Fakultas Ilmu KomputerUniversitas Sriwijaya). Langkah-langkah yang ada pada sistem Business Intelligence adalah sebagai berikut [11]:

Gambar 1. Intelligence Roadmap 1. Justification

Tahapan pertama adalah Justification pada tahapan ini kegiatan yang dilakukan pada adalah memonitor segala kebutuhan dalam bisnis, mengimplementasikan kebijakan perusahaan agar sesuai dengan prosedur, melakukan pendataan oprasional secara terperinci , memberikan informasi serta bimbingan atas tindakan dalam pengambilan keputusan, memperhatikan kebutuhan pasar dan mempelajari bisnis kompetitor yang menggunakan sistem Business Intelligence, lalu menampilkan hasil keuntungan,pengeluaran dalam sistem analisis data. [12] Langkah-langkah yang dilakukan adalah sebagai berikut :

(3)

b) Mendefinisikan peluang bisnis pada UMKM Foodendez

c) Mengindentifikasi kebutuhan yang diperlukan UMKM Foodendez d) Menentukan tujuan pada sistem bisnis UMKM Foodendez

e) Memberikan solusi pada bisnis UMKM Foodendez agar usaha yang dijalankan makin berkembang 2. Planning

Tahapan selanjutnya adalah dengan menentukan kondisi dari sumber data yang didapat dari UMKM (Foodendez), untuk menentukan dan mengevaluasi perkiraan biaya, mengevaluasi manajemen resiko, mengidentifikasi faktor penentu keberhasilan, mempersiapkan perencaaan usaha, dan menjalankan usaha 3. Business Analysis

Pada kegiatan yang dilakukan pada tahap ini adalah menganalisis kebutuhan dalam pengolahan data, memonitor segala perubahan di dalam usaha, menganalisis kebutuhan dan dapat memprediksi frekuensi tertinggi ketertarikan konsumen menggunakan algoritma apriori dengan rumus sebagai berikut ini[8][13].

Support (A) = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑀𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑇𝑜𝑡𝑎𝑙 𝑇𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖

4. Design

Kegiatan yang dilakukan pada tahap ini adalah pengolahan data penyimpanan, perancangan gambaran, dan melakukan Pengujian terhadap produk penyimpanan pengolahan data, merancang aplikasi pengolahan data, serta mengatur proses pemindahan data

5. Construction

Yang terakhir, hal yang perlu dilakukan membuat pengolahan data penyimpanan, membuat proses pemindahan data dalam aplikasi pengolahan data, melakukan pengujian dalam program pengolahan data atau kegunaan aplikasi produk, mempersiapkan penyimpanan pemgolahan data dalam proses produksi , serta memfasilitasi training penyimpanan data. [14]

3. HASIL DAN PEMBAHASAN

Pada bagian ini ditekankan UMKM Foodendez mendapatkan insight baru dari tahapan metodologi penelitian serta pengujian yang telah dilakukan. Hasil yang didapat dari penelitian ini nantinya akan disajikan dalam bentuk angka, grafik, tabel, dan lain-lain yang membuat pembaca memahami dengan mudah. Pada bagian ini ditekankan nilai baru dari penelitian yang memuat inovasi, serta implikasinya.

Pembahasan ini dapat disimpulkan dari hasil pengumpulan data penjualan yang di peroleh dari UMKM (Foodendez) yang mana menemukan sebuah jangkauan baru terkait kendala yang dihadapi oleh UMKM (Foodendez). Kendala tersebut di antaranya adalah dalam menentukan segmentasi pasar berdasarkan data penjualan yang telah di dapatkan dan data engagement user di sosial media.[15] [Peran key opinion leader dalam strategi public relations pada komunikasi krisis perusahaan]

Pada saat melakukan proses Business Intelligence yang dimulai dengan mengkolektifkan beberapa data yang dimiliki dari data penjualan konsumen yang nantinya akan diubah kedalam suatu format yang sama hal ini berguna pada saat melakukan proses transformasi data (Mengintegrasikan semuakumpulan data dari berbagai sumber itu pada satu dokumen yakni aplikasi Microsoft excel dengan memperhatikan setiap jenis format penulisan , nominal jumlah/harga tidak boleh menggunakan tanda titik).

Setelah proses ekstraksi selesai dilakukan, maka akan dilanjutkan pada proses selanjutnya yaitu proses transformasi data yang fungsinya untuk melakukan pemeriksaan secara detail data yang sudah di ekstraksi sebelumnya jika semua sudah sesuai maka diteruskan ke proses load yang berfungsi untuk penginputan data kedalam target dan setelah proses itu akan ada hasil berupa insight yang baru.[16].

Hal ini diperlukannya Excel untuk menyimpan dan mengolah data penjualan keuangan, data produk, data pelanggan atau konsumen, hingga untuk membuat planning yang sangat kompleks, data dapat disusun dalam format tabular, generate charts, dan PivotTables. [17]

Tabel 1. Penjualan Foodendez Dari Hasil Rekapitulasi 5 Bulan Terakhir Transaksi Penjualan Pemasukan

Feb 2020 2695000

Penjualan Dari Bazaaar Pameran 225000 Penjualan Dari Marketplace 1200000 Penjualan Dari Sosmed 1150000 Penjualan Dari Website 120000

Jan 2020 3330000

Penjualan Dari Bazaaar Pameran 425000 Penjualan Dari Marketplace 2320000

(4)

Transaksi Penjualan Pemasukan Penjualan Dari Sosmed 475000

Penjualan Dari Website 110000

Jun 2020 3418000

Sept 2020 1100000

Des 2019 1010000

Grand Total 11553000

Tabel 2. Total Penjualan Foodendez Dari Hasil Rekapitulasi 5 Bulan Terakhir Total Transaksi Penjualan Total Pemasukan

Grand Total 11553000

Pada tabel penjualan Foodendez diatas dapat diketahui dan teroganisir untuk penjualan yang paling banyak dan paling sedikit dari bulan ke bulan serta mengetahui sejauh mana usaha nya bisa berkembang menjadi lebih baik lagi . Berdasarkan tabel penjualan diatas bahwa penjualan paling banyak adalah melalui Marketplace dengan Jumlah total penjualan sebesar Rp 5.995.000.Dan penjualan paling sedikit adalah melalui bazzar pameran dengan jumlah total penjualan sebesar Rp 1.375.000

Dalam tahapan ini untuk melakukan penyelesaian berdasarkan data yang sudah disediakan pada Tabel 2 berdasarkan dari total data penjualan UMKM (Foodendez) di 5 bulan terakhir menggunakan algoritma apriori, dapat diketahui berdasarkan rumus analisa pola frekuensi tinggi sebagai berikut.

Support (Bazaar Pameran) = ^1.375.000

11.553.000 = 0,12 * 100% = 12%

11.553.000 = 0,52 * 100% = 52%

11.553.000 = 0,22 * 100% = 22%

11.553.000 = 0,14 * 100% = 14%

Gambar 2. PivotChart Total Penjualan 0

1000000 2000000 3000000 4000000 5000000 6000000 7000000

Marketplace Bazaaar Pameran Sosmed Website

Total

(5)

Akhmad Rafi Oktavian, Copyright © 2022, MIB, Page 1744 Pivot chart dibuat berdasarkan total data transaksi penjualan di 5 bulan rekapan terakhir yang dibuat oleh pihak owner dan pivot chart ini dapat membantu dalam menjambarkan sebuah tabel dalam bentuk naik turunnya data penjualan pada UMKM Foodendez sehingga memudahkan owner dalam menganalisa dalam penentuan segmentasi pasar berdasarkan tempat atau lokasi dengan lebih mudah.

Gambar 3. Chart Berdasarkan Jenis Kelamin

Pada Gambar 3 di atas terlihat data engagement user di sosial media Instagram berdasarkan jenis kelamin, bahwa pengunjung UMKM Foodendez lebih banyak didominasi oleh Perempuan dibanding Laki-laki

Gambar 4. Chart Berdasarkan Usia

Berdasarkan pada Gambar 4 membantu owner dalam mengetahui engagement user berdasarkan rentang rata-rata usia dari pengikut UMKM Foodendez, hal ini dibutuhkan untuk membuat data dalam penentuan segmentasi pasar lebih jelas dan terperinci, sehingga strategi branding yang akan dijalankan dalam memajukan suatu bisnis bisa tepat sasaran sesuai segmentasi pasar.

4. KESIMPULAN

Berdasarkan pembahasan yang telah dijabarkan hasil dari studi kasus dalam penerapan Business Intelligence pada UMKM Foodendez adalah membantu dalam memecahkan suatu permasalahan pada pengolahan data penjualan UMKM Foodendez dari data berbentuk tidak tertata hingga menjadi kumpulan struktur data yang jelas dan mudah dipahami agar bisa dimanfaatkan secara optimal, maka dengan menjalankan sistem Business Intelligence dan menggunakan metode algortima apriori akan sangat membantu untuk UMKM Foodendez untuk mendapatkan hasil pengujian pada frekuensi penjualan di marketplace merupakan yang tertinggi sebesar 52%, lalu untuk penjualan frekuensi terendah sebesar 12% di penjualan melalui bazaar pameran. Sehingga data yang di dapat diolah secara cepat dan memudahkan UMKM Foodendez dalam memilih dan menentukan keputusan proses bisnis untuk meningkatkan suatu pendapatan, meningkatkan brand awareness, menekan biaya operasional, dan dapat mengetahui peluang bisnis pada proses bisnis yang sedang dijalankan dengan tujuan menentukan target pasar yang sesuai.

REFERENCES

[1] S. Sarfiah, H. Atmaja, dan D. Verawati, “UMKM Sebagai Pilar Membangun Ekonomi Bangsa,” J. REP (Riset Ekon.

Pembangunan), vol. 4, no. 2, hal. 1–189, 2019, doi: 10.31002/rep.v4i2.1952.

[2] D. Penjualan dan P. Pt, “Business intelligence,” vol. 5, no. 2, hal. 76–85, 2020.

[3] H. Kusumo, E. Sediyono, dan M. Marwata, “Analisis Algoritma Apriori untuk Mendukung Strategi Promosi Perguruan 38%

62%

Jenis Kelamin

Laki-Laki Perempuan

51,8%

16,6%

14,8%

7,4%

0,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0%

18-24 TAHUN 35-44 TAHUN 25-34 TAHUN 13-17 TAHUN

Usia

(6)

Tinggi,” Walisongo J. Inf. Technol., vol. 1, no. 1, hal. 49, 2019, doi: 10.21580/wjit.2019.1.1.4000.

[4] F. F. Adiwijaya dan A. Hadiana, “Realtime Business Intelligence Menggunakan Algoritma Apriori dengan Data Stream Mining (Studi Kasus: Penjadwalan PT. Citra Tiara Global),” J. Tata Kelola dan Kerangka Kerja Teknol. Inf., vol. 4, no.

2, hal. 62–67, 2018, doi: 10.34010/jtk3ti.v4i2.1987.

[5] D. Astuti, “Penentuan Strategi Promosi Usaha Mikro Kecil Dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritma K-Means Clustering,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 1, no. 2, hal. 60–72, 2019, doi:

10.20895/inista.v1i2.71.

[6] T. R. Ariani, K. D. Tania, dan D. R. Indah, “Penerapan Business Intelligence Pada Sistem Informasi Penjualan Barang PT. WINSA (STUDI KASUS DI PT. WINSA PALEMBANG),” J. Sist. Inf., hal. 103–110, 2016.

[7] D. Nurmalasari, “Implementasi Business Intelligence Dashboard pada Data Pasien Puskesmas Kecamatan Rokan,” J.

Komput. Terap., vol. 7, no. 2, hal. 174–183, 2021.

[8] M. P. Tana, F. Marisa, dan I. D. Wijaya, “Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Pada Toko Oase Menggunakan Algoritma Apriori,” J I M P - J. Inform. Merdeka Pasuruan, vol. 3, no.

2, hal. 17–22, 2018, doi: 10.37438/jimp.v3i2.167.

[9] R. Fitriana, J. Saragih, dan N. Luthfiana, “Model business intelligence system design of quality products by using data mining in R Bakery Company,” IOP Conf. Ser. Mater. Sci. Eng., vol. 277, no. 1, 2017, doi: 10.1088/1757- 899X/277/1/012005.

[10] M. A. Firdaus, A. Putra, dan D. I. Rosa, “Analisis Business Intelligence pada Pengelolaan Data Alumni : Upaya Mendukung Monitoring Kualitas Alumni di Perguruan Tinggi ( Studi Kasus di Fakultas Ilmu Komputer Universitas Sriwijaya ),” J. Generic, vol. 8, no. 2, hal. 221–229, 2013.

[11] M. Ahmad, “Penerapan Business Intelligence Untuk Menampilkan Keuntungan Pada data Superstore Dengan Menggunakna Metode OLAP,” J. ALGOR, vol. 1, hal. 48–56, 2020.

[12] J. Ming, L. Zhang, J. Sun, dan Y. Zhang, “Analysis models of technical and economic data of mining enterprises based on big data analysis,” 2018 3rd IEEE Int. Conf. Cloud Comput. Big Data Anal. ICCCBDA 2018, hal. 224–227, 2018, doi: 10.1109/ICCCBDA.2018.8386516.

[13] S. Saefudin dan S. DN, “Penerapan Data Mining Dengan Metode Algoritma Apriori Untuk Menentukan Pola Pembelian Ikan,” JSiI (Jurnal Sist. Informasi), vol. 6, no. 2, hal. 36, 2019, doi: 10.30656/jsii.v6i2.1587.

[14] A. Zikri, J. Adrian, A. Soniawan, R. Azim, R. Dinur, dan R. Akbar, “Implementasi Business Intelligence untuk Menganalisis Data Persalinan Anak di Klinik Ani Padang dengan Menggunakan Aplikasi Tableau Public,” J. Online Inform., vol. 2, no. 1, hal. 20, 2017, doi: 10.15575/join.v2i1.70.

[15] D. Yuanita, “Peran key opinion leader dalam strategi public relations pada komunikasi krisis perusahaan,” PRofesi Humas J. Ilm. Ilmu Hub. Masy., vol. 6, no. 1, hal. 23, 2021, doi: 10.24198/prh.v6i1.29693.

[16] A. Q. Syarli, Rosmawati Tamin, “Perancangan Business Intelligence System Pada Gudang Farmasi Dinas Kesehatan Kabupaten Mamasa,” JUTEKS (Jurnal Keteknikan dan Sains), vol. 1, no. 1, hal. 7–14, 2018.

[17] A. F. Budiantara dan C. Budihartanti, “Implementasi Data Mining Dalam Manajemen Inventory Pada Pt . Mastersystem Infotama Menggunakan Metode Algoritma Apriori,” Prosisko, vol. 7, no. 1, hal. 26–31, 2020.