Prediksi Persediaan Perlengkapan Hewan Peliharaan Pada Toko Poopy Cat Store Menggunakan Algoritma Apriori
Muliati Badaruddin1,*, Santoso2
1 Program Studi Sistem Informasi, STMIK Ichsan Gorontalo, Gorontalo, Indonesia
2 Prodi Manajemen Informatika, STMIK Royal Kisaran, Kisaran, Indonesia Email: 1,*mulybadarudin@gmail.com, 2massantoso78@gmail.com
Email Penulis Korespondensi: mulybadarudin@gmail.com
Abstrak−Hewan peliharaan seperti merupakan hewan-hewan jinak yang berbagai macam jenis seperti kucing, anjing, kelinci dan lain-lain yang menjadi salah satu kesenangan tersendiri bagi pecinta hewan dalam memiliki rasa ingin memenuhi kebutuhan dan melindung hewan tersebut dari segala hal, kesulitan dalam memprediksi kecenderungan jenis barang yang akan dibeli konsumen membuat pemilik toko sering mengalami kehabisan barang yang banyak dibutuhkan oleh konsumen hal tersebut dikarenakan tidak jadinya pembeli melakukan transaksi dan dapat mengurangi pemasukan laba terhadap toko sehingga perlu dilakukan penggalian informasi terhadap data-data terhadap data jual beli atau data transaksi, dalam penerapan penggalian informasi menggunakan metode data mining dengan pendekatan algortima APRIORI yang mampu membantu dalam mengetahui item-item barang perlengkapan hewan peliharaan dari jumlah penjualan, hasil yang didapat dari pengguanan algortima ini memperlihatkan kombinasi terhadap pembelian paling sering dilakukan secara bersamaan terhadap persediaan perlengkapan hewan peliharaan sehingga memperlihatkan item yang harus dilakukan persediaan lebih, hasil yang didapatkan memenuhi nilai support dan confidence yang telah ditetapkan sebelumnya sebesar 25% dan 50%, hasil yang didapatkan oleh 3 item Bolt 10 gr, Kandang, Mangkok mendapatkan nilai tertinggi sebesar 65%.
Kata Kunci: Prediksi Persediaan; Data Mining; Algoritma Apriori
Abstract−Pets such as tame animals of various types such as cats, dogs, rabbits and others are one of the pleasures for animal lovers in having a desire to meet the needs and protect the animal from everything, difficulty in predicting the tendency of the breed. the goods to be purchased by consumers make shop owners often run out of items that are needed by consumers, this is because buyers do not make transactions and can reduce profit income to the store so it is necessary to extract information on data on buying and selling data or transaction data, in the application of extracting information using data mining methods with the APRIORI algorithm approach which is able to assist in finding out items of pet equipment from the number of sales, the results obtained from using this algorithm show the combination of the most frequent purchases carried out simultaneously on the supply of pet equipment so that it shows items that need to be stocked up more, the results obtained meet the previously set support and confidence values of 25% and 50%, the results obtained by 3 items Bolt 10 gr, Cage, Bowl get the highest value of 65%.
Keywords: Inventory Prediction; Data Mining; Apriori Algorithm
1. PENDAHULUAN
Perusahaan besar maupun perusahaaan kecil maupun jenis usaha mikro dan usaha makro sekalipun menginginkan keberlangsungan hidup bisnisnya tetap bertahan lama dan tumbuh dengan pesat hingga mencapai tujuan yang telah ditetapkan, banyak hal yang harus dilalui dan dilakukan untuk mempertahankan tumbuh kembangnya sebuah bisnis yang mereka jalani salah satunya dengan strategi mengetahui kembang dan laju pembelian, keluar masuknya data transaksi, melakukan pencatatan transkasi merupakan kegiatan yang sangat wajib dilakukan agar mengetahui jumlah pemasukan dan pengeluaran yang dilakukan oleh perusahaan[1]. setiap saat, proses pencatatan yang terus dilakukan mengakibatkan penumpukan data yang sangat besar dilakukan setiap harinya sehingga mengakibatkan beberapa kendala terhadap perusahaan seperti terjadinya kehilangan informasi, sulitnya mencari informasi yang dibutuhkan dan memakan proses waktu yang lama sehingga sering sekali terjadinya ketidak tahuan terhadap data barang yang perlu distok amupun dikurangin dalam melakukan persedia barang sehingga menimbulkan ketidaktahuan kekurangan terhadap barang yang dibutuhkan dan membuat laba penjualan menurut dikarenakan ketidaktersediaan barang yang dimiliki oleh toko[2].
Poopy cat store merupakan salah satu toko yang menyediakan perlengkapan hewan peliharaan khususnya hewan peliharaan kucing dengan bergai ras kucing yang menyediakan barang seperti kandang, makanan, vitamin, mainan hewan peliharaan dan banyak lagi dengan segudang data terhadap perlengkapan hewan peliharaa, pada pengendalian persediaan barang toko poopy cat store masih menggunakan data transaksi manual yang mengakibatkan tidak maksimanya toko dalam mendapatkan detail informasi yang dibutuhkan oleh toko, kebutuhan terhadap informasi transaksi sanagt dibutuhkan oleh toko untuk mengetahui apa saja yang akan dilakukan selanjutnya oleh toko demi keberlangsungan kehidupan bisnis toko.
Menurut beberapa penelitian pemanfaatan data transaksi pada toko perlu diketahui data dan kecenderungan terhadap transaksi yang dilakukan selama kurun waktu tertentu dapat membantu berbagai hal seperti melakukan pengembangan strategi terhadap bisnis, meningkatkan strategi pemasaran produk, setiap data yang tercatat dalam transaksi pada akhirnya akan memberikan informasi dan peluang besar dalam melihat kesempatan yang nyata[3]. Melihat data transaksi dapat memperlihatkan proses penguraian terhadap segala aktivitas dan penemuan terhadap pengetahuan baru didalam sebauh data base dengan melihat keterkaitan data
item satu dengan data item lainnya, hal tersebut membantu pengolah usaha atau manager bisnis dari sebuah perusahaan akan melihat potensi besar dari data tersebut, misalnya terdapat data transaksi yang selalu dilakukan customer dalam transaksi dapat membantu dalam penyusunan tata letak barang sebagai penarik minat pelanggan, meningkatkan dan mengolah teresediaan barang, melakukan ektraksi terhadap data barang yang tidak laku maupun data barang yang paling banyak dibutuhkan sehingga dapat melakukan pemilahan terhadap pemilihan penyediaan barang agar tidak terjadi penumpukan barang persediaan yang tidak kunjung habis, dapat dilakukan dengan melakukan penerapan pengolahan dan pencarian informasi menggunakan teknik data mining[4].
Data mining yang merupakan kegaiatan menambang data atau mencari data-data yang penting maupun informasi yang dibutuhkan yang diadopsi maupun dilakukan penggalian informasi dari tumpukan data yang sangat banyak dengan memanfaatkan algortima Apriori yaitu salah satu teknik data mining yang menggunakan aturan association rule yang mengambil informasi dari hubungan antara beberapa item satu dengan hubungan item lainnya, setelah diketahui hubungan antara item menghasilkan item yang paling sering muncul menjadi data terhadap keputusan terhadap rule asosiatif yang sudah dilakukan, kegiatan ini biasa disebut dengan kebutuhan market analysis yang berperan penting dalam membantu keberlangsungan bisnis dan meningkatkan strategi terhadap penjualan pada toko Poopy cat store[5], [6].
Pengunaan metode Apriori sangat banyak digunakan oleh penelitian terdahulu dikarenakan memiliki kemampuan terhadap membantu penjualan, prediksi dan analisis terhadap data penjualan seperti “Implementasi Data Mining Pada Sistem Persediaan Barang Menggunakan Algoritma Apriori (Studi Kasus: Srikandi Cash Credit Elektronic dan Furniture)” hasil pada penelitian ini memperlihatkan peningkatan terhadap penjualan secara acak dan ditemukan data informasi sebagai bahan implementasi persediaan lanjutan. Penelitian lainnya
“Implementation Of Apriori Algorithm In Determining The Level Of Printing Needs pada penelitian ini memperlihatkan apriori terhadap tingkat akurasi dari hasil akhir algortima dan memperlihatkan sebagaimana algoritma ini sangat baik dan konsisten dalam pencapaian dan akurasi setiap kasus. Penelitan terdahulu lainnya terhadap apriori seperti “Combination Of Acupoints In Treating Patients With Chronic Obstructive Pulmonary Disease: An Apriori Algorithm-Based Association Rule Analysis menjelaskan penggunaan algoritma dasar apriori sebagai petunjuk titik akupuntur dalam mengetahui dengan tepat proses. Dan penelitian terdahulu lainnya
“Data Mining Penjualan Tanaman Hias dengan Algoritma APRIORI pada Toko Florest Elishabet”, pada penelitian terdahulu tersebut memperihatkan jumlah Bungan yang diberli secara bersamaan dan membantu dalam proses managemen perusahaan dengan hasil yang tepat[7]–[10]
2. METODOLOGI PENELITIAN
Metodologi penelitian merupakan langkah-langkah yang telah diterapkan dalam sebuah penelitian dan disetiap langkah-angkah harus menuruti kaidah-kaidah yang berhubungan dengan keilmiahan dan metodologi penelitian yang berasal dari kata metode yang berarti menyatakan sebuah langkah atau tahapan yang tepat untuk mencapai suatu keinginan yang telah direncanakan, pada metodologi penelitian dilakukan langkah-langkah sistematis atau langkah-langkah yang sudah terstruktur dan tersistem dengan melakukan tahapan mulai dari merumuskan masalah, melakukan penyusunan terhadap tahapan dan kerangka berpikir, merumuskan hipotesis, melakukan tahapan-tahapan dalam penyelesaian masalah baik menggunakan sebuah algoritma maupun sistem dan berakhir kepada kesimpulan dan menuliskan saran agar melakukan penelitian selanjutnya akan lebih baik dengan pengembangan yang terbaik[11]–[13].
Gambar 1. Tahapan Penelitian 2.1 Data Mining
Data mining merupakan salah satu ilmu teknik informatika yang melakukan pengolahan terhadap data, data yang terdiri dari tumpukan-tumpukan data atau data yang berpotensi memiliki kapasir pet pet petas besar dan menggunung yang akan dilakukan proses penambangan atau penggalian data dengan menarapkan bebrapa teknik seperti clustering, klasifikasi, assotiation dan lain-lain, proses data mining betujuan agar mengetahui cara dan tahapan dalam mengenali karakteristik data dan membangun sebuah model dan memanfaarkan model yang sudah dibangun untuk melakukan pengenalan terhadap pola data dan hasil akhir merupakan hasil berupa informasi maupun sebuah keputusan yang dibutuhkan.
Ilmu Data Mining dapat diterapkan dalam membantu menyelesaikan berbagai bidang terhadap pengolahan data dan menghasilkan data berupa kemudahan dan hasil data statistic, data keputusan dan lain- lain[14][15].
Perumusan masalah Pengumpulan Data Pengolahan Data Penyajian Data
Analisis Data Pengujian
Hasil dan Kesimpulan
Gambar 2. Penerapan Data Mining 2.2 Algoritma Apriori
Apriori adalah salah satu algortima dari metode data mining yang menggunakan aturan asosiatif untuk melihat setiap hubungan antara satu dengan item lainnya tujuan dari penggunaan algortima ini akan melakukan pencarian dan penemuan dua item atau lebih, berikut merupakan tahapan dalam penyelesaian permasalahan menggunakan algoritma Apriori[8][16]:
1. Mulai dengan mencari nilai kombinasi awal dari masing-masing item set dengan menggunakan rumus berikut
𝑠𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴) =𝑗𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝐴
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 (1) 2. Setelah dilakukan pencarian nilai item set yang memenuhi nilai support
𝑠𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴, 𝐵) =𝑗𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝐴,𝐵
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 (2) 3. Aturan Asosiatif
𝑠𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴 𝐵) = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝐴 𝐵
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 (3)
Menggunakan data untuk mengetahui pola tertinggi dari setiap penggabungan item set, lakukan perhitungan penggbungan item set sampai jumlah kombinasi n, hingga tidak ditemukan pola tertinggi lagi dari minimum support yang telah ditentukan oleh perusahaan dalam pencapaia penelitian ini diperlukan jumlah minimum item support sebagai batasan pencarian nilai terhadap item set maupun kombinasi terhadap item set lebih dari dua[17].
3. HASIL DAN PEMBAHASAN
Penyelesaian dalam menerapkan algoritma Apriori merupakan tahapan-tahapan sederhana yang akan membantu pemangku kepentingan bisnis ataupun usaha pada toko Poopy cat store untuk mengetahui persediaan perlengkapan hewan Peliharaan terkhusus untuk jenis hewan kucing sehingga menghilangkan kendala terhadap kehabisan stok barang dagangan, mengakibatkan, untuk mengetahui dan mendapatkan hasil data terhadap persediaan barang pada toko Poopy cat store perlu diketahui dari data penjualan yang akan dilakukan proses penyelesaian masalan dan pencarian informasi terhadap data menggunakan algoritma Apriori sebanagi berikut ini:
Tabel 1. Data transaksi
No Nama Barang
1 Whiskas 20 Gr, Bolt 500 Gr, Litter Box, Litter Shovel, Pasir Pet, Kalung Tali
2 Litter Box, Mangkok, Kandang
3 Bolt 20 Gr, Bolt 10 Gr, Mangkok, Vitamin, Kandang Kucing 4 Kandang, Pasir Pet, Susu Cat
5 Whiskas Pocket Tuna, Bolt 500 Gr
6 Bolt 10 Gr, Mangkok, Vitamin, Kandang Kucing, 7 Dot Kucing, Kandang, Pasir Pet, Susu Cat, Sisir Cat 8 Litter Shovel, Pasir Pet, Kalung, Vitamin, Mainan Bulu 9 Litter Box, Mainan Bulu
Data Mining Statistika
Data Search information
Pembelajaran Mesin Kecerdasan Buatan Ekstrksi Data Seperti bahasa alami, WEB,
struktur Pembelajaran seperti membuat pohon keputusan,
pengelompokan,
Untuk data yang sangat besar contoh dapat dilakukan normalisasi terhadap data yang
akan diperoleh informasi Seleksi data, hasil pencarian atau dapat
melakukan evaluasi
10 Bolt 500 Gr, Litter Box, Bolt 10 Gr. Pasir Pet, Kandang 11 Whiskas 20 Gr, Mangkok
12 Bolt 10 Gr. Pasir Pet, Kandang, Whiskas Pocket Tuna, Dot Kucing
13 Sisir Cat, Shampo, Bolt 10 Gr
14 Pasir Pet, Susu Cat, Litter Box, Litter Shovel, Kalung Tali 15 Mainan Bulu, Kalung
16 Vitamin, Mainan Bulu, Whiskas Pocket Tuna, Dot Kucing 17 Bolt 20 Gr, Bolt 10 Gr, Mangkok, Vitamin, Kandang Kucing,
Susu Cat
18 Mangkok, Kandang, Sisir Car, Bolt 10 Gr
19 Kandang, Pasir Pet, Susu Cat, Sisir Cat, Shampo, Bolt 10 Gr 20 Litter Box, Mangkok, Kandang, Pasir Pet, Susu Cat, bolt 10 3.1 Pembentukan Pola K-item Set
Lakukan tahapan penyaringan data terhadap tiap item terhadap jumlah data sehingga tabel yang dibentuk sebagai berikut ini:
Tabel 2. Data transaksi k-item Set
No Nama Barang Jumlah
1 Whiskas 20 gr 2
2 Whiskas pocket tuna 3
3 Bolt 20 gr 2
4 Bolt 500 gr 3
5 Bolt 10 gr 8
6 Litter box 6
7 dot kucing 3
8 litter Shovel 3
9 Kandang 10
10 Pasir pet 9
11 mangkok 8
12 Kalung tali 2
13 Sisir cat 4
14 susu cat 6
15 Mainan bulu 4
16 Vitamin 5
17 Shampo 2
Selanjutnya dilakukan perhitungan terhadap masing-masing nilai atau jumlah dari penelitian dengan menggunakan rumus 1 sebangai berikut ini:
𝑠𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴) =𝑗𝑢𝑚𝑙𝑎ℎ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝐴
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 ... (1) 1. Whiskas 20 gr =𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 Whiskas 20 gr
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 = 2
20× 100% = 0,1 2. Whiskas pocket tuna =𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 Whiskas pocket tuna
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 = 3
20× 100% = 0,15 3. Bolt 20 gr =𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 Bolt 20 gr
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 = 2
20× 100% = 0,1 4. Bolt 500 gr =𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 Bolt 500 gr
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 = 3
20× 100% = 0,1 5. Bolt 10 gr =𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 Bolt 10 gr
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 = 7
20× 100% = 0,35
Lakukan perhitungan hingga keseluruhan item telah dilakukan pehitungan sehingga didapatkan nilai pada tabel 3.
Tabel 3. Data transaksi hasil Perhitungan
No Nama Barang Support
1 Whiskas 20 gr 10%
2 Whiskas pocket tuna 15%
3 Bolt 20 gr 10%
4 Bolt 500 gr 15%
5 Bolt 10 gr 40%
No Nama Barang Support
6 Litter box 30%
7 dot kucing 15%
8 litter Shovel 15%
9 Kandang 50%
10 Pasir pet 45%
11 mangkok 40%
12 Kalung tali 10%
13 Sisir cat 20%
14 susu cat 30%
15 Mainan bulu 20%
16 Vitamin 25%
17 Shampo 10%
Langkah selanjutnya dilakukan penyaringan terhadap data dan dilakukan perhitungan terhadap data item set ke-2 dengan minimum support 25%.
Tabel 4. Data transaksi hasil Perhitungan
No Nama Barang Support
1 Bolt 10 gr 35%
2 Litter box 30%
3 Kandang 50%
4 Pasir pet 45%
5 mangkok 40%
6 susu cat 30%
7 Vitamin 25%
3.2 Pembentukan Pola Item Set 2
Selanjutnya dilakukan pembentukan item set 2 yaitu melakukan kombinasi terhadap item set dengan masing- masing item yang sudah memenuhi minimum support dengan dua kombinasi barang dan jumlah nilai dilihat dari berapa kali pada item transaksi dua kombinasi barang tersebut bertemu sebagai berikut ini:
1. Bolt 10 gr, Litter box =𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 Bolt 10 gr,Litter box
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 = 1
20× 100% = 0,5 2. Bolt 10 gr, Kandang =𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 Bolt 10 gr,Kandang
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 = 7
20× 100% = 0,35 3. Bolt 10 gr, Pasir pet =𝑗𝑢𝑚𝑙𝑎ℎ 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 Bolt 10 gr,Pasir pet
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 = 3
20× 100% = 0,15 Lakukan perhitungan selanjutnya sehingga menghasilkan sebagai berikut ini:
Tabel 5. K-item set 2
No Nama Barang Jumlah
Item
Support
1 Bolt 10 gr, Litter box 1 5%
2 Bolt 10 gr, Kandang 7 35%
3 Bolt 10 gr, Pasir pet 3 15%
4 Bolt 10 gr, mangkok 4 2%
5 Bolt 10 gr, susu cat 2 10%
6 Bolt 10 gr, Vitamin 3 15%
7 Litter box, Kandang 3 15%
8 Litter box, Pasir pet 4 2%
9 Litter box, mangkok 2 10%
10 Litter box, susu cat 2 10%
11 Litter box, Vitamin 0 0%
12 Kandang, Pasir pet 6 30%
13 Kandang, mangkok 5 25%
14 Kandang, susu cat 3 15%
15 Kandang, Vitamin 3 15%
16 Pasir pet, mangkok 1 5%
17 Pasir pet, Susu cat 5 25%
18 Pasir pet, Vitamin 1 5%
19 Mangkok, Susu Cat 2 10%
No Nama Barang Jumlah Item
Support
20 Mangkok Vitamin 3 15%
21 susu cat,Vitamin 1 5%
Selanjutnya lakukan penyaringan kembali hanya untuk item set 2 yang telah memenuhi minimum support sebesar 25 % dengan menggunakan langkah yang sama seperti langkah pertama dalam pencarian nilai support set k item pertama, sehingga data barang yang terdata memenuhi kriteria sebagai berikut ini:
Tabel 6. K-Item Set 3
No Nama Barang Jumlah
Item Support 1 Bolt 10 gr, Kandang, Pasir Per 3 15%
2 Bolt 10 gr, Kandang, Mangkok 5 25%
3 Bolt 10 gr, Kandang, Sisi Cat 1 5%
4 Bolt 10 gr, Kandang, Pasir Pet 3 15%
5 Kandang, Pasir pet, Mangkok 1 5%
6 Kandang, Pasir pet, susu cat 4 20%
7 Kandang, mangkok, susu cat 2 10%
8 pasir pet, Susu car, Bolt 10 gr 1 5%
Sehingga didapatkan yang sesuai dengan minimum support ada pada barang bolt 10 gr, kandang, mangkok sebesar 25% langkah selanjutnya penuhi aturan asosiatif dengan minimum confidence sebesar 50%
sebagai berikut ini :
Tabel 7. K-Item Set 3
No Aturan Jumlah
Item Support 1 Jika Membeli Bolt 10 Gr Maka Akan Membeli
Kandang Dan Mangkok 5/8 63%
Keseluruhan item yang terpilihan harus memenuhi minimum support 25 % dan confidence 50% atau nilai >25% untuk support dan > 50% pada aturan asosiatif ditemukan pola hubungan antara item set satu dengan lainnya, terlihat ketika item set ke 3 terbentuk dan menemukan nilai yang memenuhi aturan maka perhitungan diberhentikan, pada tahapan akhir tabel 7 tampak item bolt 10gr, kandang dan mangkok yang memenuhi syarat sehingga dapat disimpulkan sebagai barang yang paling banyak dibutuhkan dan paling sering dibeli secara bersamaan merupakan tiga item tersebut.
4. KESIMPULAN
Apriori mampu menyaring informasi yang dibutuhkan dengan setiap aturan dan pemanfaatan asosiatif dalam menjalankan tahapan penyelesaian, dari keseluruhan data transaksi ditemukan tiga kombinasi itme set terhadap barang perlengkapan hewan peliharaan khususnya hewan peliharaan kucing dan segala jenis ras yaitu makanan dengan merek Bolt dengan ukuran 10 gram, kandang dan mangkok secara bersamaan sehingga dari informasi yang disaring pemilik kepentingan berupa dapat menyesuaikan tatanan barang untuk mendekatkan ketiga item tersebut agar mudah ditemukan oleh customer ketika hendak mecari barang belanjaan dikarenakan banyaknya data pembeli barang secara bersamaan dengan tiga item tersebut. Selanjutnya pemilik bisnis mengetahui jumlah stok barang yang harus dilakukan persediaan terhadap tiga item barang tersebut sehingga tidak terjadinya kehabisan terhadap barang yang dibutuhkan. Dan dapat meningkatkan strategi terhadap bisnis usaha secara komputerisasi sehingga membantu setiap proses pengambilan informasi dengan cepat dan tepat.
REFERENCES
[1] D. Gunawan, “Evaluasi Performa Pemecahan Database dengan Metode Klasifikasi Pada Data Preprocessing Data mining,” Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 2, no. 1, p. 10, 2016.
[2] J. S. Anggri Puspita Sari, Dina Dewi Anggraini, Marlynda Happy Nurmalita Sari, Dyah Gandasari, Valentine Siagian, Ri Sabti Septarini, Diena Dwidienawati Tjiptadi, Oris Krianto Sulaiman, Muhammad Munsarif, Prima Andreas Siregar, Nur Arif Nugraha, Kewirausahaan dan Bisnis Online, 1st ed. Yayasan Kita Menulis, 2020.
[3] I. Waspada, “Percepatan Adopsi Sistem Transaksi Teknologi Informasi Untuk Meningkatkan Aksesibilitas Layanan Jasa Perbankan,” J. Keuang. dan Perbank., vol. 16, no. 1, pp. 122–131, 2012.
[4] J. Han, M. Kamber, and J. Pei, Data Mining Concepts and Techniques. .
[5] A. Setiawan and R. Mulyanti, “Market Basket Analysis dengan Algoritma Apriori pada Ecommerce Toko Busana Muslim Trendy,” JUITA J. Inform., vol. 8, no. 1, p. 11, 2020.
[6] D. Evanko, “Optical imaging of the native brain,” Nat. Methods, vol. 7, no. 1, p. 34, 2010.
[7] R. M. Simanjorang, “Implementation of Apriori Algorithm in Determining the Level of Printing Needs,” Infokum, vol.
8, no. 2, Juni, pp. 43–48, 2020.
[8] P. C. Hsieh et al., “Combination of Acupoints in Treating Patients with Chronic Obstructive Pulmonary Disease: An Apriori Algorithm-Based Association Rule Analysis,” Evidence-based Complement. Altern. Med., vol. 2020, 2020.
[9] Y. Yendrizal, “Data Mining Penjualan Tanaman Hias dengan Algoritma APRIORI Pada Toko Flores Elishabet,” J.
Media Inform. Budidarma, vol. 4, no. 2, p. 472, 2020.
[10] R. Rismanto, L. Darmawan, and A. Prasetyo, “Penerapan Algoritma Apriori Dalam,” vol. 04, no. 02, pp. 97–102, 2017.
[11] Albi Anggito and Johan Setiawan, Metodologi Penelitian Kuantitatif. Jawa Barat: CV Jejak, 2018.
[12] E. W. Winarni, Teori dan Praktik Penelitian Kualitatif dan Kuantitatif PTK dan R&D. Jakarta: Bumi Aksara, 2018.
[13] S. Robo, T. Trisno, S. Sunardi, and S. Santosa, “Perencanaan strategis sistem informasi menggunakan Enterprise Architecture Planning pada PT. Karya Cipta Buana Sentosa Maumere,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 4, no. 1, p.
41, 2018.
[14] E. Buulolo, Data Mining Untuk Perguruan Tinggi. Deepublish, 2020.
[15] D. P. Utomo, P. Sirait, and R. Yunis, “Reduksi Atribut Pada Dataset Penyakit Jantung dan Klasifikasi Menggunakan Algoritma C5. 0,” J. Media Inform. Budidarma, vol. 4, no. 4, pp. 994–1006, 2020.
[16] V. N. Budiyasari, P. Studi, T. Informatika, F. Teknik, U. Nusantara, and P. Kediri, “Implementasi Data Mining Pada Penjualan Sepatu Dengan Menggunakan Algoritma Apriori,” vol. 2, no. 2, pp. 1–8, 2017.
[17] N. Adha, L. T. Sianturi, and E. R. Siagian, “IMPLEMENTASI DATA MINING PENJUALAN SABUN DENGAN MENGGUNAKAN METODE APRIORI ( Studi Kasus : PT. Unilever),” Maj. Ilm. INTI, vol. 12, no. 2, pp. 219–223, 2017.
