| NIM | H1D016052 |
|---|
| Namamhs | ALVIAN NUR RAMADHANI |
|---|
| Judul Artikel | IMPLEMENTASI PENCARIAN FREQUENT ITEMSET UNTUK MENGHASILKAN ATURAN ASOSIASI PADA DATA TRANSAKSI |
|---|
| Abstrak (Bhs. Indonesia) | Dunia ritel farmasi di Indonesia berkembang dengan sangat cepat, hal ini menyebabkan terjadinya kompetisi yang dilakukan peritel khususnya apotek. Oleh karena itu, dibutuhkan suatu strategi untuk memperluas pasar konsumen. Salah satu strategi yang dapat dilakukan yaitu memahami perilaku pembelian konsumen dengan melihat pola kombinasi pembelian pada setiap transaksi yang dilakukan. Association rule mining dilakukan untuk mengekstraksi pola pembelian dengan melihat asosiasi berbagai item yang terjual dalam satu transaksi. Algoritma Apriori digunakan dalam melakukan pencarian frequent itemset dengan menggunakan metrik support, confidence, dan lift ratio. Dan luaran dari association rule mining berupa aturan dalam bentuk antecedent dan consequent. Dari hasil pengujian dipilih skenario dengan nilai minimum support 3% dan minimum confidence 60% karena menghasilkan jumlah aturan yang lebih sedikit dan waktu eksekusi lebih cepat. Dari skenario pengujian juga didapatkan bahwa nilai minimum support dan minimum confidence sangat berpengaruh dalam aturan yang dihasilkan. |
|---|
| Abtrak (Bhs. Inggris) | Pharmaceutical business in Indonesia is growing rapidly, this has led to competition between pharmacies. Therefore, a strategy needed to expand the consumer market. One of the strategies that can be done is to understand consumer buying behavior by looking at buying pattern in transaction. Association rule mining is done to extract buying patterns by looking at the various items sold in transaction. Apriori algorithm is used to perform frequent itemset and using support, confidence, and lift ratio as metric for the algorithm. The output of association rule mining is in the form of rules with antecedent and consequent. Based on the result, we can select the minimum support and minimum confidence with the value of 3% and 60% respectively as it produces fewer rules and faster execution time. From the test scenario, we can conclude that the value of minimum support and minimum confidence affecting the formed rules. |
|---|
| Kata kunci | Association rule mining, Algoritma Apriori, frequent itemset, support, confidence, lift ratio. |
|---|
| Pembimbing 1 | Ipung Permadi |
|---|
| Pembimbing 2 | Aini Hanifa |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2021 |
|---|
| Jumlah Halaman | 6 |
|---|
| Tgl. Entri | 2021-01-20 10:05:51.796805 |
|---|