Penerapan Market Basket Analysis Menggunakan Metode Multilevel Association Rules dan Algoritma ML_T2L1 Pada Data Order PT. Unirama

Nilam Ramadhani, abd wahab syahroni

Abstract


Data mining merupakan proses analisa data untuk menemukan suatu pola dari kumpulan data tersebut. Data mining mampu menganalisa data yang besar menjadi informasi berupa pola yang mempunyai arti bagi pendukung keputusan. Salah satu teknik data mining yang dapat digunakan adalah association rules atau yang biasa disebut dengan istilah market basket analysis. Market basket didefinisikan sebagai suatu itemset yang dibeli secara bersamaan oleh pelanggan dalam suatu transaksi. Market basket analysis adalah suatu alat yang ampuh untuk pelaksanaan strategi cross-selling. Metode ini dimulai dengan mencari sejumlah frequent itemset dan dilanjutkan dengan pembentukan aturan-aturan asosiasi (association rules). Algoritma Multilevel Association Rules adalah algoritma yang dapat menemukan sejumlah frequent itemset dari level berbeda pada transaksi yang tersimpan dalam basis data.

 

Dalam penelitian ini algoritma Multilevel Association Rules digunakan untuk membantu menemukan sejumlah aturan asosiasi dari basis data pemesanan barang di PT. Unirama, sehingga untuk selanjutnya dapat digunakan sebagai pertimbangan dalam membuat strategi distribusi yang efektif.

 

Dari hasil pemrosesan data mining, ditemukan rules yang memenuhi minimum support dan minimum confidence pada level 1 (Produk) 1 rule, pada level 2 (Jenis) 1 rule, pada level 3 (Tipe) 12 rule, dan pada level 4 (Kemasan) 12 rule.

Keywords


data mining, association rules, market basket analysis, multilevel Association rules

References


Han, J. & Yongji fu. (1995). Discovery of Multiple-Level Association Ruless from Large Database.Switzerland

Han, J. & Yongji fu. (1995). Discovery of Multiple-Level Association Ruless from Large Database.Switzerland

Han, J. & Kamber, M. (2006). Data Mining:Concepts and Techniques. New York: Morgan-Kaufman

Larose Daniel T. (2005). Discovering Knowledge in Data, An Introduction to Data Mining. Canada: A John Wiley

P. N. Tan, V.Kumar, & J. Srivastava. Selecting the Right Interesting Measure for Association Rules Pattern. In proc. Of the 8th Intl. conf. on Knowledge Discovery and data mining, Chapter 6 Hal 349,Edmonton, Canada, July 2002

Shrivastava1,Arpna , R. C. Jain, “Performance Analysis of Modified Algorithm for Finding Multilevel Association Rules” Computer Science & Engineering: An International Journal (CSEIJ), Vol. 3, No. 4, August 2013.




DOI: https://doi.org/10.30743/infotekjar.v4i2.2405

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Nilam Ramadhani, abd wahab syahroni

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

InfoTekJar (Jurnal Nasional Informatika dan Teknologi Jaringan)

Program Studi Teknik Informatika - Universitas Islam Sumatera Utara
Website : http://jurnal.uisu.ac.id/index.php/infotekjar/index
Email : infotekjar@ft.uisu.ac.id

InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan) is licensed under a Creative Commons Attribution 4.0 International License