Analisa Pola Frekuensi Keranjang Belanja Dengan Algoritma Apriori (Studi kasus: Minimarket Adi)

Krisna Nata Wijaya

Abstract


AbstractData Mining Merupakan Salah satu Proses untuk menambang informasi yang berguna dari basis data. Dalam kegiatan transaksi di minimarket ataupun toko pemilik harus mengerti apa yang diinginkan komsumen dalam memberikan kenyaman berbelanja, terutama kemudahan dalam pemilihan barang yang disesuaikan dengan tata letak. Penelitian ini Melakukan anlisis pola data dengan menerapkan algoritma apriori yang ditunjukan untuk frekuensi keranjang belanja.


Keywords


data mining, algoritma Apriori, Asosiasi.

Full Text:

PDF

References


Kusrini, Luthfi, E. T., 2009, Algoritma Data Mining, Andi Offset, Yogyakarta.

Nugroho Wandi, R. A. (2012). Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Penggalian Association Rule Menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur). Jurnal Teknik ITS , 1, A-445-A-449

Budhi, G. S., dan Soedjianto, F (2007), “Aplikasi Data Mining Market Basket Analysis Pada Tabel Data Absensi Elektronik Untuk Mendeteksi Kecurangan Absensi (Check-Lock) Karyawan di Perusahaan”, Jurnal Informatika, Vol.8, No. 2, Nopember 2007: 119-129, Universitas Kristen Petra, Surabaya.

Lestari, T, Syamsun, M, (2009), Analisis Keranjang Belanja Pada Data Transaksi Penjualan. Skripsi dipublikasikan, Institut Pertanian Bogor,

Sensuse, G. G. (2012). Penerapan metode data mining market basket analysis terhadap data penjualan produk buku dengan menggunakan algoritma apriori dan frequent pattern growth (fp-growth) : studi kasus percetakan pt. Gramedia. Jurnal TELEMATIKA MKOM , 4 (1), 118-132.

Calam, D. W. (2011). PENERAPAN DATA MINING UNTUK MENGOLAH DATA PENEMPATAN BUKU DI PERPUSTAKAAN SMK TI PAB 7 LUBUK PAKAM DENGAN METODE ASSOCIATION RULE. Jurnal SAINTIKOM , 10 (2), 150.

Bonai, D. H (2011), Sistem Pendukung Keputusan Analisis Pola Pembelian Produk. Skripsi dipublikasikan, Universitas Pembangunan Nasional “Veteran", Yogyakarta.


Refbacks

  • There are currently no refbacks.