Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Information Technology and Telematics Dinamika Informatika: Jurnal Ilmiah Teknologi Informasi
MATOVANI, DIO
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IMPLEMENTASI ALGORITMA APRIORI UNTUK MEBANTU PROSES PERSEDIAAN BARANG MATOVANI, DIO; HADIONO, KRISTOPHORUS
Information Technology and Telematics Vol 8 No 2 (2018)
Publisher : Information Technology and Telematics

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract - Currently technological advances make it easier for supermarkets that use information technology to conduct transactions, all products sold automatically enter the database. Even though we have used computers for transaction and data storage activities, the management of the supply of goods in our shop is still not good. The object of this research is TokoKita which is located in Pemalang Regency, Randudongkal Subdistrict, Randudongkal Village. The TokoKita transaction data used was November 2016 to October 2017 the data was used to explore information on the relevance of an item. The research method used in this study is CRISP-DM which consists of business understanding, data understanding, data preparation, modeling, evaluation, and deployment. There are several methods or algorithms contained in data mining science can be used to help get the information needed in planning the purchase of goods inventory, namely the rules of association (association rule) using a priori algorithm. This study produced several rules, one of them is 899190610101DJARUM 12 → 899898910012GG FILTER 12 which means that every purchase of 899190610101DJARUM 12 → 899898910012GG FILTER 12 has support as much as 0.02485575 with each purchase of items 899190610101DJARUM 12 has a level of confidence = 0.3063852 to buy 899898910012GG FILTER 12.
IMPLEMENTASI ALGORITMA APRIORI UNTUK MEMBANTU PROSES PERSEDIAAN BARANG Matovani, Dio; Hadiono, Kristophorus
Dinamika Informatika : Jurnal Ilmiah Teknologi Informasi Vol 10 No 2 (2018)
Publisher : Fakultas Teknologi Informasi Universitas Stikubank (Unisbank) Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.587 KB) | DOI: 10.35315/informatika.v10i2.8133

Abstract

Penelitian ini akan membahas bagaimana mengimplementasi algoritma apriori dan asiosiasi untuk menghasilkan informasi yang dapat dimanfaatkan dalam kegiatan pembelian persediaan barang agar proses tersebut dapat berjalan dengan tepat. Metode penelitian yang digunakan pada penelitian ini yaitu CRISP-DM yang terdiri dari , bussines understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Hal yang dilakukan pertama kali adalah pembersihan data dan normalisasi data guna menyingkirkan data yang tidak valid dan beberapa variabel yang tidak berguna untuk penggalian informasi. Berikut merupakan contoh sebelum dan setelah dilakukan kegiatan pembersihan data. Selanjutnya memasukan data yang telah dinormalisasi kedalam bentuk data frame supaya data transaksi dapat diproses untuk mendapatkan informasi yang berguna dengan mendapatkan pola asosiasi dari data tersebut, setelah itu mengubah format data dari format data frame menjadi format transaksi seperti pada gambar 3 supaya fungsi apriori dalam bahasa R dapat dijalankan.Setelah merubah format data menjadi bentuk transaksi selanjutnya menjalankan fungsi apriori. Penentuan support dan confidence pada penelitian ini dilakukan dengan cara mencoba penentuan acuan dengan nominal rendah terlebih dahulu. Ditunjukan bahwa dengan support=0,001 dan confidence=0,001 belum mendapatkan hasil yang maksimal karena dengan penentuan nominal support dan confidence tersebut aturan yang dihasilkan terlalu banyak sehingga belum dapat menunjukan keterkaitan suatu itemset yang maksimal karena acuan nominal support dan confidence terlalu rendah. Dengan melakukan banyak uji coba akhirnya didapatkan support=0,02 dan confidence=0,3 adalah acuan maksimal yang didapatkan dari penelitian ini. Fungsi apriori diatas dengan penentuan support=0,02 dan confidence=0,3 menghasilkan rule yang diperoleh berjumlah enam.
Co-Authors Kristophorus Hadiono