Claim Missing Document
Check
Articles

Found 2 Documents
Search

IMPLEMENTASI DATA MINING DENGAN METODE ALGORITMA APRIORI UNTUK MENENTUKAN POLA PEMBELIAN DI PT DONG SUNG TOOLS Edi Widodo; Nabawi Nabawi
Jurnal SIGMA Vol 10 No 2 (2019): Desember 2019
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (394.435 KB)

Abstract

PT Dong Sung Tools Indonesia pada tahun 2019 menghasilkan frekuensi transaksi penjualan sebanyak 7049 selama 6 bulan yaitu dari bulan Januari sampai Juni. Data transaksi semakin lama akan semakin besar, Dengan transaksi sebanyak itu peneliti menemukan kekurangan dalam kegiatan transaksi di PT Dong Sung Tools. Masalah-masalah yang muncul diantaranya, penyediaan produk yang kurang baik atau tidak tersedianya safety stock mengakibatkan customer merasa kecewa ketika produk yang mau dibeli tidak ada stok. namun data tersebut tidak berguna jika tidak dikelola dan dianalisis secara konsisten. penelitian ini bertujuan untuk mengetahui bagaimana penggunaan algoritma apriori pada teknik Association rule mining mampu memberikan suatu informasi dan pengetahuan baru yang berupa rule atau pola aturan pesanan produk pada data transaksi penjualan.Metode yang digunakan yaitu data mining dengan teknik Association rule menggunakan algoritma Apriori. Proses ini menghasilkan 2 pola yang terbentuk dengan nilai yang memenuhi minimum support dan minimum confidence. Menggunakan teknik Association rule untuk analisis data transaksi penjualan dapat diterapkan dengan baik dan penggunaan algoritma apriori mampu menghasilkan suatu aturan asosiasi baru dari dataset transaksi penjualan.
KLASIFIKASI DATA PENJUALAN ALAT TULIS KANTOR (ATK) TERLARIS UNTUK OPTIMASI STRATEGI PEMASARAN DI TOKO CITRAMEDIA MENGGUNAKAN METODE NAIVE BAYES Edi Widodo; Pathyatus Sa’adah
Jurnal SIGMA Vol 10 No 2 (2019): Desember 2019
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (564.125 KB)

Abstract

Pada penelitian ini peneliti melakukan pengolahan data penjualan ATK untuk mengklasifikasi data ATK dan mencari nilai akurasi sebagai penentuan barang apa saja yang paling banyak diminati oleh customer. Tujuan dilakukannya penelitian ini yakni sebagai suatu strategi pemasaran agar dapat mengoptimalkan kerja toko dalam mengolah data stok barang yang tersedia sehingga dapat memanuhi kebutuhan customer dan dapat membantu meningkatkan keuntungan penjualan. Data yang ada dianalisis menggunakan metode Algoritma Naive Bayes Classifier dan pengujiannya diimplementasikan pada tools RapidMiner agar mendapatkan tingkat akurasi yang efektif dan efisien. Dari hasil pengujian yang dilakukan, didapatkan tingkat accuracy tertinggi sebesar 99.26% dan accuracy terendah sebesar 94.39% sedangkan evaluasi dengan kurva AUC hasil dari empat kali pengujian yang telah dilakukan termasuk dalam kategori klasifikasi sangat baik (excellent classification) yakni dengan evaluasi tertinggi sebesar 0.997.