Article Per Year (5 Year)
p-Index From 2020 - 2025
9.652
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Informatika KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal Informasi dan Komputer Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Accounting Information System (AIMS) JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) ICIT (Innovative Creative and Information Technology) Journal E-Link: Jurnal Teknik Elektro dan Informatika Jurnal Riset Sistem Informasi dan Teknologi Informasi (JURSISTEKNI) MEANS (Media Informasi Analisa dan Sistem) Tematik : Jurnal Teknologi Informasi Komunikasi Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Instal : Jurnal Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) JURSIMA BULLET : Jurnal Multidisiplin Ilmu AMMA : Jurnal Pengabdian Masyarakat Jurnal Sistem Informasi dan Manajemen Jurnal Accounting Information System (AIMS) Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer SISFOTENIKA Informasi interaktif : jurnal informatika dan teknologi informasi Jurnal Informatika dan Rekayasa Perangkat Lunak
Tati Suprapti
STMIK IKMI Cirebon
Humanities Automotive Engineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Medicine & Pharmacology Nursing Social Sciences Other

Published : 78 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 78 Documents
Search

 3   4   5   6   7 
ANALISIS SENTIMEN PENGGUNA TERHADAP APLIKASI BINANCE PADA ULASAN GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Syaripah, Imas; Martanto, Martanto; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8289

Abstract

Analisis sentimen adalah metode memahami perasaan dan opini tersirat dalam teks seperti ulasan produk, berita, atau konten media sosial. Tujuannya adalah mengidentifikasi sentimen positif atau negatif dalam teks. Sebagai contoh, dalam ulasan aplikasi Binance di Google Play Store, analisis sentimen membantu memahami respons pengguna terhadap aplikasi tersebut. Prosesnya melibatkan pengumpulan data ulasan dari berbagai sumber, disaring untuk menghilangkan elemen tidak relevan, dan menggunakan algoritma seperti Naive Bayes untuk mengenali kata kunci sentimen seperti "baik" atau "buruk" dan mengklasifikasikan ulasan ke dalam sentimen positif atau negatif. Meskipun model klasifikasi mencapai akurasi 94%, evaluasi menunjukkan perbedaan performa antara sentimen positif dan negatif. Meski mampu mengenali sentimen positif dengan baik, identifikasi terhadap sentimen negatif memerlukan peningkatan. Ini menunjukkan perlunya fokus pada deteksi sentimen negatif guna meningkatkan keandalan algoritma Naive Bayes. Hasil evaluasi menunjukkan Presisi rata-rata 82,3%, Recall 91,95%, dan F1-Score 269%. Meskipun akurasi 94% menggambarkan keberhasilan memprediksi sentimen, fokus pengembangan selanjutnya adalah pada deteksi sentimen negatif. Analisis ini memberikan gambaran tentang kemampuan model dalam mengklasifikasikan data sentimen dan reliabilitasnya dalam menganalisis ulasan aplikasi Binance. Informasi ini dapat menjadi dasar perbaikan produk di masa mendatang.
ANALISIS SENTIMEN ULASAN PELANGGAN MIE GACOAN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Shalihah, Ghina; Kurniawan, Rudi; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8302

Abstract

Indonesia terkenal dengan kekayaan kuliner yang beragam dan unik, salah satunya yaitu Mie Gacoan. Pada saat ini, bisnis kuliner Mie Gacoan sedang berkembang. Mie Gacoan menawarkan variasi tingkat kepedasan pada menu mie mereka, yang dapat disesuaikan dengan preferensi pelanggan. Jenis mie ini semakin populer, terutama di kalangan generasi muda, sehingga banyak restoran atau warung makan yang menyajikan hidangan serupa bermunculan. Memperoleh kepercayaan pelanggan merupakan tantangan untuk mereka yang terlibat dalam dunia bisnis, mendorong mereka untuk melakukan evaluasi menyeluruh terhadap produk dan layanan yang mereka sediakan. Permasalahan yang muncul dari ulasan atau pendapat dari pelanggan misalnya mengenai kurangnya pelayanan harus menjadi perhatian utama. Meskipun demikian, membaca dan mengelompokkan setiap ulasan yang diberikan oleh pelanggan memerlukan waktu yang cukup lama dan dianggap kurang efisien. Dalam konteks ini, analisis data pendapat pelanggan dari platform Twitter muncul sebagai solusi alternatif. Twitter, sebagai media sosial yang sering dimanfaatkan dalam pemasaran, memberikan kesempatan untuk interaksi pelanggan dengan pengusaha. Penelitian ini mengusulkan penerapan algoritma Naïve Bayes Classifier pada analisis sentimen ulasan pelanggan Mie Gacoan di Twitter pada Oktober 2023. Metode ini dipilih karena kebutuhan data training yang kecil dan sifatnya yang sederhana dan berhasil menghasilkan kinerja yang baik, dengan nilai akurasi sebesar 88,06%, recall sebesar 77,78%, dan presision sebesar 69,23%. Hasil dari penelitian ini dapat memberikan kontribusi positif dalam meningkatkan kualitas produk dan layanan, memperkuat relasi dengan pelanggan, serta mendukung keberlanjutan bisnis di tengah persaingan yang semakin ketat.
PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PRESTASI BELAJAR SISWA DI MTS YAMUALLIM PANONGAN Lestari, Hasanah; Irma Purnamasari, Ade; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8312

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi prediksi prestasi belajar siswa di MTs Yamu’allim Panongan dengan mengoptimalkan penggunaan algoritma C4.5. Algoritma ini dipilih karena dapat menangani kompleksitas data dan menghasilkan hasil yang mudah diinterpretasi. Dataset yang mencakup prestasi belajar siswa dari semester sebelumnya digunakan untuk melatih dan menguji model, menciptakan dasar yang kuat untuk meningkatkan kualitas prediksi prestasi belajar. Penelitian juga melibatkan analisis mendalam terhadap berbagai aspek, termasuk aspek sosial dan lingkungan, karena pemahaman terhadap faktor-faktor ini dianggap penting dalam memengaruhi prestasi belajar siswa. Dengan implementasi C4.5 yang dioptimalkan, penelitian ini tidak hanya bertujuan meningkatkan akurasi prediksi, tetapi juga memberikan gambaran komprehensif mengenai faktor-faktor yang berkontribusi terhadap prestasi belajar siswa. Hasil penelitian menunjukkan bahwa optimasi algoritma C4.5 secara signifikan meningkatkan tingkat akurasi prediksi prestasi belajar siswa. Temuan ini dapat membantu pihak sekolah dalam mengidentifikasi siswa yang memerlukan perhatian khusus atau bantuan tambahan untuk meningkatkan prestasi belajarnya. Model klasifikasi menunjukkan akurasi yang tinggi dalam memprediksi kategori prestasi belajar, memberikan manfaat konkret dengan memberikan pandangan yang lebih tepat mengenai potensi dan kebutuhan masing-masing siswa.
IMPLEMENTASI ASSOCIATION RULES MINING UNTUK ANALISIS POLA PEMBELIAN PAKET KUOTA PERDANA PELANGGAN XL MENGGUNAKAN ALGORTIMA APRIORI: STUDI KASUS: PT. XL AXIATA TEGAL Pratiwi, Intan; Suarna, Nana; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8339

Abstract

Kartu perdana mulai ramai digunakan oleh pelanggan ponsel di seluruh dunia sebagai akses koniktivitas pada internet. Kartu perdana adalah paket penyedia layanan seluler yang mencakup akses paket data prabayar ke internet, panggilan, pesan teks, dan layanan komunikasi lainnya. Permasalahan yang terjadi di PT. XL Axiata Tegal adalah perusahaan belum menemukan pola pembelian paket kuota perdana pelanggan XL yang teridentifikasi, padahal peluang tersebut dapat mengoptimalkan strategi pemasaran dan menawarkan layanan yang lebih disesuaikan dengan preferensi pelanggan. Metode yang digunakan dalam analisis Association Rules Mining adalah pengimplementasian atau penerapan algoritma apriori pada dataset berupa data histori transaksi yang diperoleh dari PT. XL Axiata Tegal pada periode bulan Oktober 2023 dengan jumlah data sebanyak 22.121 transaksi. Tujuan penelitian ini adalah untuk menganalisis data transaksi pembelian paket kuota perdana, sehingga perusahaan dapat mengidentifikasi pola pembelian pelanggan XL yang dapat dijadikan sumber informasi untuk perusahaan dalam memperkirakan jumlah produksi dan persedian stok paket kuota perdana. Hasil penelitian ini ditemukan aturan asosiasi tertinggi item yang paling kuat dengan nilai confidence tertinggi adalah yang pertama jika pelanggan membeli PV Hotrod Special M (4GB) maka akan membeli juga paket kuota perdana PV Hotrod Special S (2.5 GB) secara bersamaan dengan nilai pendukung 39% dan confidence sebesar 93% dan aturan asosiasi terendah adalah Jika pelanggan PV Hotrod Special S (2.5 GB) maka akan membeli juga PV FLEX M 9GB secara bersamaan dengan nilai support 36% dan nilai confidence 60%.
PREDIKSI HUNIAN HOTEL MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS: STUDI KASUS : HOTEL RUMAH KITA KOTA CIREBON Christian Anderson Wint's II, Hans; Irma Purnamasari, Ade; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8342

Abstract

Penelitian ini bertujuan untuk menerapkan teknik data mining, termasuk algoritma K-Nearest Neighbors (K-NN), untuk memprediksi tingkat hunian hotel dari tahun 2021 hingga 2022 di hotel Rumah Kita yang terletak di jalan Siliwangi Kota Cirebon. Data yang digunakan dalam penelitian ini mencakup variabel seperti harga kamar, lokasi geografis, sarana hotel, dan faktor lain yang mempengaruhi tingkat hunian. Metode K-Nearest Neighbors (K-NN) digunakan untuk mengetahui tren dan hubungan antara variabel-variabel tersebut dengan tingkat hunian hotel. Data tahun 2021 dan 2022 digunakan sebagai data pelatihan untuk mengembangkan model prediksi, sementara data tahun 2023 digunakan untuk menguji akurasi model. Untuk mengukur efektivitas dan akurasi sistem, penelitian ini melakukan pengujian dengan menggunakan data aktual tahun 2023 selama periode tiga bulan terakhir. Pengujian dilakukan dengan membandingkan hasil prediksi model terhadap data sebenarnya untuk menghitung tingkat akurasi. Hasil pengujian menunjukkan bahwa model dapat memperkirakan tingkat okupansi hotel pada tahun 2023 dengan tingkat akurasi mencapai 91,67%. Prediksi hunian ramai mencapai 6 dengan akurasi class prediction 100% dan class recall 85,71%, sedangkan prediksi hunian sepi mencapai 5 dengan akurasi class prediction 83,33% dan class recall 100%.Hasil ini menunjukkan bahwa model K-NN yang dikembangkan efektif dalam memprediksi tingkat hunian dan dapat membantu manajemen hotel dalam perencanaan kapasitas, strategi penetapan harga, dan pengelolaan sumber daya. Penelitian ini berpotensi untuk diterapkan secara luas di industri perhotelan dan bisnis serupa lainnya yang mengandalkan perkiraan tingkat hunian. Dengan penambahan informasi tentang pengujian dan pengukuran akurasi, abstrak ini sekarang memberikan gambaran yang lebih lengkap tentang penelitian dan hasilnya.
KLASIFIKASI PENERIMA BANTUAN BPNT MENGGUNAKAN ALGORITMA K-NN Syajida, Hanna; Irma Purnamasari, Ade; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8357

Abstract

Program Keluarga Harapan (PKH) dan Bantuan Pangan Non-Tunai (BPNT) merupakan dua program bantuan sosial yang bertujuan untuk meningkatkan kesejahteraan masyarakat yang berada dalam kondisi ekonomi rendah. PKH fokus pada bantuan tunai bagi keluarga miskin, sementara BPNT memberikan bantuan pangan dalam bentuk non-tunai. Meskipun memiliki tujuan yang sama, yaitu mengentaskan kemiskinan dan memberikan bantuan kepada keluarga yang membutuhkan, seringkali terdapat overlap antara penerima bantuan dari kedua program ini. perlu dilakukan analisis lebih lanjut untuk mengidentifikasi pola-pola dalam data penerima bantuan dan memahami kesamaan karakteristik antara kedua program. Penelitian ini bertujuan untuk melakukan klasifikasi penerima bantuan Program Keluarga Harapan (PKH) dan Bantuan Pangan Non-Tunai (BPNT) menggunakan algoritma K-NN. Klasifikasi ini dilakukan dengan mengelompokkan penerima bantuan berdasarkan kriteria tertentu, seperti pendapatan keluarga, jumlah tanggungan, status rumah tinggal, pekerjaan, dinding rumah, lantai rumah, kendaraan. Penelitian ini menggunakan pendekatan kuantitatif dengan mengumpulkan data kriteria penerima bantuan PKH dan BPNT. Hasil dari penelitian memberikan kontribusi penting dalam meningkatkan akurasi dan efisiensi dalam penentuan penerima manfaat dari program ini di masa mendatang. ini dapat memberikan wawasan yang lebih baik terkait pola distribusi bantuan dan membantu penyelenggara program dalam menentukan kriteria penerima bantuan BPNT. Program ini dapat mencapai tujuan utama penerima bantuan, yaitu mengurangi tingkat kemiskinan dan meningkatkan kesejahteraan masyarakat yang berhak menerima manfaat dari program pemerintah.
CLUSTERING DATA PENJUALAN PRODUK KESEHATAN MENGGUNAKAN ALGORITMA K-MEANS DI PT. CITRA TEKNIK MEDICA: STUDI KASUS: PT. CITRA TEKNIK MEDICA Mubarok, Husni; Irawan, Bambang; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8400

Abstract

Penawaran produk kesehatan merupakan bagian penting dari industri kesehatan yang terus berkembang seiring meningkatnya kesadaran masyarakat akan layanan medis. PT. Citra Teknik Medica sebagai salah satu pemain utama berperan dalam menyediakan berbagai produk dan jasa untuk mendukung fasilitas kesehatan di Indonesia. Dengan permintaan yang terus meningkat dari konsumen, penting bagi PT. Citra Teknik Medica untuk mengidentifikasi produk-produk yang paling diminati untuk mengoptimalkan strategi penjualan dan pengelolaan stok barang. Penelitian ini bertujuan untuk melakukan analisis terhadap data penjualan produk kesehatan yang paling diminati di PT. Citra Teknik Medica menggunakan Algoritma K-Means Clustering. Metode penelitian mengikuti proses Knowledge Discovery in Databases (KDD), meliputi seleksi data, preprocessing, transformasi data, penerapan Algoritma K-Means Clustering, dan evaluasi hasil menggunakan Davies Bouldin Index (DBI). Data yang digunakan adalah data penjualan produk kesehatan tahun 2018-2022 yang diperoleh dari PT. Citra Teknik Medica. Dari percobaan dengan variasi jumlah cluster (K) dari 2 hingga 7, ditemukan bahwa nilai Davies Bouldin Index (DBI) teroptimal dimiliki oleh cluster 4 (K=4) dengan nilai DBI 1.566.714.125.739.650.000 yang paling mendekati 0, menunjukkan pengelompokan produk kesehatan terbaik berdasarkan kuantitas penjualan dengan menggunakan 4 cluster.
IMPLEMENTASI ALGORITMA REGRESI LINIER DAN K-NEAREST NEIGHBOR UNTUK PREDIKSI HARGA RUMAH Kurniawan, Ilham; Rahaningsih, Nining; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8402

Abstract

Perkembangan pesat dibidang informatika telah membawa dampak signifikan pada berbagai aspek kehidupan manusia. Ini disebabkan oleh kemajuan teknologi komputer, perangkat mobile, jaringan internet, dan berbagai aplikasi perangkat lunak yang terus berkembang. Prediksi harga rumah menjadi suatu hal yang krusial karena dapat membantu calon pembeli, penjual, dan pihak terkait lainnya untuk membuat keputusan yang informasional dan cerdas. Tujuan penelitian ini yaitu untuk mengetahui faktor yang paling berpengaruh terhadap harga rumah, mengetahui perbandingan tingkat akurasi dari kedua algoritma dalam prediksi harga ruumah, dan cara generalisasi model regresi linier ke pasar perumahan yang berbeda. Metode yang digunakan dalam prediksi harga rumah adalah metode KDD menggunakan algoritma regresi linear dan k-nearest neighbor dalam konteks data mining. Pada penelitian ini faktor yang paling berpengaruh terhadap harga rumah adalah luas bangunan dengan nilai koefisien sebesar 23047431.201. Algoritma KNN mempunyai hasil akurasi yang lebih baik dibandingkan dengan regresi linier, perbandingan tingkat akurasi ini diambil berdasarkan nilai relative error. Hasil nilai relative error regresi linier sebesar 71.95% +/- 82.63%. Sedangkan hasil relative error k-nearest neighbor pada gambar sebesar 30.95% +/- 29.87%. Model regresi linier dapat digeneralisasi dengan baik ke pasar perumahan yang berbeda melibatkan beberapa pendekatan. Diantaranya yaitu Pengumpulan data yang representatif, normalisasi dan standarisasi, pemahaman konteks pasar.
PENERAPAN ALGORITMA NAIVE BAYES TERHADAP ANALISIS SENTIMEN APLIKASI GAME MULTIPLAYER ONLINE BATTLE ARENA: STUDI KASUS : MOBILE LEGEND Fazrian, Vivi; Suprapti, Tati; Narasati, Riri
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8432

Abstract

Game Multiplayer Online Battle Arena (MOBA) telah menjadi fenomena global, dengan jutaan pemain berpartisipasi dalam pengalaman bermain game. Dalam konteks ini, Mobile Legends, salah satu game MOBA yang mendominasi pangsa pasar game online, menjadi fokus penelitian ini. Penelitian ini bertujuan untuk mempelajari reaksi dan pengalaman pengguna Mobile Legends melalui analisis sentimen menggunakan algoritma Naive Bayes.Penelitian ini bertujuan untuk mengadakan analisis sentimen terhadap aplikasi peramainan Multiplayer Online Battle Arena (MOBA) dengan menerapkan algoritma Naive Bayes. Fokus utama penelitian ini adalah pada studi kasus aplikasi peraminan yang sangat populer, yaitu” Mobile Legends”. Mobile Legends merupakan permainan MOBA yang merajai pasar permainan online dengan jutaan pemain aktif di seluruh dunia. Penelitian ini menggunakan metode analisis sentimen dengan algoritma Naive Bayes, sebuah pendekatan klasifikasi probalistik yang sering digunakan dalam analisis teks dan pengolahan bahasa alami. Algoritma ini efisien dalam mengidentifikasi sentimen positif, negatif, atau netral dalam teks pengguna. Data yang digunakan dalam penelitian ini terdiri dari ulasan dan komentar pemain Mobile Legends yang diperoleh dari berbagai pernyataan, termasuk pengguna permainan, media sosisal, dan toko aplikasi. Hasil analisis sentimen diharapkan dapat memberikan wawasan mendalam tentang bagaimana pemain Mobile Legends merespons dan mengalami permainan ini. Informasi ini menjadi sangat berharga bagi pengembangan permainan untuk meningkatkan kualitas dan fitur permainan, sejalan dengan umpan balik pengguna. Penelitian ini juga memberikan kontribusi pada pemahaman lebih lanjut tentang sejauh mana aplikasi game, seperti Mobile Legends, memengaruhi perasaan dan presepsi pengguna. Dengan memahami sentimen pengguna, pengelola dan pengembangan aplikasi game memperbaiki kelemahan, meningkatkan kepuasan pengguna, dan mempertahankan daya saing di pasar game yang sangat dinamis. Dalam praktiknya nanti ditemukan bahwa nilai akurasi yang dihasilnya terbilang sangat baik yakni berkisar 98,96 % yang mana angka ini merupakan hasil terbaik bila dibandingkan dengan penelitian yang kami ulas di literatur.
ANALISIS POLA PENJUALAN SEPATU DENGAN IMPLEMENTASI ALGORITMA APRIORI DATA MINING Sajidan, Dzikri; Suarna, Nana; Suprapti, Tati
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8818

Abstract

Penjualan sepatu dalam industri fashion modern sangat vital, tetapi seringkali penjual mengalami kendala dalam pendataan dan pengelolaan stok, terutama dengan penggunaan media kertas yang rentan terhadap kehilangan data. Permasalahan tersebut mendorong penelitian untuk menerapkan algoritma apriori pada data penjualan sepatu guna mengidentifikasi jenis sepatu terlaris. Diharapkan bahwa penggunaan RapidMiner akan memberikan data yang lebih akurat dan memudahkan analisis barang karena metode Algoritma apriori digunakan untuk menentukan barang mana yang banyak dibeli dan barang mana yang kurang dibeli. Untuk mengklasifikasikan penjualan sepatu, metode data mining Algoritma Apriori digunakan. Rumus Algoritma Apriori akan digunakan untuk menghitung data yang masuk ke sistem informasi dan memberikan nilai yang lebih akurat dan valid. Kemampuan untuk mengetahui pola frekuensi asosiasi elemen adalah fase analisis yang menarik perhatian banyak peneliti saat menciptakan algoritma apriori yang efisien. dengan support dan confidence sebagai tolak ukur. Dengan demikian, penggunaan metode Algoritma apriori melalui RapidMiner diharapkan dapat meningkatkan manajemen persediaan, mempercepat proses penjualan, dan memberikan wawasan yang lebih dalam kepada penjual tentang keinginan pelanggan. Keseluruhan, penerapan algoritma ini diharapkan memberikan nilai yang lebih valid dan akurat dalam pengambilan keputusan terkait strategi bisnis dan peningkatan penjualan sepatu. Hasilnya ditemukan bahwa aturan asosiasi paling tinggi terjadi antara sepatu Sneakers Kanvas dengan nilai support x confidence sebesar 87,50%.
Co-Authors Abdul Hakim Abdul Mukhyidin Abrar Bayan, Athaullah Achmad Suharno Adam Firmansyah Ade Irma Purnamasari Ade Irma Purnamasari Aditia agus bahtiar Ahmad Faqih Ahmad Faqih Aldi Setiawan Ali Ali Alpian Novansyah, Indi Amaliah, Novi Andi Ardiansyah Andri Yanto Apriliani, Yuni Aribah, Firyal Arif Rinaldi Dikananda ASEP SAEFUDDIN Auliya Azhar, Alwan Cep Lukman Rohmat Christian Anderson Wint's II, Hans Darussalam, Luthvi Nurfauzi Dayanti, Resda Dian Ade Kurnia Dodi Solihin Doni Anggara Dwi Prasetyo Faujatun Hasanah Fazrian, Vivi Feri Irawan Irawan Fikri, Achmad Fitri Adha Hariyati Airi Fitriani Agustina Fitriani Fitriani Gifthera Dwilestari Gifthera Dwilestari Gilang Perwati, Intan Gilang Ramadhan Gustiani Regina Pratama Putri Gustino, Gustino Hadianti, Isan Hafshoh Habiballoh Hajaroh, Hajaroh Hartati Hartati Hayati, Umi Hendriyansyah, Hendriyansyah Hidayat, Manarul Hidayat, Muhamad Taufiq Hidayat, Peri Husni Mubarok Ilham Kurniawan Imam Arifin imam maulana, imam Indrawan, Heru Irfan Ali Irma Purnamasari, Ade Kaslani Khoirunisa, Irma Lestari, Hasanah Lukman Rohmat, Cep Mahda, Muhammad Manarul Hidayat Martanto . Maryam, Beby Muhaimin, Ahmad Muhamad Basysyar, Fadhil Mulyawan Nana Siti Nurjanah Narasati, Riri Narasati Naufan, Muhammad Hilmy Nining Rahaningsih Nur Amalia Nurmala, Sri Pratiwi, Intan Purnamasari, Ade Irma Raditya Danar Dana Rananda Deva Rian Raudotul Janah, Fina Rini Astuti Rini Astuti Riri Narasati Rizki Ani, Fitri Rosdiana Rosdiana Rudi Kurniawan Rudi Kurniawan Rudi Kurniawan Ruli Herdiana Ryan Hmonangan Saeful Anwar Saeful Anwar, Saeful Sajidan, Dzikri Santi Nurjulaiha Shalihah, Ghina Shinta Virgiana Silalahi, Ryan H Siti Aisah, Iis siti azhar Sri Nurmala, Ai Suarna, Nana Suharno, Achmad Sukma Maula, Intan Syajida, Hanna Syaripah, Imas Tegar Lazuardi, Muhammad Tengku Riza Zarzani N Tohidi, Edi Tri Aditama Tri Gustiane, Indri Umi Hayati Umi Hayati Utami Aryanti Vinna Agustina Wahyudin, Edi Widiawati, Fitri Widisa Adi Kumara Wijaya, Yudhitira Arie Willy Prihartono Yudhistira Arie Wijaya Yusuf Sidiq, Yusuf Sidiq Zaki Nur Rahmat Hidayat Zulfa Hana Aqliyah