<![CDATA[Analisis pola transaksi dalam penjualan obat sangat penting untuk mengoptimalkan manajemen stok di apotek. Salah satu metode yang umum digunakan dalam data mining adalah algoritma Apriori, yang mampu menemukan aturan pola asosiasi antara item dalam transaksi. Penelitian sebelumnya menerapkan Association Rule Mining pada data transaksi penjualan untuk mengoptimalkan tata letak produk dan meningkatkan penjualan di minimarket. Selain itu, metode ini juga diterapkan dalam Market Basket Analysis (MBA) untuk menganalisis keterkaitan antar produk guna meningkatkan strategi bisnis ritel. Keluaran dari Apriori mudah dipahami dan dapat mengidentifikasi banyak pola baru. Namun, banyaknya aturan asosiasi yang dihasilkan memungkinkan munculnya aturan yang lemah dan interpretasi menjadi sulit. Hal ini karena Apriori memiliki keterbatasan dalam menghasilkan sejumlah besar aturan asosiasi yang dapat mengurangi efisiensi kejelasan hasil. Untuk mengatasi keterbatasan tersebut, peneliti mengusulkan kombinasi algoritma Apriori dan algoritma Genetika (GA) untuk menghasilkan aturan asosiasi yang lebih relevan dan optimal. Penelitian ini fokus pada hasil penerapan Apriori dalam menentukan keterhubungan pola antar itemset, serta menganalisis pengaruh algoritma Genetika dalam optimasi association rules dari Apriori. Penelitian dilakukan melalui tahapan pengumpulan data transaksi, preprocessing, penerapan Apriori, dan optimasi aturan menggunakan GA. Seleksi GA memakai metode roulette wheel, dengan teknik one-point crossover dan mutasi. Berdasarkan rata-rata matriks sepuluh kali percobaan kombinasi Apriori dan GA mendapatkan nilai support 0.137309, confidence 3.369825 dan lift ratio 61.49805. Hasil percobaan menunjukkan bahwa Apriori menghasilkan aturan asosiasi dan pengaruh GA mampu menyeleksi aturan asosiasi yang lebih relevan dan kuat serta mengurangi jumlah aturan yang dihasilkan Apriori, sehingga meningkatkan efektivitas analisis manajemen stok dan strategi pemasaran.]]>
