<![CDATA[Setiap hari terjadi permintaan bahan makanan yang beragam. Supplier harus menyediakan bahan makanan yang segar dan tepat sesuai dengan permintaan. Dibutuhkan suatu metode untuk melihat pola permintaan agar supplier dapat memanajemen pengadaan permintaan dengan baik. Association rules adalah metode untuk menemukan pola dari data transaksi sebelumnya. Perhitungan metode association rules menggunakan algoritma apriori. Algoritma apriori menghasilkan rules yang memperlihatkan pola permintaan bahan makanan berdasarkan data transaksi selama 3 bulan. Algoritma apriori membutuhkan 3 parameter untuk menghasilkan rules yaitu support, confidence dan lift. Penentenuan nilai minimum dipilih dengan mempertimbangkan bentuk data. Penentuan nilai minium akan mempengaruhi rules yang dihasilkan. Nilai minimum support yang terlalu rendah akan mengakibatkan terlalu banyak itemset yang tidak mempunyai hubungan kuat dan apbila terlalu tinggi mengakibatkan kehilangan terlalu banyak informasi. Nilai minimum confidence dipilih tinggi karena akan memperlihatkan persentase probalitas kemunculan itemset secara bersamaan. Nilai lift lebih dari 1 memperlihatkan hubungan itemset kuat. Nilai minimum support yang digunakan adalah 50%, sedangkan nilai minimum confidence 100% dan terakhir nilai minimum lift adalah 1.5. Penentenuan nilai minimum dipilih dengan mempertimbangkan bentuk data. Nilai minimum yang terlalu rendah akan mengakibatkan terlalu banyak rules yang tidak kuat. Proses perhitungan menggunakan bahasa pemograman phyton. Rules yang dihasilkan sebanyak 12 rules. Rules berupa aturan jika itemset antecedents muncul di transaksi maka itemset cosequents juga muncul di transasksi. Rules yang dihasilkan rata-rata mempunyai nilai lift 1.9 yang artinya itemset consiquents akan 1.9 kali lebih mungin muncul bersama item antecedents dari pada muncul sendiri. Rules yang dihasilkan memperlihatkan pola permintaan dan dapat digunakan supplier sebagai pertimbangan manajemen pengadaan permintaan.]]>
