<![CDATA[Saat ini kompetisi bisnis dalam beragam bidang menjadi sangat erat. Selain pada bidang fashion, hidangan, dan elektronik, bidang pelayanan jasa dan perdagangan pun semakin melambung tinggi, seperti halnya bidang otomotif. Honda Tanabang Motor memiliki banyak data transaksi yang tidak dimanfaatkan untuk menganalisa persediaan barang yang laku atau banyak diminati pelanggan, serta tidak dimanfaatkan menjadi informasi yang berguna untuk strategi marketing. Penulis mencoba mengimplementasi algoritma apriori pada persediaan sparepart, karena algoritma apriori adalah metode yang paling tepat dalam mencari aturan asosiasi barang dan frequent-itemset. Hasil dari pengujian algoritma apriori telah ditemukan 3 (tiga) association rules yakni jika membeli Piece Set Slide maka membeli Busi, jika membeli Lampu Belakang maka membeli Kampas Rem Depan, dan jika membeli Lampu Depan maka membeli Kampas Rem Depan, dengan Nilai Confidence 75% dan Nilai Support 25%. Dengan hadirnya Implementasi Algoritma Apriori, diharapkan menjadi salah satu solusi untuk mempermudah perusahaan agar melakukan pengaturan ulang tata letak sparepart secara berdekatan untuk memudahkan dalam mengambil barang yang akan dikeluarkan, melakukan monitoring terhadap persediaan barang, hubungan antar tiap produk yang dibeli secara bersamaan dan penunjang informasi dalam pemesanan stok barang serta dapat membantu merumuskan strategi pemasaran untuk meningkatkan penjualan.   Kata Kunci : Apriori,  Aturan Asosiasi, Data Mining, Persediaan Barang ]]>
Copyrights © 2022
