<![CDATA[Data mining merupakan teknik pengolahan data dalam jumlah besar menggunakan berbagai algoritma serta sistem untuk menghasilkan sebuah informasi yang berguna. Tujuan dari penelitian ini adalah untuk membuat sebuah sistem berbasis web dengan mengimplementasikan teknik data mining yang dapat digunakan dalam mempermudah melakukan asosiasi terhadap barang dan prediksi stok barang. Penelitian ini dilakukan dengan menggunakan dua metode asosiasi yaitu dengan algoritma FP-Growth dan apriori serta dua metode prediksi yaitu dengan algoritma regresi linier dan Support Vector Regression (SVR). Proses asosiasi dari 2658 data transaksi menggunakan metode FP-Growth dan apriori sama-sama menghasilkan jumlah aturan asosiasi berdasarkan nilai minimum support dan confidence yang sama. Proses prediksi 10 jenis barang menggunakan regresi linier dan SVR menghasilkan tingkat akurasi yang berbeda-beda tiap produknya sehingga metode dengan akurasi tertinggi dipilih pada setiap produk. Rata-rata tingkat kesalahan prediksi dengan MAPE dari 10 produk menggunakan metode regresi linear sebesar 12,09% sedangkan metode SVR sebesar 11,51%, sehingga metode SVR memiliki akurasi yang lebih baik untuk diterapkan pada Timbul Jaya Petshop. Hasil dari asosiasi dan prediksi dapat dimanfaatkan untuk merancang strategi bisnis kedepannya. ]]>
Copyrights © 2023
