JATI (Jurnal Mahasiswa Teknik Informatika)
Adalah jurnal mahasiswa yang diterbitkan oleh Teknik Informatika Institut Teknologi Nasional Malang, sebagai media publikasi hasil Skripsi Mahasiswa Teknik Informatika ke khalayak luas, diterbitkan secara berkala 6 kali setahun pada bulan Februari, April, Juni, Agustus, Oktober, Desember.
Articles
3,835 Documents
<![CDATA[PENERAPAN METODE RANDOM FOREST DALAM MENGANALISIS SENTIMEN PENGGUNA APLIKASI CAPCUT DI GOOGLE PLAY STORE ]]>
<![CDATA[Sagita, Ayu]]>;
<![CDATA[Faqih, Ahmad]]>;
<![CDATA[Dwilestari, Gifthera]]>;
<![CDATA[Siswoyo, Bambang]]>;
<![CDATA[Pratama, Denni]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v7i6.8205
<![CDATA[Pengguna aplikasi CapCut semakin meluas di kalangan pengguna smartphone. Namun, tanggapan pengguna terhadap aplikasi ini sangat bervariasi. Selain itu, perkembangan terus-menerus dalam menambah fitur dan kemampuan pengeditan telah membawa kompleksitas penggunaan aplikasi ini semakin meningkat. Penelitian ini bertujuan untuk menganalisis sentimen pengguna CapCut melalui ulasan yang terdapat di Google Play Store menggunakan metode Random Forest. Metode ini dipilih untuk mengidentifikasi dan mengelompokkan tanggapan pengguna ke dalam kategori positif dan negatif secara efisien. Dataset yang digunakan dalam penelitian ini mencakup 5000 ulasan, mencerminkan keragaman pendapat dari pengguna yang berpartisipasi aktif. Tahapan preprocessing data melibatkan proses cleaning, case folding, tokenisasi, stopword removal, dan lemmatisasi untuk memastikan kualitas data yang baik sebelum dilakukan analisis sentimen. Selanjutnya, pembobotan kata dilakukan dengan metode TF-IDF untuk memberikan nilai bobot pada kata-kata yang mempengaruhi sentimen pengguna. Hasil penelitian menunjukkan bahwa metode Random Forest memberikan tingkat akurasi yang tinggi dalam menganalisis sentimen pengguna CapCut, dengan akurasi sebesar 86%, presisi 89%, recall 81%, dan f1-score 85%. Penelitian ini memberikan pemahaman lebih lanjut terkait tanggapan pengguna terhadap aplikasi CapCut, serta menegaskan keberhasilan metode Random Forest dalam menangani analisis sentimen pada dataset ulasan pengguna di Google Play Store.]]>
<![CDATA[IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA UNTUK PREDIKSI PRODUKSI PADI DI KABUPATEN CIREBON ]]>
<![CDATA[Muharromah, Oom]]>;
<![CDATA[Suarna, Nana]]>;
<![CDATA[Prihartono, Willy]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v7i6.8206
<![CDATA[Produksi padi merupakan aspek penting dalam upaya meningkatkan hasil pertanian dan mencangkupi kebutuhan pangan di seluruh dunia termasuk masyarakat indonesia. Permasalahan Badan Pusat Statistik (BPS) kabupaten Cirebon pada tahun 2022 mencatat jumlah penduduk sebesar 2.315.417 jiwa. Bertambahnya jumlah penduduk pada setiap tahun berbanding lurus dengan kondisi lahan pertanian yang semakin berkurang dan dikarenakan permintaan kebutuhan pokok yang semakin meningkat. Untuk memperkirakan jumlah penanaman yang akan dilakukan untuk memenuhi kebutuhan pangan, diperlukan prediksi hasil panen. Penelitian ini bertujuan untuk memperoleh pemahaman dan mengidentifikasi antara berbagai faktor yang mempengaruhi dan memiliki dampak yang signifikan terhadap hasil panen padi sehingga petani dan pemerintah dapat membuat keputusan yang lebih efektif. Metode yang digunakan dalam penelitian ini dengan menggunakan algoritma regresi linear berganda untuk memprediksi produksi padi dengan bantuan tools RapidMiner dan Google colaboratory. Hasil pada penelitian ini dengan menggunakan algoritma regresi linear berganda dengan cara menentukan nilai RMSE sebesar 0.0389540394101773, Mean Absolute Error (MAE) sebesar 0.028798691778501424 dan Mean Relative Absolute Error (MARE) sebesar -0.24438968292049496. Penelitian ini diharapkan mendukung upaya meningkatkan ketahanan pangan di seluruh dunia dengan memberikan dasar ilmiah untuk pengembangan praktik pertanian yang lebih efektif dan berkelanjutan yang meningkatkan produksi padi, yang merupakan sumber makanan pokok bagi banyak orang di seluruh dunia.]]>
<![CDATA[IMPLEMENTASI ALGORITMA C4.5 PADA PRODUKSI PERIKANAN DI KECAMATAN CIHAURBEUTI ]]>
<![CDATA[Nurrajtiari, Dira]]>;
<![CDATA[Irawan, Bambang]]>;
<![CDATA[Bahtiar, Agus]]>;
<![CDATA[Tohidi, Edi]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8208
<![CDATA[Produksi perikanan merupakan sektor penting dalam industri pangan dan ekonomi global juga ketahanan pakan. Untuk meningkatkan efisiensi dan pengelolaan produksi perikanan, analisis data mining telah menjadi alat yang berharga dalam mengidentifikasi pola-pola yang tersembunyi dalam data produksi perikanan. Salah satu metode yang umum digunakan dalam analisis data mining adalah metode C.45, yang merupakan algoritma pohon keputusan untuk tugas klasifikasi. Penelitian ini bertujuan untuk menerapkan metode C.45 dalam analisis data produksi perikanan dengan fokus pada klasifikasi hasil produksi perikanan. Metode C.45 digunakan untuk mengidentifikasi hubungan antara atribut-atribut yang terkait dengan produksi perikanan dan hasil produksi yang terjadi. Langkah-langkah dalam penerapan metode C.45 melibatkan pemilihan atribut yang paling informatif, pembentukan pohon keputusan, dan proses pruning untuk menghindari overfitting. Hasil eksperimen menunjukkan bahwa metode C.45 mampu menghasilkan model klasifikasi yang cukup akurat dalam memprediksi hasil produksi perikanan. Selain itu, pohon keputusan yang dibuat memberikan wawasan yang bermanfaat tentang komponen yang mempengaruhi produksi perikanan. Hasil penelitian ini diharapkan dapat memberikan kontribusi penting dalam upaya peningkatan produksi perikanan di Kecamatan Cihaurbeuti dan dapat menjadi dasar untuk pengambilan keputusan yang lebih efektif dalam mengelola sektor perikanan di wilayah tersebut. Penelitian ini juga dapat menjadi contoh bagi penelitian serupa di daerah lain yang menghadapi tantangan serupa dalam mengoptimalkan hasil produksi perikanan. Hasil pengukuran menyatakan Parameter gain_ratio adalah parameter yang paling mempengaruhi terhadap tingkat akurasi yang tinggi. Dalam penelitian ini tingkat akurasi hasil pengukuran akurasi data yang diperoleh terhadap data produksi perikanan nilai akurasinya mencapai 92,56%. Dan factor yang paling berpengaruh terhadap tingkat produksi perikanan adalah jumlah benih. Dengan mengetahui factor pengaruh utama yaitu jumlah benih ini memberikan wawasan berharga bagi pengambil keputusan, terutama bagi masyarakat pembudidaya dan pemerintah setempat.]]>
<![CDATA[ANALISIS DATA MINING PADA PRODUKSI IKAN AIR TAWAR DI KECAMATAN PANJALU MENGGUNAKAN METODE C4.5 ]]>
<![CDATA[Novareza, Apip]]>;
<![CDATA[Herdiana, Ruli]]>;
<![CDATA[Iin, Iin]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8209
<![CDATA[Produksi perikanan merupakan sektor penting dalam industri pangan dan ekonomi global juga ketahanan pakan. Untuk meningkatkan efisiensi dan pengelolaan produksi perikanan, analisis data mining telah menjadi alat yang berharga dalam mengidentifikasi pola-pola yang tersembunyi dalam data produksi perikanan. Salah satu metode yang umum digunakan dalam analisis data mining adalah metode C4.5, yang merupakan algoritma pohon keputusan untuk tugas klasifikasi. Penelitian ini bertujuan untuk menerapkan metode C4.5 dalam analisis data produksi perikanan dengan fokus pada klasifikasi hasil produksi perikanan. Metode C4.5 digunakan untuk mengidentifikasi hubungan antara atribut-atribut yang terkait dengan produksi perikanan dan hasil produksi yang terjadi. Langkah-langkah dalam penerapan metode C4.5 melibatkan pemilihan atribut yang paling informatif, pembentukan pohon keputusan, dan proses pruning untuk menghindari overfitting. Hasil eksperimen menunjukkan bahwa metode C4.5 mampu menghasilkan model klasifikasi yang cukup akurat dalam memprediksi hasil produksi perikanan. Selain itu, pohon keputusan yang dibuat memberikan wawasan yang bermanfaat tentang komponen yang mempengaruhi produksi perikanan. Hasil penelitian ini diharapkan dapat memberikan kontribusi penting dalam upaya peningkatan produksi perikanan di Kecamatan Cihaurbeuti dan dapat menjadi dasar untuk pengambilan keputusan yang lebih efektif dalam mengelola sektor perikanan di wilayah tersebut. Penelitian ini juga dapat menjadi contoh bagi penelitian serupa di daerah lain yang menghadapi tantangan serupa dalam mengoptimalkan hasil produksi perikanan. Seluruh rangkaian tahapan pada penelitian ini dapat diukur efektif pada penerapan algoritma C4.5 dalam klasifikasi potensi produksi perikanan di Kecamatan Panjalu. Hasil pengukuran akurasi data yang diperoleh terhadap data produksi perikanan nilai akurasinya mencapai 94.44%. Dan factor yang paling berpengaruh terhadap tingkat produksi perikanan adalah luas kolam.]]>
<![CDATA[ANALISIS CLUSTERING PRESTASI ATLET PADA BERBAGAI CABANG OLAHRAGA MENGGUNAKAN ALGORITMA K-MEANS: STUDI KASUS: DINAS PEMUDA DAN OLAHRAGA KABUPATEN CIREBON ]]>
<![CDATA[Putriana, Puput]]>;
<![CDATA[Suarna, Nana]]>;
<![CDATA[Prihartono, Willy]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v7i6.8211
<![CDATA[Atlet, sebagai individu yang berkomitmen tinggi di berbagai cabang olahraga, mencari pencapaian tertinggi dalam bidangnya. Namun, relevansi dan generalisasi hasil analisis prestasi atlet terhadap seluruh populasi atlet Kabupaten Cirebon belum sepenuhnya dipahami. Penelitian ini fokus pada analisis Clustering prestasi atlet menggunakan algoritma K-Means. Metode ini digunakan untuk mengelompokkan atlet berprestasi di Kabupaten Cirebon berdasarkan atribut seperti Umur, Prestasi, Jenis Kelamin, dan cabang olahraga. Pra-pemrosesan data melibatkan pembersihan dan penanganan data yang tidak valid atau hilang. Hasil analisis Clustering memberikan wawasan tentang pola prestasi, mendukung pengembangan bakat olahraga, dan perencanaan pelatihan yang efektif. Tujuan penelitian ini adalah memberikan wawasan yang lebih mendalam tentang pola prestasi atlet, memfasilitasi pengembangan bakat olahraga, dan merancang program pelatihan yang lebih efektif. Dengan mengidentifikasi klaster atlet berdasarkan karakteristik tertentu, penelitian ini dapat memberikan dasar yang kuat untuk pengambilan keputusan terkait pengembangan olahraga di Kabupaten Cirebon. Dampak tambahan melibatkan pengembangan strategi yang lebih efektif untuk mendukung para atlet dan meningkatkan prestasi olahraga secara keseluruhan di wilayah tersebut.]]>
<![CDATA[ANALISIS PENGELOMPOKKAN DATASET PEMILU 2014 DAN 2019 DPR RI DI KOTA CIREBON MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING ]]>
<![CDATA[Mulyana, Krisna]]>;
<![CDATA[Rahaningsih, Nining]]>;
<![CDATA[Danar Dana, Raditya]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v7i6.8212
<![CDATA[Strategi politik merupakan perencanaan matang yang disusun dan dilaksanakan oleh seluruh partai politik dalam menyongsong tahun politik mendatang. Data perolehan suara sangat penting untuk dikaji lebih dalam agar menjadi informasi bermanfaat bagi peluang kemenangan. Namun, belum dilakukan analisis mendalam terhadap data Pemilu yang tersedia di KPU Kota Cirebon, utamanya data suara DPR RI. Oleh karena itu, penelitian ini bertujuan memanfaatkan teknik data mining agar dapat membantu mempercepat proses pengambilan keputusan strategis dengan menerapkan teknik clustering dalam mengolah data Pemilu untuk memetakan pola persaingan antar parpol dan koalisi di setiap daerah pemilihan. Metode Knowledge Discovery in Database (KDD) dengan Algoritma K-Means Clustering digunakan untuk menganalisis data pemilu. Tahapan KDD dimulai dari seleksi, pra-pemrosesan, transformasi data, klusterisasi dan evaluasi kluster. Penelitian juga mencari nilai parameter K, iterasi, dan measuretype optimal darip algoritma K-Means berdasarkan nilai DBI. Hasil penelitian ini memperoleh Nilai DBI dari iterasi 1 dan numerical measure sebagai measure type terbaik untuk mendapatkan nilai DBI terbaik yaitu 0,334 pada K=3, yang menunjukkan tingkat kompetisi partai yang berbeda di Kota Cirebon, yaitu C1 (tinggi) diperoleh 232 anggota, C2 (menengah) diperoleh 160 anggota, dan C3 (rendah) diperoleh 224 anggota. Hasil ini bermanfaat bagi parpol dalam merumuskan strategi memenangkan pemilu pada basis masa masing-masing.]]>
<![CDATA[MENINGKATKAN PENANGANAN STUNTING PADA ANAK MELALUI KLASIFIKASI PEMBERIAN MAKANAN TAMBAHAN BERDASARKAN USIA DENGAN METODE K-MEANS DI DESA CINTARASA ]]>
<![CDATA[Sayuti Hanapiah, Neneng]]>;
<![CDATA[Suarna, Nana]]>;
<![CDATA[Prihartono, Willy]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v7i6.8213
<![CDATA[Stunting pada anak adalah kompleksitas tantangan kesehatan masyarakat yang memerlukan pendekatan terpadu. Penelitian di Desa Cintarasa bertujuan mengoptimalkan penanganan stunting melalui pengelompokan usia dalam distribusi makanan tambahan menggunakan K-Means. Algoritma data mining K-Means berhasil mengelompokkan data usia dan pola konsumsi makanan tambahan anak-anak di Cintarasa, membentuk klaster yang efektif sesuai kebutuhan gizi. Implementasi ini di Cintarasa dapat menjadi dasar intervensi stunting yang terfokus dan tepat sasaran, dengan penyesuaian program nutrisi berdasarkan karakteristik usia untuk meningkatkan efektivitasnya. Temuan penelitian mencapai tujuan mengklasifikasikan anak-anak stunting menjadi tiga klaster, dipengaruhi oleh jenis makanan tambahan, status gizi, dan usia. Analisis pola dan hubungan antar atribut memberikan pemahaman mendalam tentang faktor-faktor relevan dalam stunting. Pengukuran nilai pusat klaster menunjukkan kohesivitas yang baik, terutama di Klaster 1. Penelitian ini memberikan kontribusi penting untuk mengoptimalkan penanganan stunting anak dengan pendekatan pengelompokan usia K-Means. Dengan nilai Indeks Davies Bouldin (DBI) sekitar 0,489, dapat disimpulkan bahwa distribusi klaster menunjukkan kohesivitas yang baik, terutama di Klaster 1. Sebagai kesimpulan, penelitian ini memberikan kontribusi penting dalam mengoptimalkan penanganan stunting pada anak-anak dengan pendekatan pengelompokan berdasarkan usia menggunakan metode K-Means. Hasilnya dapat digunakan sebagai dasar untuk pengembangan intervensi kesehatan yang lebih terarah dan efektif, dengan mempertimbangkan faktor-faktor seperti jenis makanan tambahan dan status gizi. Dengan demikian, penelitian ini tidak hanya meningkatkan pemahaman tentang variasi stunting, tetapi juga memberikan wawasan berharga untuk meningkatkan kesehatan anak di Cintarasa.]]>
<![CDATA[PENERAPAN DATA MINING UNTUK MENGESTIMASI PERSENTASE PENDUDUK MISKIN DI JAWA BARAT MENGGUNAKAN REGRESI LINIER BERGANDA ]]>
<![CDATA[Sazwati, Anggi]]>;
<![CDATA[Pratama, Denni]]>;
<![CDATA[Anam, Khaerul]]>;
<![CDATA[Wahyudin, Edi]]>;
<![CDATA[Rifa'i, Ahmad]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8214
<![CDATA[Kemiskinan menjadi salah satu permasalahan serius bagi pemerintah Indonesia, termasuk di wilayah Jawa Barat. Tingkat kemiskinan yang tinggi dapat menghambat pembangunan ekonomi, meningkatkan kesenjangan sosial, dan mengurangi kualitas hidup masyarakat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis estimasi persentase penduduk miskin di Jawa Barat dan mengidentifikasi variabel yang berpengaruh terhadap tingkat kemiskinan. Data yang digunakan dalam penelitian ini merupakan data sekunder yang diambil dari sumber resmi Badan Pusat Statistik (BPS). Metode analisis yang digunakan adalah regresi linier sesuai dengan tujuan analisis untuk mengetahui pemahaman tentang sejauh mana variabel independen mempengaruhi variabel dependen dan mampu melakukan prediksi terhadap nilai variabel dependen ketika nilai variabel independen telah diketahui. Dalam penelitian ini diperoleh hasil estimasi pada lima kabupaten di Jawa Barat, yaitu Bogor, Bandung, Kuningan, Cirebon, dan Pangandaran. Evaluasi hasil estimasi dengan menggunakan nilai RMSE sebesar 2.012 dan Relative Error sebesar 18.90%. Analisis lebih lanjut terhadap model menunjukkan bahwa faktor yang berpengaruh terhadap tingkat kemiskinan adalah indeks pembangunan manusia (IPM) dengan korelasi sebesar -0.752, korelasi yang kuat ini mengindikasikan bahwa peningkatan IPM dapat efektif mengurangi tingkat kemiskinan di Jawa Barat.]]>
<![CDATA[PENERAPAN MODEL REGRESI LINIER UNTUK PREDIKSI HARGA SAHAM BANK BCA PADA BURSA EFEK INDONESIA ]]>
<![CDATA[Zapar, Rizky]]>;
<![CDATA[Pratama, Denni]]>;
<![CDATA[Kaslani, Kaslani]]>;
<![CDATA[Rohmat, Cep Lukman]]>;
<![CDATA[Faturrohman, Faturrohman]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v8i1.8215
<![CDATA[Dalam era globalisasi dan kompleksitas pasar modal, analisis prediksi harga saham menjadi elemen krusial bagi keberhasilan investor dan perusahaan. Fluktuasi harga saham yang tidak menentu menciptakan tantangan dalam meramalkan pergerakan pasar. Metodologi KDD (Knowledge Discovery in Databases) digunakan untuk mengekstraksi pengetahuan berharga dari data historis harga saham Bank BCA. Dengan fokus pada metode regresi linier, penelitian ini bertujuan untuk meningkatkan akurasi prediksi harga saham dan memvalidasi model menggunakan K-Fold Cross-Validation. Hasil evaluasi menunjukkan nilai RMSE sebesar 0.032, menandakan tingkat kesalahan yang rendah dan konsistensi kinerja model. Absolute Error sebesar 0.024 dengan rentang 0.007 mengindikasikan kemampuan model memberikan perkiraan yang akurat terhadap pergerakan harga saham. Root Relative Squared Error sebesar 0.138 dengan rentang 0.036 mencerminkan tingkat kesalahan relatif terhadap variasi data yang dapat dipertahankan oleh model. Dengan Squared Error sebesar 0.001 dan rentang 0.001, sebaran kesalahan prediksi model menunjukkan bahwa sebagian besar prediksi model berada dalam kisaran nilai sebenarnya. Model regresi linier dengan pendekatan KDD mampu memberikan prediksi harga saham Bank BCA dengan tingkat akurasi yang tinggi dan konsistensi yang baik, memberikan landasan yang kuat untuk pengambilan keputusan investasi di masa depan.]]>
<![CDATA[PENERAPAN ALGORITMA FP-GROWT DAN ASSOCIATION RULES PADA POLA PEMBELIAN PIZZA HUT ]]>
<![CDATA[Juliadi, Diky]]>;
<![CDATA[Irawan, Bambang]]>;
<![CDATA[Bahtiar, Agus]]>;
<![CDATA[Nurdiawan, Odi]]>
<![CDATA[ JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6 ]]>
Publisher : <![CDATA[Institut Teknologi Nasional Malang ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36040/jati.v7i6.8217
<![CDATA[Teknologi informasi yang berkembang pesat mempengaruhi semua bidang kehidupan. Persaingan dalam dunia usaha menuntut para pengusaha untuk memikirkan cara dan sarana untuk meningkatkan perdagangan produk yang dijual. Namun, sangat mengecewakan ketika muncul situasi dimana terdapat banyak data tetapi sedikit informasi. Situasi ini biasa terjadi di industri ritel. Oleh karena itu, diperlukan suatu cara untuk menemukan pengetahuan di antara tumpukan data. Teknik ini disebut penambangan data. Penambangan data adalah proses mengekstraksi data menggunakan kombinasi teknik pembelajaran mesin, statistik, kecerdasan buatan, dan sistem basis data. Penelitian ini dilakukan dengan menggunakan teknik Knowledge Discovery in Database (KDD) dan algoritma asssociation Rules. Algoritma ini mencari aturan dengan menghitung nilai dukungan dan keyakinan untuk setiap itemset. Penelitian ini bertujuan Untuk mengetahui sejauh mana algoritma association rules dapat membantu perusahaan dalam membangun strategi persediaan barang, dan Untuk Menerapkan algoritma association rules yang dapat membantu dalam menggali informasi yang bermanfaat dari data transaksi penjualan. Hasil analisis dan pengujian yang dilakukan dengan parameter support minimal 20% dan tingkat kepercayaan minimal 70% menghasilkan kombinasi item menu yang dapat dibuat dalam satu menu paket atau bundle dalam proses pengembangan promosi. Hasilnya, pengetahuan tentang pola pembelian Pizza Hut ditemukan, dan informasi tentang Pizza Hut menjadi yang paling populer.]]>
