Search

Bisnis retail fashion adalah salah satu bidang usaha yang selalu berkembang dan memiliki banyak peminat. Selain perusahaan dengan brand fashion yang terkenal, bisnis ini juga banyak ditemukan dalam usaha skala kecil dan menengah, dimana dalam pelaksanaan proses bisnisnya masih dilakukan secara manual mulai dari pembelian, manajemen persediaan dan penjualan barang. Ketiga proses tersebut merupakan hal yang sangat penting dalam bisnis, karena saling berkaitan satu sama lain. Pencatatan yang dilakukan secara manual seringkali memungkinkan terjadinya ketidakakuratan data, masalah yang sering ditemukan adalah dalam perhitungan persediaan barang yang dapat menyebabkan terjadinya kehabisan atau stok yang menumpuk. Selain itu pemeriksaan dan pembaruan data, serta pembuatan laporan yang dilakukan secara manual menghabiskan waktu cukup lama. Dengan menggunakan sistem informasi pembelian, persediaan, dan penjualan dapat membantu pemilik usaha dalam menjalankan bisnisnya karena sistem yang dirancang sudah terintegrasi, dan dengan menerapkan metode algoritma apriori dapat membantu merekomendasikan produk mana yang sedang trend berdasarkan transaksi dari pelanggan. Dengan meminimalisasikan penginputan data, sehingga dapat membantu penjual untuk menentukan produk yang harus dipesan kembali. Hasil pengujian sistem menggunakan Technology Acceptance Model (TAM) yang diolah dengan aplikasi SmartPLS terhadap data sebanyak 37 responden, memberikan hasil bahwa hipotesis kedua yaitu Behavioral Intention to Use (BITU) berpengaruh kepada Actual System Use (ASU), hipotesis keempat yaitu Perceived Ease of Use (PEOU) berpengaruh kepada Perceived Usefulness (PU), dan hipotesis kelima yaitu Perceived Usefulness (PU) berpengaruh kepada Attitude Towards Using (ATU), dan variable lainnya tidak berpengaruh.

Musyawarah store is a grocery store that provides a variety of daily needs. The products sold at the deliberative shop include necessities, kitchen spices, toiletries, laundry soap, and house cleaners. So far, sales data has never been analyzed. Data analysis with data mining can generate new knowledge to help shop owners manage inventory strategies and display items for sale. This study aimed to determine the pattern of the high frequency of items sold in the Musyawarah grocery store using data mining methods. The Apriori algorithm analyzes sales transactions at the Musyawarah grocery store. Based on the observations and calculations that the authors have made of the final association results, namely, if you buy eggs, you will buy Indomie rebus with 50% support and 58% confidence, and if you buy Indomie rebus, you will buy eggs with 50% support and 100% confidence. While sasa is the product that does not sell well with the smallest confidence value.

The company produces sales data every day. Over time, the data increases, and the amount becomes very large. The data is only stored without understanding the benefits that exist from these data due to limitations in proper knowledge in analyzing the data, especially transaction data. Sale. To overcome these problems, a study focused on reprocessing sales transaction data in 2018 with a data mining technique approach using the Knowledge Discovery in Database (KDD) concept using the association method and apriori algorithm and a supporting application, namely RapidMiner. This study aims to help companies find customer buying habits or patterns based on 2018 sales transaction data. The results of this study produce 316 association rules where the best rules are generated on record 309 with PRO 889 & PRO 868 PRO 869 rules.

Perpustakaan memiliki sistem informasi untuk mempermudah manajemen sirkulasi buku. Sistem informasi biasanya hanya menghasilkan laporan harian, mingguan atau bahkan bulanan saja. Data mining adalah suatu cara dalam menemukan pengetahuan baru pada basis data dari suatu sistem informasi. Data mining mampu mengurai basis data untuk melakukan ekstraksi pengetahuan yang tidak ditemukan sebelumnya oleh sistem informasi. Asosiasi merupakan salah satu metode data mining yang bisa dipakai untuk menggali suatu pengetahuan baru. Teknik asosiasi memiliki berbagai algoritma yang dapat digunakan sebagai pendekatan dalam membentuk kombinasi produk, salah satunya adalah menggunakan algoritma apriori. Apriori berjalan dengan melakukan pendekatan dengan iterasi berulang pada basis data, dimana k-itemset dipakai membentuk (k+1)-itemset selanjutnya. Aturan asosiasi dimulai dengan penyiapan basis data serta setting nilai batas support dan confidence. Apriori melakukan scaning basis data secara berulang untuk membuat kombinasi dan mencatat kemunculannya pada semua transaksi. Frequent itemset atau kombinasi yang paling sering muncul diambil dari itemset yang total kemuculannya lebih besar atau sama dengan ambang nilai support yang ditentukan. Data yang dipakai pada riset ini adalah sampel 100 data peminjaman dari basis data sistem informasi perpustakaan Universitas Pendidikan Nasional. Terdapat 42 judul buku yang memenuhi minimum support, berhasil dibentuk 40 aturan asosiasi yang sesuai memenuhi minimum confidence. Berdasarkan analisis dan pembahasan tersebut diatas maka dapat dilihat bahwa algoritma apriori dapat menemukan frequent itemset tersembunyi dari data peminjaman buku yang digunakan untuk membentuk aturan asosiasi. Aturan asosiasi yang dihasilkan bisa dipakai mendukung keputusan penataan buku yang baik guna meningkatkan minat baca anggota perpustakaan.

Diseminasi hasil publikasi adalah salah satu tugas wajib yang dimiliki oleh dosen Universitas Ahmad Dahlan dengan menghasilkan berbagai macam judul artikel publikasi. Namun permasalahannya adalah artikel tersebut belum diketahui analisis pola pasangan kata yang sering dipasangkan bersamaan. Penelitian ini bertujuan untuk mencari pola pasangan kata dari judul artikel publikasi dengan algoritma Apriori. Penelitian ini dilakukan dengan empat tahapan. Tahapan pertama adalah dengan mengkaji penelitan terdahulu, mengumpulkan data serta menganalisis. Tahap kedua adalah melakukan crawling data artikel publikasi dari Google Scholar. Data judul publikasi yang telah diperoleh dilakukan text preprocessing untuk menghasilkan data yang relevan dalam tahap ketiga. Kemudian melakukan pencarian aturan asosiasi pola pasangan kata menggunakan algoritma Apriori dengan menentukan nilai confidence dan support berdasarkan data yang telah melalui tahap text preprocessing. Dalam penelitian ini menggunakan data judul artikel publikasi dengan jumlah sebanyak 476 data. Berdasarkan 10 kali percobaan yang dilakukan dengan menggunakan nilai support dan confidence yang berbeda, maka diperoleh hasil rules terbanyak dan memungkinkan untuk dianalisa adalah sebanyak 23 rules dengan nilai tertinggi untuk support, confidence dan lift ratio adalah 13%, 88% dan 12.62, masing-masing.

Penalaran adaptif adalah salah satu komponen kunci dari kemahiran matematika. Dalam perkembangannya diketahui penalaran adaptif didukung oleh aspek non-kognitif individu yakni affective dan behavioral. Sejumlah teori mengungkapkan peluang optimalisasi aspek non-kognitif untuk pengembangan kemampuan penalaran adaptif. Tujuan penelitian ini adalah menelusuri faktor non-kognitif yang berpeluang memberi dampak pada optimalisasi kemampuan penalaran adaptif melalui pola asosiasi yang muncul pada basis data. Pendekatan penelitian data mining dengan teknik penemuan pola asosiasi (Association Rule Mining) atau Algoritma Apriori digunakan sebagai metode penelusuran faktor. Langkah penelitian yang dilakukan yakni persiapan data (fiksasi instrumen dan penentuan sampel penelitian), pengolahan data (preprocess dan transformation), dan mining dan analisa (menentukan nilai support dan nilai confidence serta interpretasi hasil). Subjek penelitian yakni siswa Sekolah Menengah Atas di lingkungan Kota Serang yang memiliki rentang usia 16-17 tahun. Adapun untuk sampel penelitian diambil sebanyak 100 orang siswa yang mengisi tes kognitif dan non-kognitif. Berdasarkan hasil pengujian dan analisis data diketahui bahwa seorang siswa memiliki kemungkinan 100% berada di level tinggi kemampuan penalaran adaptif jika memiliki dominasi penggunaan otak kiri, self-efficacy di level yang minimal sedang, kecenderungan kepribadian Melankolis dan ­self-directed learning berada di level tinggi. Adaptive reasoning is one of the key components of mathematical proficiency. In its development, it is known that adaptive reasoning is supported by individual non-cognitive aspects, namely affective and behavioral. A number of theories reveal opportunities for optimizing non-cognitive aspects for the development of adaptive reasoning skills. The purpose of this study is to explore non-cognitive factors that have the possibility to impact on optimizing adaptive reasoning skills through association rule appeared in the database. Data mining research approach with association rule mining technique or Apriori Algorithm is used as a factor tracing method. The research steps carried out were data preparation (fixation of instruments and determination of research samples), data processing (preprocess and transformation), and mining and analysis (determining support values and confidence values and interpretation of results). The research subjects were high school students in Kota Serang who have an age range of 16-17 years. As for the research sample, 100 students were taken who filled out cognitive and non-cognitive tests. Based on the results of testing and data analysis, it is identified that a student has a 100% probability of being at a high level of adaptive reasoning skills if he has left brain dominance, self-efficacy is at a minimum level of moderate, Melancholic personality tendencies and self-directed learning are at a high level.

Semakin pesatnya pertumbuhan bisnis bidang kuliner, membuat persaingan bisnis dibidang ini juga semakin ketat. Warung tenda atau yang biasanya disebut warten banyak menyajikan menu dan minuman, namun perlunya pelaku bisnis berusaha menghasilkan inovasi produk demi memberikan pelayanan memuaskan kepada pelanggan. Pada kondisi tersebut dibutuhkan sebuah teknik pengolahan data untuk mengetahui rekomendasi menu pada Warung Tenda. Metode analisis yang digunakan adalah teknik data mining dengan algoritma Apriori, dimana algoritma ini untuk mennetukan himpunan data yang paling sering muncul (frequent itemset). Hasil dari penelitian didapatkan bahwa Nilai Support dan Confidence tertinggi ialah Es Teh Manis dan Mendoan dengan nilai Support 50% dan Confidence 76%. Hal ini dapat menjadi rekomendasi kombinasi menu dari data yang telah dikumpulkan dan diterapkan algoritma apriori sehingga diharapkan dapat digunakan untuk evaluasi pelayanan serta mampu meningkatkan kepuasaan pelanggan agar Warung tenda dapat berkembang lebih pesat.

Pada masa pengisian rencana studi, banyak mahasiswa Universitas Budi Luhur merasa kesulitan dalam memilih mata kuliah yang akan diambil di semester berikutnya. Kesalahan dalam pemilihan mata kuliah dapat berdampak pada pencapaian prestasi yang tidak optimal serta dapat menghambat kelulusan maha-siswa. Peran dosen pembimbing akademik (PA) dalam membantu mahasiswa menentukan mata kuliah di semester yang akan datang sangatlah penting, tetapi pada beberapa kasus, terdapat dosen pembimbing akademik yang tidak memiliki waktu untuk berdiskusi secara langsung dengan mahasiswa. Oleh karena itu, penelitian ini bertujuan mengembangkan sebuah sistem yang dapat memberikan rekomendasi bagi mahasiswa dalam pengambilan mata kuliah pada saat mengisi rencana studi untuk semester selanjutnya. Sistem rekomendasi pemilihan mata kuliah ini menggunakan metode association rule mining dengan al-goritma apriori. Data riwayat pengambilan mata kuliah mahasiswa dievaluasi menggunakan algoritma apriori untuk selanjutnya dihasilkan rekomendasi pengambilan mata kuliah di semester berikutnya. Hasil pengujian terhadap sistem menunjukkan rata-rata persentase akurasi rekomendasi rencana studi sebesar 80,16% dengan minimum confidence sebesar 80%, dan minimum support sebanyak 7. Hasil tersebut menunjukkan bahwa sistem ini dapat membantu mahasiswa dalam melakukan pemilihan mata kuliah di semester yang akan datang.

Copyright of Techno.com is the property of Universitas Dian Nuswantoro, Fakultas Ilmu Komputer and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

PT Delta Garda Persada merupakan perusahaan yang bergerak dalam bidang outsourcing yaitu perusahaan yang bergerak dalam bidang penyedia jasa tenaga pengamanan. Seiring dengan meningkatnya kebutuhan akan jasa pengamanan, maka transaksi pengerluaran akan perlengkapan satpam juga terus meningkat dan menghasilkan tumpukan data yang semakin lama semakin besar. Jika hal ini dibiarkan, maka data-data transaksi tersebut akan menjadi tumpukan sampah yang merugikan karena membutuhkan media penyimapan/database yang semakin besar. Masalah yang sering terjadi diantaranya sering kehabisan stok perlengkapan satpam dikarenakan permintaan yang semakin banyak dan hasil laporan transaksi pengeluaran selama ini hanya menjadi pemberitahuan untuk manajamen saja. Padahal kumpulan data tersebut memiliki informasi yang sangat bermanfaat. Penelitian ini melakukan analisa data dengan menggunakan algoritma apriori, dengan metode tersebut dapat diketahui pola pengeluaran perlengkapan satpam yang sering keluar dalam waktu bersamaan dengan melihat nilai support dan confidence-nya. Dalam proses pengolahan data menggunakan perhitungan manual melului Microsoft Excel 2013 dan software RapidMiner 9.8 untuk menganalisa data transaksi pengeluaran perlengkapan satpam pada PT Delta Garda Persada. Pada penelitian ini menggunakan minimial support sebesar 25% dan minimal confidence 75%. Dan Penelitian ini menghasilkan 6 aturan asosiasi

CV. XYZ merupakan perusahaan distribusi alat teknik pertanian di kota Sragen yang harus memenuhi kebutuhan konsumennya dan menentukan strategi yang paling tepat guna memaksimalkan penjualan. Perusahaan memiliki permasalahan dengan pengaturan persediaan barang karena kurang memahami pola pelanggan ketika membeli barang yang dibeli dalam waktu bersamaan, sehingga penelitian ini dilakukan agar perusahaan bisa memperoleh informasi dan bisa mengambil keputusan tentang pembaharuan stok persediaan barang yang lebih tepat dan sesuai dengan kebutuhan. Penelitian ini dilakukan dengan memanfaatkan salah satu pendekatan data mining berupa metode asosiasi dengan algoritma apriori. Penggunaan metode asosiasi dilakukan untuk melihat hubungan antar barang misal konsumen membeli barang A maka juga membeli barang B, sedangkan analisis dengan algoritma apriori digunakan untuk menentukan nilai support dan nilai confidence. Hasil dari penelitian ini adalah jika membeli pompa air dan selang, maka nilai support serta confidence yang didapat sebesar 30,28% dan 96,36%, pompa submersible dan tali kuralon dengan nilai support 34,28% dan nilai confidence sebesar 90,9%. Pola yang lain adalah tali kuralon dan pompa submersible dengan nilai support 34,28% dan nilai confidence sebesar 100%, serta selang dan pompa air dengan nilai support 30%, nilai confidence sebesar 88,33%.

Copyright of Techno.com is the property of Universitas Dian Nuswantoro, Fakultas Ilmu Komputer and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

The Anakku Foundation Cooperative is a multi-business cooperative consisting of shop businesses, savings and loans, and student shuttle services. Every sale of stuff services will be inputted data directly to each business unit. The Anakku Foundation Cooperative still has problems, including store transactions that cannot yet answer what items are often sold, when stock items are still difficult to determine the items that are still available or almost running out. Data mining techniques have been mostly used to overcome existing problems, one of which is the application of the Apriori algorithm to obtain information about the associations between products from a transaction database. Transaction data on school equipment sales at Cooperative Employees of Anakku Foundation can be reprocessed using Data mining applications so as to produce strong association rules between itemset sales of school supplies so that they can provide recommendations for item alignment and simplify the arrangement or strong item placement related to interdependence. The results are found that the highest value of support and confidence is if buying MUSLIM L1.5P1, so it would buy AL-IZHAR II LOGO with a value of 14.5% support and 79.5% confidence

Didalam dunia bisnis, setiap perusahaan sudah tentu harus bisa bersaing dan berpikir bagaimana caranya agar perusahaan bisa terus berkembang dan dapat memperluas skala bisnisnya tersebut. Agar dapat meningkatkan penjualan produk yang dijual, para pelaku usaha harus mempunyai strategi. Salah satu cara yang bisa dilakukan adalah dengan memanfaatkan seluruh data transaksi penjualan yang telah terjadi di CV. Gaskindo Sentosa. Penelitian ini bertujuan untuk mengetahui bahwa Pada CV. Gaskindo Sentosa dapat beberapa permasalahan yang kerap muncul mengenai penjualan produk. Dalam data transaksi penjualan tersebut, perusahaan sulit mendapatkan informasi - informasi strategis yang ada seperti frekuensi penjualan per periode bahkan pertahun, dan produk yang paling diminati. Hal ini disebabkan karena belum terorganisir dalam pengolahan data.

The implementation of a marketing strategy requires a reference so that promotion can be on target, such as by looking for similarities between product items. This study examines the application of the association rule method and apriori algorithm to the purchase transaction dataset to assist in forming candidate combinations among product items for customer recommended product promotion. The purchase transaction dataset was collected in October and November 2018 with a total data of 1027. In the experiment, the minimum value of support is 85%, and the minimum confidence value is 90% by processing data using the Weka software 3.9 version. Apriori algorithm can form association rules as a reference in the promotion of company products and decision support in providing product recommendations to customers based on defined minimum support and confidence values.

Data transaksi penjualan produk kartu perdana kuota internet dapat dijadikan sebagai bahan acuan untuk mengetahui seberapa besar tingkat penjualan produk yang telah dipasarkan oleh beberapa operator telekomunikasi seluler. Data tersebut tidak hanya dijadikan sebagai data arsip penyimpanan laporan penjualan perusahaan saja, tetapi dapat dianalisa dan dimanfaatkan menjadi sebuah informasi untuk membantu dalam melakukan pengembangan strategi pemasaran produk. Tujuan dari penelitian ini yaitu untuk menemukan aturan asosiasi kombinasi antar item produk operator telekomunikasi seluler mana saja yang paling laku terjual di wilayah penjualan Priangan Timur meliputi cluster Ciamis, Garut dan Tasikmalaya. Perhitungan Algoritma Apriori pada aturan asosiasi ini dihitung melalui tiga tahap iterasi pembentukan kandidat k-itemset. Hasil analisa aturan asosiasi yang terbentuk dari perhitungan algoritma apriori dengan menentukan nilai minimum support 35% dan nilai minimum confidence 80%, menghasilkan 9 aturan asosiasi final terbaik pada cluster Ciamis, 21 aturan asosiasi final untuk cluster Tasikmalaya dan 7 aturan asosiasi final untuk cluster Garut. Ketiga wilayah penjualan tersebut produk yang paling sering laku terjual dipasaran outlet adalah produk dari operator kartu kuota internet XL dengan Telkomsel dan produk Indosat dengan Telkomsel. Dengan demikian hasil yang diperoleh dapat digunakan untuk membantu pengambil keputusan dalam meningkatkan penjualan produk yang lebih baik

One indicator of college efficiency is the study period of the students. It is important for university managers to improve the ratio of students who graduate on time. This research aims to analyze the characteristics that affect the study period of students from academic data. The methods used are association rule mining (ARM) and clustering. We propose a framework to analyze academic data using ARM dan clustering method. ARM method is a method to find association rules that meet minimum support and minimum confidence. The algorithm used is Apriori. While clustering using Simple Expectation-Maximization (EM-clustering) algorithm. Simple EM is a model-based algorithm that searches for maximum likelihood estimation in the probability model. The variables analyzed were student achievement index, province of the students, and type of high school. The analysis is done using WEKA. Research begins with the collection of data from the primary source of the Biro Administrasi Akademik (BAA) Universitas Muhammadiyah Malang (UMM). Then, we do the data cleaning and transformation. Analyzing process is done in two step. First, do a rule search using Apriori algorithm. The regulated parameters are the minimum support and minimum confidence value. Second, we use Simple EM algorithm for the clustering process. The experiments were conducted to find the clustering result with the largest log likelihood value. Based on the experiment, the method used successfully describes the characteristics based on the study period.

Salah satu fungsional dari data mining adalah analisis asosiasi. Asosiasi sering disebut analisis keranjang pasar karena biasa digunakan untuk mengidentifikasi item-item produk yang kemungkinan dibeli oleh konsumen bersamaan dengan produk lain. Pada penelitian ini metode asosiasi diterapkan untuk melihat pola laju pertumbuhan antar sektor ekonomi penyusun Produk Domestik Regional Bruto (PDRB) di wilayah Provinsi Sumatera Selatan dan Bangka Belitung. Data yang diteliti adalah data kurun waktu tahun 1993 hingga tahun 2018. Adapun algoritma yang digunakan dalam melakukan analisis asosiasi adalah algoritma apriori. Pengolahan data mengikuti tahapan proses knowledge discovery from data (KDD) dengan bantuan perangkat lunak Rapid Miner. Hasil akhir penelitian ini diperoleh dari 17 sektor ekonomi yang ada terdapat 7 buah pola hubungan antar sektor ekonomi di Provinsi Sumatera Selatan dan 14 buah pola hubungan antar sektor ekonomi di Provinsi Bangka Belitung. Melalui penelitian ini diharapkan dapat memberi manfaat bagi pemerintah, khususnya pemerintah kedua provinsi, dalam merancang program pembangunan untuk masa yang akan datang. Penelitian ini juga dapat digunakan pada penelitian yang lain sebagai referensi pengaplikasian analisis asosiasi data mining di luar data transaksi belanja.

Copyright of Techno.com is the property of Universitas Dian Nuswantoro, Fakultas Ilmu Komputer and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)