MARKET BASKET ANALYSIS TREN HIJAB MENGUNAKAN ALGORITMA APRIORI
Abstract
Diketahui perekonomian Indonesia sedang pemulihan akibat pandemi Covid 19 Toko, restoran, hingga pusat perbelanjaan yang biasa ramai pengunjung kini nampak sepi pengunjung akibat adanya anjuran untuk membatasi aktivitas di luar rumah. Bahkan tidak sedikit pula karyawan dari berbagai perusahaan terpaksa dirumahkan akibat pandemi. Covid 19 memang membawa dampak buruk bagi sektor industri, namun disisi lain, ini waktu yang tepat untuk membuka usaha secara mandiri dengan memanfaatkan teknologi. Untuk melakukan strategi pemasaran perlu adanya ilmu data mining menggunakan algoritma apriori untuk mendapatkan informasi asosiasi data barang dari data transaksi penjualan dapat melihat pola pembelian konsumen. Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur yaitu support dan confidence. Hasil dari pengolahan data 30 transaksi melalui Market Basket Analysis terdapat 1 pola asosiasi yang memenuhi syarat adalah jika membeli BLM Kids maka akan membeli BPM Kids dengan confidence tertinggi= 28.58%. Untuk Pola yang didapat bisa digunakan untuk memberikan diskon atau bundling terhadap pola pembelian.
Downloads
References
Alfiyan, A. R., Kahfi, A. H., Kusumayudha, M. R., & Rezki, M. (2019). Analisis Market Basket Dengan Algoritma Apriori Pada Transaksi Penjualan Di Freshfood. IJCIT (Indonesian Journal on Computer and Information Technology, 4(1), 1–8.
Ardiansyah, R., Rani, M., & Edriani, D. (2020). Rancang Bangun Aplikasi Perhitungan Algoritma Apriori Berbasis Website. JURTEKSI (Jurnal Teknologi Dan Sistem Informasi), 7(1), 61–66. https://doi.org/10.33330/jurteksi.v7i1.945
Dengen, C. N., Kusrini, & Luthfi, E. T. (2019). Penentuan Association Rule Pada Kelulusan Mahasiswa Menggunakan Algoritma Apriori. JURTI, 3(1), 20–29.
Fitriyani, F. (2015). Implementasi Algoritma Fp-Growth Menggunakan Association Rule Pada Market Basket Analysis. Jurnal Informatika, 2(1), 296–305.
Hernawati. (2018). Analisis Market Basket Dengan Algoritma Apriori (Study Kasus Toko Alief). Ikraith-Informatika, 2(18), 13–17.
Jupriyanto. (2017). Penentuan Tren Mode Jenis Kayu Hutan Alam Dengan Algoritma Apriori. Ikraith-Informatika, 1(2), 1–8.
Kusrini, & Luthfi, E. T. (2009). Algoritma Data Mining. Penerbit ANDI. https://books.google.co.id/books?id=-Ojclag73O8C&pg=PA13&hl=id&...
Lismardiana, L., Mawengkang, H., & Nababan, E. B. (2016). Pengembangan Algoritma Apriori Untuk Pengambil Keputusan. Jurnal Teknologi Informasi dan Komunikasi, 4(2), 110-121
Nasrah, T., Nasution, K., & Krianto Sulaiman, O. (2021). Penerapan Algoritma Apriori Pada Penjualan Kopi Arabica. Seminar Nasional Teknik (SEMNASTEK) UISU. Vol. 4. No. 1. 2021
Nugrahenny, T. T. (2016). Menyingkap Mekanisme Tanda di Balik Hiperrealitas Tren Hijab: Analisis Semiotika pada Fenomena Tren Hijab JURNAL KomUNIKASI INdoNeSIA. Jurnal Komunikasi Indonesia, V(1), 16–28.
Purba, N. R. S., & Riandari, F. (2021). Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Analisis Keranjang Belanja Transaksi Penjualan Pada PT Madu Kembang Joyo. Jurnal Nasional Komputasi Dan Teknologi Informasi, 4(1), 69–74.
Rahmawati, F., & Merlina, N. (2018). Metode Data Mining Terhadap Data Penjualan Sparepart Mesin Fotocopy Menggunakan Algoritma Apriori. Jurnal Penelitian Ilmu Komputer, System Embedded & Logic, 6(1), 9–20.
Saputra, R. A., Wasiyanti, S., & Nugraha, R. (2020). Penerapan Algoritma Apriori Untuk Analisa Pola Penempatan Barang Berdasarkan Data Transaksi Penjualan. JURNAL SWABUMI, 8(2), 160–170.
Sari, E. N. (2013). Analisa Algoritma Apriori Untuk Menentukan Merek Pakaian Yang Paling Diminati Pada Mode Fashion Group MEdan. Pelita Informatika Budi Darma, IV(3), 35–39.
Witten, I. H., Frank, E., & Hall, M. A. (2012). Data Mining (Third Edition). In Data Mining (Third Edition). https://doi.org/https://doi.org/10.1016/B978-0-12-381479-1.00016-2
Copyright (c) 2022 Hernawati Hernawati, Muhadi Hariyanto
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Penulis yang menerbitkan jurnal ini menyetujui ketentuan berikut:
1. Penulis memegang hak cipta dan memberikan hak jurnal mengenai publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution 4.0 International License. yang memungkinkan orang lain untuk berbagi karya dengan pengakuan atas karya penulis dan publikasi awal pada jurnal.
2. Penulis dapat memasukkan pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan (misalnya, mengirimkannya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya pada Jurnal.
3. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, dalam penyimpanan institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena hal itu dapat menghasilkan pertukaran yang produktif, serta kutipan dari karya yang diterbitkan sebelumnya.
