Implementasi Algoritma Apriori Dalam Analisa Penjualan Sparepart Motor
DOI:
https://doi.org/10.33480/jasdim.v1i1.2999Kata Kunci:
Data Mining, Algoritma Apriori, Analisis Asosiasi, Suku CadangAbstrak
Abstract— The use of Apriori algorithms to develop business statistics in the sales field has been done a lot. This is due to association rules, which can find patterns that are associated with the products sold; for example, product x can be bought along with product y. A spare part is an important component in a vehicle engine whose usage is, of course, limited by the time of use. PT Hope Motorcycle Safety Branch IV is a company that operates in the field of service and spare parts providers for various types of motorcycles. In the process of running, it is often found that spare parts do not meet the sales target. This can lead to stock accumulation. For that, the company needs to adopt a sales strategy so that sales turnover rises. The data collected will be classified using the algorithm a priori and calculated using the application Tanagra version 1.4. The results of this study are to produce a support value of 33.33% and a confidence value of 100%.
Keywords: sparepart, Analysis of associations, algorithm apriori, data mining
Abstrak—Pemanfaatan Algoritma Apriori untuk mengembangkan stategi bisnis dibidang penjualan sudah banyak dilakukan. Hal ini dikarenakan dengan asociation rules, dapat mencari dan menemukan pola-pola yang berasosiasi diantara produk-produk yang dijual, contohnya produk x dapat dibeli bersamaan dengan produk y. Sparepart adalah komponen penting dalam suatu mesin kendaraan yang pemakaiannya tentu saja dibatasi oleh waktu penggunaan. PT Harapan Motor Sejahtera Cabang IV adalah perusahaan yang bergerak dibidang jasa service dan penyedia sparepart berbagai jenis motor. Dalam proses berjalan, sering dijumpai sparepart yang tidak memenuhi target penjualan. Hal ini dapat menyebabkan penumpukan stok digudang. Untuk itulah, perusahaan perlu mengambil strategi penjualan supaya omzet penjualan naik. Data penjualanyang dikumpulkan akan dilakukan klasifikasi data menggunakan algoritma apriori dan perhitungannya menggunakan aplikasi Tanagra versi 1.4. Hasil dari penelitian ini yaitu menghasilkan nilai support 33,33% dan nilai confidence 100%.
Referensi
Aritonang, J., & Saragih, S. P. (2017). Implementasi Data Mining pada Penjualan Menggunakan Algoritma Apriori di PT. Selatan Indobatam Mandiri. Comasie, 2(2), 31–39.
Kristania, Y. M., & Listanto, S. (2022). Implementasi Data Mining Terhadap Data Penjualan Dengan Algoritma Apriori Pada Pt. Duta Kencana Swaguna. Jurnal Teknoinfo, 16(2), 364. https://doi.org/10.33365/jti.v16i2.1973
Nizaela F, A. F., Susyanto, T., & Vulandari, R. T. (2022). Implementasi Algoritma Apriori pada Tata Letak Kategori Buku di Perpustakaan. Jurnal Ilmiah SINUS, 20(1), 23. https://doi.org/10.30646/sinus.v20i1.566
Purwaningtias, F., Defiyanti, N. E., & Apriori, A. (2022). Penggunaan algoritma apriori untuk penjualan sparepart. 08(02), 11–18.
Ramadhan, M., Hutagalung, J., Dahria, M., Zulkarnain, I., & Jaya, H. (2023). Prediksi Penjualan Spare Part Mobil Daihatsu Menggunakan Algoritma Apriori. Techno.Com, 22(1), 156–166. https://doi.org/10.33633/tc.v22i1.7192
Subakti, G. P., & Nataliani, Y. (2022). Analisis Data Transaksi untuk Penempatan Produk Prioritas Oli Motor Menggunakan Algoritma Apriori. INOVTEK Polbeng - Seri Informatika, 7(2), 243. https://doi.org/10.35314/isi.v7i2.2684
