PENERAPAN ALGORITMA APRIORI PADA DATA TRANSAKSI PENJUALAN HYPERMART XYZ LAMPUNG UNTUK PENENTUAN TATA LETAK BARANG

Puput Iswandi, Inggih Permana, Febi Nur Salisah

Abstract


Hypermart XYZ Lampung adalah bentuk pasar modern yang mengusung konsep belanja dengan harga rendah. Berdasarkan hasil wawancara dengan pihak Hypermart XYZ, barang di hypermart ini hanya disusun berdasarkan kategori barang dan berdasarkan permintaan khusus dari pemasok. Seharusnya, tata letak barang memperhatikan kebiasaan berbelanja pelanggan untuk memudahkan pelanggan mencari barang yang akan dibeli. Kebiasaan berbelanja pelanggan yang perlu diketahui adalah apa saja barang-barang yang sering dibeli bersamaan. Barang yang dibeli bersamaan akan dijadikan dasar untuk meletakkan barang. Untuk mendapatkan barang-barang yang sering dibeli bersamaan tersebut studi ini menggali informasi dari data transaksi penjualan barang menggunakan Algoritma Apriori. Algoritma Apriori adalah algoritma untuk mencari aturan asosiatif. Berdasarkan penerapan Algoritma Apriori menggunakan nilai minimum support 10% dan nilai minimum confidence 65%, didapat sembilan aturan asosiatif. Dari sembilan aturan tersebut, didapat enam kategori barang yang disarankan untuk diletakkan berdekatan, yaitu: (1) H & B; (2) milk / coffee / tea; (3) detergent; (4) bulk product; (5) biscuit / snack; dan (6) sauces & spices.

Full Text:

PDF

References


Andrianus S, Matias., Karim, Suhartini., Eka, Dian. 2013. Analisis Bauran Pemasaran Ritel Terhadap Positioning Lotte Mart Wholesale Palembang (Studi Kasus Perbandingan Antara Lottemart Wholesale Dengan Indogrosir Palembang). Jembatan - Jurnal Ilmiah Manajemen Bisnis dan Terapan. 10(1): 63-75.

Arifianti, Ria. 2016. Analisis Tata Letak dalam Perspektif Ritel. Jurnal AdBispreneur. 1(3): 251-258.

Rodiyansyah, Sandi Fajar. 2015. Algoritma Apriori untuk Analisis Keranjang Belanja pada Data Transaksi Penjualan. Infotech Journal. 1(2): 36-39.

Aditya., Marisa, Fitri., Purnomo, Dwi. 2016. Penerapan Algoritma Apriori Terhadap Data Penjualan di Toko Gudang BM. JOINTECS - Journal of Information Technology and Computer Science, 1(1): 1-5.

Triyanto, Wiwit Agus. 2014. Association Rule Mining untuk Penentuan Rekomendasi Promosi Produk. Jurnal SIMETRIS. 5(2): 121-126.

Maskuroh, Siti. 2014. Analisis Keranjang Belanja dengan Aturan Asosiasi Menggunakan Algoritma Apriori untuk Stok Barang Pada Listrikmart. Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Semarang.

Gunadi, Goldie., Sensuse, Dana Indra. 2012. Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku dengan Menggunakan Algoritma Apriori dan Frequent Pattern Growth (FP-Growth): Studi Kasus Percetakan PT. Gramedia. Jurnal TELEMATIKA MKOM. 4(1): 118-132.

Listriani, Dewi., Setyaningrum, Anif Hanifa., Eka M. A, Fenty. 2016. Penerapan Metode Asosiasi Menggunakan Algoritma Apriori pada Aplikasi Analisa Pola Belanja Konsumen (Studi Kasus Toko Buku Gramedia Bintaro). Jurnal Teknik Informatika. 9(2): 120-127.

Anggraeni, Hapsari Dita., Saputra, Ragil., Noranita, Beta. 2014. Aplikasi Data Mining Analisis Data Transaksi Penjualan Obat Menggunakan Algoritma Apriori (Studi Kasus di Apotek Setya Sehat Semarang). Journal of Informatics and Technology. 2(2): 24-28.

Buulolo, Efori. 2013. Implementasi Algoritma Apriori Pada Sistem Persediaan Obat (Studi Kasus: Apotik Rumah Sakit Estomihi Medan). Pelita Informatika. 4(1): 71-83.

Yanto, Robi., Khoiriah, Riri. 2015. Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola Pembelian Obat. Citec Journal. 2(2): 102-113.

Srikanti, Esis., Yansi, Rizka Fitri., Norhavina, Norhavina., Permana, Inggih., Salisah, Febi Nur. 2018. Penerapan Algoritma Apriori untuk Mencari Aturan Asosiasi pada Data Peminjaman Buku di Perpustakaan. Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi. 4(1): 77-80.

Agrawal, Rakesh., Srikant, Ramakrishnan. 1994. Fast Algorithms for Mining Association Rules. Dalam Prosiding Konferensi VLDB ke 20.

Han, Jiawei., Kamber, Micheline., Pei, Jian. 2001. Data Mining: Concepts and Techniques. San Francisco: Morgan Kauffman.




DOI: http://dx.doi.org/10.24014/rmsi.v6i1.7613

Refbacks

  • There are currently no refbacks.