Kaban, Ekinnisura (2024) ANALISIS POLA PEMBELIAN PELANGGAN DENGAN TEKNIK ASSOCIATION RULE MENGGUNAKAN ALGORITMA APRIORI UNTUK MENENTUKAN REKOMENDASI PAKET PRODUK (STUDI KASUS : TOKO KIRANA SELAT). Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2015091076-COVER.pdf Download (680kB) |
|
Text (ABSTRAK)
2015091076-ABSTRAK.pdf Download (35kB) |
|
Text (BAB 1 PENDAHULUAN)
2015091076-BAB 1 PENDAHULUAN.pdf Download (244kB) |
|
Text (BAB 2 KAJIAN TEORI)
2015091076-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (267kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2015091076-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (604kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2015091076-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (554kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2015091076-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (88kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2015091076-DAFTAR PUSTAKA.pdf Download (151kB) |
|
Text (LAMPIRAN)
2015091076-LAMPIRAN.pdf Download (1MB) |
Abstract
Toko Kirana Selat menghadapi tantangan dalam merancang strategi penjualan berbasis paket produk promosi, sehingga berencana memanfaatkan data transaksi untuk menganalisis pola pembelian pelanggan. Untuk mencapai tujuan ini, penelitian menerapkan teknik data mining menggunakan algoritma Apriori, yang berfungsi menemukan produk-produk yang sering dibeli bersamaan. Data transaksi periode Januari hingga Juni 2024 yang berjumlah 49.316 transaksi digunakan sebagai dasar analisis. Setelah melalui tahap pembersihan dan transformasi data, algoritma Apriori diaplikasikan untuk menganalisis pola frekuensi tinggi, yang menghasilkan 877 itemset, terdiri dari frequent 1-itemset hingga 4-itemset. Selanjutnya, penentuan minimum support sebesar 0.003 menghasilkan 343 itemset, yang terdiri dari 325 frequent 1-itemset dan 18 frequent 2-itemset yang dipakai dalam pembentukan aturan asosiasi. Pada tahap awal pembentukan aturan, algoritma Apriori menghasilkan 36 aturan asosiasi yang menggambarkan keterkaitan antara berbagai produk yang sering dibeli bersama. Setelah penyaringan dengan minimum confidence 0.5, diperoleh 3 aturan asosiasi yang relevan. Aturan-aturan ini memiliki nilai lift ratio lebih dari 1, menunjukkan bahwa produk antecedent dan consequent dalam aturan tersebut benar-benar dibeli bersama oleh pelanggan. Hasil analisis ini mendukung Toko Kirana Selat dalam merancang paket promosi yang lebih efektif, meningkatkan penjualan, serta memberikan keunggulan kompetitif. Selain itu, penelitian ini menghasilkan sistem berbasis Python yang memungkinkan toko menganalisis data transaksi secara mandiri, memperbarui strategi penjualan, serta menyesuaikan pola pembelian sesuai data terbaru yang terus bertambah.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Algoritma Apriori, Data Mining, Minimum Support, Minimum Confidence, Pola Pembelian |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1) |
| Depositing User: | Ekinnisura kaban |
| Date Deposited: | 26 Nov 2024 11:51 |
| Last Modified: | 26 Nov 2024 11:51 |
| URI: | http://repo.undiksha.ac.id/id/eprint/22488 |
Actions (login required)
 |
View Item |