ANALISIS POLA ASOSIASI PENJUALAN PRODUK RITEL DENGAN PLATFORM GOOGLE COLAB

  • Miftahul Arifin Universitas Wiraraja
  • Fauzi Helmi Universitas Wiraraja
  • Dafiq Fajri Alamsyah Sistem Informasi, Fakultas Teknik, Universitas Wiraraja, Indonesia

Abstract

Minimarket Assalafi menghadapi penurunan penjualan dan belum memiliki sistem pengolahan data penjualan yang efektif untuk menghasilkan aturan asosiasi. Penelitian ini bertujuan untuk meningkatkan penjualan melalui analisis pola pembelian pelanggan dengan menggunakan Algoritma Apriori. Data yang digunakan adalah sampel penjualan dalam format Microsoft Excel yang mencakup 178.798 record dari 55.989 transaksi. Pengolahan data dilakukan melalui beberapa tahapan di Google Colab, termasuk impor data, seleksi data, pembersihan data, pra-pemrosesan, dan menjalankan algoritma data mining.

Penelitian ini juga membandingkan efisiensi dan akurasi pengolahan data menggunakan Google Colab dan Rapidminer. Metode pengujian sistem dilakukan melalui Focus Group Discussion (FGD) untuk mengevaluasi mekanisme pengolahan data yang diusulkan.

Hasil penelitian menunjukkan bahwa Algoritma Apriori efektif dalam menemukan aturan asosiasi dan Google Colab lebih unggul dibandingkan Rapidminer untuk pengolahan data ini. Sistem pengolahan data yang diusulkan melalui Google Colab dinilai efektif dan layak digunakan. Penelitian ini memberikan panduan praktis untuk memanfaatkan data penjualan dalam rangka meningkatkan strategi pemasaran dan penjualan di Minimarket Assalafi.

References

. Amrin (2017) ‘Data Mining Dengan Algoritma Apriori untuk Penentuan Aturan Asosiasi Pola Pembelian Pupuk’, Paradigma, XIX(1), pp. 74–79. doi: https://doi.org/10.31294/p.v19i1.1836.

. Astika, D. (2015) ‘Penerapan Data Mining Untuk Menganalisis Penjualan Barang Dengan Pada Supermarket Sejahtera’, Astika, D., Studi, P., Informatika, T., & Malikussaleh, U. (n.d.). Penerapan Data Mining Untuk Menganalisis Penjualan Barang Dengan Pada Supermarket Sejahtera., Vol. 6 No.

. Daniel Febrian Sengkey, F. D. K. (2020) ‘Pemanfaatan Plaform Pemrograman Daring dalam Pembelajaran Probabilitas dan Statistika di Masa Pandemi CoVID-19’, Jurnal Teknik Informatika, 15(4), pp. 257–264. doi: 10.35793/jti.15.3.2020.31685.

. Despitaria, Herry Sujaini, T. (2016) ‘Analisis Asosiasi pada Transaksi Obat Menggunakan Data Mining dengan Algoritma A Priori’, Justin, 4(2), p. 6.

. Dini Silvi Purnia, A. I. W. (2017) ‘Implementasi Data Mining Pada Penjualan kacamata Dengan Menggunakan Algoritma Apriori’, Indonesian Journal on Computer and Information Technology, 2(2), pp. 31–39.

. Doavers (2020) RapidMiner : Mengenal Aplikasi Data Mining Terkemuka di Dunia, Doavers. Available at: https://www.doavers.com/blog/rapidminer-mengenal-aplikasi-data-mining-terkemuka-di-dunia.

. Erwin (2009) ‘Analisis Market Basket dengan Algoritma Apriori dan FP-Growth’, Generic, 4(2), pp. 26–30.

. Fitriyani (2016) ‘Implementasi Algoritma Fp-Growth Menggunakan Association Rule Pada Market Basket Analysis’, Jurnal Informatika, 2(1). doi: 10.31311/ji.v2i1.85.

. Gunadi, G. and Sensuse, D. I. (2012) ‘Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth ( Fp-Growth ) ’:, Telematika, 4(1), pp. 118–132.

. Hermawati, F. A. (2013) ‘Data Mining, Yogyakarta: CV’, Andi Offset.

. Hossain, M., Sattar, A. H. M. S. and Paul, M. K. (2019) ‘Market basket analysis using apriori and FP growth algorithm’, in 2019 22nd International Conference on Computer and Information Technology (ICCIT). IEEE, pp. 1–6.

. Kusrini, E. T. L. (2009) ‘Algoritma data mining’, Yogyakarta: Andi Offset.

. Maulidiya, H. and Jananto, A. (2020) ‘Asosiasi Data Mining Menggunakan Algoritma Apriori Dan FP-Growth Sebagai Dasar Pertimbangan Penentuan Paket Sembako’, Proceeding Sendiu 2020, 6, pp. 36–42.

. Mochammad Faid, M. J. (2017) Data Mining Dengan Weka Dan Netbeans. Situbondo: Istiqlal Publishing Group.

. Rajeswari Nakka, D., Prasad, G. and Kumar, R. K. (2020) ‘Offering Recommendations on Netflix dataset by Associations among Users as Trust Metric’.

. Rapidminer (2022) Create Association Rules (RapidMiner Studio Core), Rapidminer.com. Available at: https://docs.rapidminer.com/latest/studio/operators/modeling/associations/create_association_rules.html.

. Ratih Rifaatul Mahmudah, E. A. (2014) ‘Penggunaan Algoritma Fp-Growth Untuk Menemukan Aturan Asosiasi Pada Data Transaksi Penjualan Obat Di Apotek (Studi Kasus : Apotek Uad)’, JSTIE (Jurnal Sarjana Teknik Informatika) (E-Journal), 2(3), pp. 130–139. doi: 10.12928/jstie.v2i3.2883.

. Robi Yanto, R. K. (2020) ‘Implementasi Data Mining Dalam Memprediksi Transaksi Penjualan Menggunakan Algoritma Apriori (Studi Kasus PT.Arma Anugerah Abadi Cabang Sei Rampah)’, Matics, 11(2), p. 46. doi: 10.18860/mat.v11i2.7821.

. Sanjani, Hasanul Fahmi, A. S. (2019) ‘Implementasi Data Mining Penjualan Produk Pakaian Dengan Algoritma Apriori’, Indonesian Journal of Applied Informatics, 4(1), p. 23. doi: 10.20961/ijai.v4i1.37989.

. Setyo, W. N. and Wardhana, S. (2019) ‘Implementasi Data Mining Pada Penjualan Produk Di Cv Cahaya Setya Menggunakan Algoritma Fp-Growth’, Petir, 12(1), pp. 54–63. doi: 10.33322/petir.v12i1.416.

. Utama, K. M. R. A., Umar, R. and Yudhana, A. (2020) ‘Penerapan Algoritma Fp-Growth Untuk Penentuan Pola Pembelian Transaksi Penjualan Pada Toko Kgs Rizky Motor’, Dinamik, 25(1), pp. 20–28. doi: 10.35315/dinamik.v25i1.7870.

. Wardana, K. (2020) [Deep Learning] Apa itu Google Colab?, Tutor Keren. Available at: https://tutorkeren.com/artikel/deep-learning-apa-itu-google-colab.htm.

. Wibowo, P. T. J. (2021) Apa Itu Bahasa Pemrograman Python?, Warta Ekonomi. Available at: https://www.wartaekonomi.co.id/read366664/apa-itu-bahasa-pemrograman-python.

. Bungin, B., 2015. Analisis Penelitian Kualitatif. In: Jakarta: Raja Grafindo Persada.

Published
2024-08-13
How to Cite
Miftahul Arifin, Fauzi Helmi, & Alamsyah, D. F. (2024). ANALISIS POLA ASOSIASI PENJUALAN PRODUK RITEL DENGAN PLATFORM GOOGLE COLAB. JUSTIFY : Jurnal Sistem Informasi Ibrahimy, 3(1), 74-85. https://doi.org/10.35316/justify.v3i1.5569
Abstract viewed = 60 times
PDF (Bahasa Indonesia) downloaded = 56 times