Metode Asosiasi Data Mining Untuk Analisa Persediaan Fiber Optik Menggunakan Algoritma Apriori
DOI:
https://doi.org/10.31599/jki.v20i3.288Keywords:
Algorithm, Apriori, Association, Data mining, InventoryAbstract
Bahana Arta Nusantara is a telecommunications contractor company. The need for fiber optic goods is increasing cause difficulty to see itemset patterns that often come out together. Besides that, PT. Bahana Arta Nusantara also has difficulty maximizing data on goods expenditure because the data is only stored without a more detailed analysis. The purpose of this study was to determine the pattern of outgoing goods data that often came out at the same time using the Apriori Algorithm (Association Rule). The determination of this association is done by determining the binary representation of the optical goods expenditure data, looking for the value of the two itemsets combination pattern, the three itemsets combination pattern and then the final calculation of the association rules to determine the maximum and objective results, so that the results of this pattern the company can provide goods are often out together, and not following the stock event.
Keywords: Algorithm, Apriori, Association, Data mining, Inventory
Abstrak
Bahana Arta Nusantara merupakan perusahaan yang bergerak dibidang kontraktor telekomunikasi. Kebutuhan akan barang-barang fiber optik semkin meningkat sehingga menyebabkan kesulitan untuk mengetahui pola itemset yang sering keluar secara bersamaaan. Selain itu PT. Bahana Arta Nusantara juga mengalami kesulitan dalam memaksimalkan pemanfaatan data pengeluaran barang fiber optik dikarenakan data tersebut hanya disimpan tanpa dianalisa secara lebih detail. Tujuan dari penelitian ini untuk mengetahui pola data barang keluar yang sering keluar dalam waktu bersamaan dengan menggunakan Algoritma Apriori (Association Rule). Penentuan asosiasi ini dilakukan dengan cara menentukan representasi biner data pengeluaran barang fiber optik, mencari nilai pola kombinasi dua itemset, pola kombinasi tiga itemsets dan kemudian dilakukan perhitungan final aturan asosiasi untuk menentukan hasil yang maksimal dan objektif, sehingga hasil dari pola ini perusahaan dapat menyediakan barang yang sering keluar secara bersamaan supaya tidak kehabisan stok barang.
Kata kunci: Algoitma, Apriori, Asosiasi, Data mining, Persediaan
Downloads
References
Kusrini, & Luthfi, E. T. (2010). Algoritma Data Mining. Yogyakarta: CV. Andi Offset.
Listriani, D., Setyaningrum, A. H., & Eka, F. (2018). 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. https://doi.org/10.15408/jti.v9i2.5602
Praseyto, E. (2013). Data Mining: Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: Andi Publishesr.
Purba, B. R. B., Hasibuan, N. A., Ginting, G. L., & Suginam, S. (2018). Implementasi Algoritma Apriori Untuk Mencari Relasi Pada Transaksi Pembelian Alat-Alat Kesehatan. JURIKOM (Jurnal Riset Komputer), 5(3), 281–288. Retrieved from http://stmik-budidarma.ac.id/ejurnal/index.php/jurikom/article/view/773
Santoso, H., Hariyadi, I. P., & Priyatno. (2016). Data Mining Analisa Pola Pembelian Produk. Seminar Nasional Teknologi Informasi Dan Multimedia, 19–24.
Sepri, D., & Afdal, M. (2017). Analisa Dan Perbandingan Metode Algoritma Apriori Dan Fp-Growth Untuk Mencari Pola Daerah Strategis Pengenalan Kampus Studi Kasus Di Stkip Adzkia Padang. Jurnal Sistem Informasi Kaputama (JSIK), 1(1).
Tampubolon, K., Saragih, H., & Reza, B. (2013). Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan. Jurnal Informasi Dan Teknologi (INTI), 1(1), 93–106.
Ummi, K. (2015). Analisa Data Mining Dalam Penjualan Sparepart Mobil Dengan Menggunakan Metode Algoritma Apriori ( Studi Kasus : Di Pt . Idk 1 Medan ). CSRID Journal, 8(3), 155–164.
Wijayanti, A. (2017). Analisis Hasil Implementasi Data Mining Menggunakan Algoritma Apriori pada Apotek. Jurnal Edukasi Dan Penelitian Informatika (Jefin), 3(1), 60–64.
_-_Copy1.jpg)
