Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 516-525 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Penerapan Market Basket Analysis Data Mining Pada Penjualan Batik dengan Menerapkan Algoritma Apriori Gatot Soepriyono Fakultas Teknologi Komunikasi dan Informatika.
Sistem Informasi.
Universitas Nasional.
DKI Jakarta.
Indonesia Jl.
Sawo Manila No.
RW.
Pejaten Bar.
Ps.
Minggu.
Kota Jakarta Selatan.
Indonesia Email: gatot@civitas.
Email Penulis Korespondensi: gatot@civitas.
Submitted: 20/05/2024.
Accepted: 29/05/2024.
Published: 30/05/2024 AbstrakOeBatik adalah kain yang bergambar dengan menerapkan malam pada kain tersebut dan diproses dengan cara Pada perusahaan batik tertentu terdapat produk yang menjadi ciri khas pada perusahaan tersebut.
Seiring dengan berjalan waktu ada masalah yang timbul pada penjualan batik tersebut karena kurang tepat dalam menyediakan stok di toko sehingga menyulitkan customer dalam memesan batik tersebut.
Permasalahan tersebut yang terjadi tentu menjadi sebuah permasalahan yang harus diselesaikan.
Jika stok barang yang tersedia tidak sesuai dengan keinginan oleh pelanggan maka barang tersebut akan tertumpuk pada stok toko barang.
Selain itu juga, jika customer tidak mendapati model batik yang sesuai dengan keinginan maka akan menyebabkan customer beralih pada toko lainnya.
Hasil penjualan dibuat laporan dalam bentuk buku besar atau dimasukkan dalam komputer.
Laporan yang dihasilkan adalah laporan data transaksi penjualan.
Data mining sendiri merupakan sebuah proses pengolahan data dalam jumlah yang cukup banyak.
Nantinya data yang tercatat pada buku besar nanti dapat dimanfaatkan sebagai informasi dalam penentuan strategi bisnis yang dilakukan dalam penjualan Market Basket Analysis memiliki tujuan untuk melakukan pengelolaan terdapat data pelanggan ataupun data Algoritma apriori merupakan bagian asosiasi pada data minig.
Algoritma apriori dapat membantu dalam membentuk kandidat kombinasi item.
Dari hasil penelitian yang dilakukan bahwasannya terdapat 1 kombinasi item yang memenuhi nilai support sebesar 30% yaitu item T09 dan T12, dimana nilai support yang didapatkan sebesar 30,76% dan dengan nilai confidence sebesar 100%.
Kata Kunci: Batik.
Data Penjualan.
Data Mining.
Market Basket Analysis.
Algoritma Apriori AbstractOeBatik is a cloth that is depicted by applying wax to the cloth and processing it in a certain way.
In certain batik companies, there are products that are characteristic of that company.
As time goes by, problems arise with the sale of batik due to lack of proper stock availability in shops, making it difficult for customers to order batik.
This problem that occurs is certainly a problem that must be resolved.
If the available stock of goods does not match the customer's wishes, the goods will be piled up in the shop's stock.
Apart from that, if the customer does not find a batik model that suits his wishes, it will cause the customer to switch to another shop.
The sales results are reported in the form of a ledger or entered into a computer.
The report produced is a sales transaction data report.
Data mining itself is a process of processing quite large amounts of In the future, the data recorded in the ledger can be used as information in determining business strategies for batik Market Basket Analysis aims to manage customer data or sales data.
The a priori algorithm is an association part of mining data.
A priori algorithms can help in forming candidate item combinations.
From the results of the research carried out, there is 1 combination of items that meets the support value of 30%, namely items T09 and T12, where the support value obtained is 30.
76% and with a confidence value of 100%.
Keywords: Batik.
Sales Data.
Data Mining.
Market Basket Analysis.
Apriori Algorithm
PENDAHULUAN
Batik adalah kain yang bergambar dengan menerapkan malam pada kain tersebutdan diproses dengan cara tertentu.
Batik juga dianggap sebagai ikon budaya penting di Iindonesia.
Batik biasa digunakan sebagai busana kasual dan formal yang digunakan di beragam acara.
Dan pemerintah Indonesia telah menetapkan berpakaian batik di harihari tertentu.
Pada perusahaan batik tertentu terdapat produk yang menjadi ciri khas pada perusahaan tersebut.
Dimana pada batik itu sendiri terdapat berbagai macam model baik dari bentuk kain, hasil batik, model jenis atau pun lainnya.
Pada umumnya perusahaan batik juga menyediakan berbagai macam diantaranya koleksi sutera, primisima, polyester dan lainnya, dengan model up to date untuk pria, wanita, teenager dan anak, serta diikuti dengan handycraft dan souvenir yang meliputi .
kayu, keramik, rotan, produksi kerajinan tas serta yang lainnya.
Seiring dengan berjalan waktu ada masalah yang timbul pada penjualan batik tersebut karena kurang tepat dalam menyediakan stok di toko sehingga menyulitkan customer dalam memesan batik tersebut.
Jika hal ini dibiarkan terus menerus maka penjualan akan menurun distiap harinya dan customer yang merasa tidak puas akan beralih ke perusahaan batik yang lain.
, .
Permasalahan tersebut yang terjadi tentu menjadi sebuah permasalahan yang harus diselesaikan, hal tersebut dikarenakan jika stok barang yang tersedia tidak sesuai dengan keinginan oleh pelanggan maka barang tersebut akan tertumpuk pada stok toko barang.
Dimana dari hal tersebut akan merugikan bagi perusahaan karena model barang yang dijual sudah tidak sesuai dengan model trend yang sedang digemari pada saat ini.
Selain itu juga, jika customer tidak mendapati model batik yang sesuai dengan keinginan maka akan menyebabkan customer beralih pada toko lainnya.
Dimana dampak yang diakibatkan dari hal tersebut toko kehilangan pelanggan serta tidak mendapatkan omset penjualan ataupun keuntungan bagi perusahaan hingga menyebabkan perusahaan bangkrut dikarenakan tidak dapat memenuhi biaya operasional.
Copyright A 2024 Author.
Page 516 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 516-525 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Hasil penelitian sebelumnya bahwa keunggulan Batik terletak dengan desain yang nyaman dan memberikan kesan yang mewah pada motifnya serta membuat customer bisa tampil gaya dan dapat digunakan sehari-hari daripada batik yang lain dan membuat omzet meningkat di setiap tahunnya.
Hasil penjualan dibuat laporan dalam bentuk buku besar atau dimasukkan dalam komputer.
Laporan yang dihasilkan adalah laporan data transaksi penjualan.
Dengan adanya laporan tersebut belum adanya menjadikan informasi untuk menentukan strategi bisnis.
Dari banyaknya jumlah transaksi penjualan maka perlu adanya analisis transaksi penjualan guna menemukan informasi yang berbasis pengetahuan yang bermanfaat.
Adanya informasi rekomendasi penawaran produk yang bisa dipergunakan sebagai promosi penawaran produk kepada pelanggan secara otomatis.
Berdasarkan dengan perihal diatas maka kiranya proses penyelesaian dapat dilakukan dengan menggunakan data mining.
, .
Data mining sendiri merupakan sebuah proses pengolahan data dalam jumlah yang cukup banyak.
Proses pengolahan pada data mining didasarkan dengan data Ae data yang telah tersimpan sebelumnya untuk dilakukan penggalian ulang hingga mendapatkan kembali informasi yang penting dan berhaga bagi pemilik data yang nantinya dapat digunakan sebagai proses pengambilan keputusan.
, .
Sama halnya dengan penjabaran yang telah dilakukan, dimana data Ae data penjualan disusun dalam bentuk laporan Ae laporan pada buku besar.
Nantinya data yang tercatat pada buku besar nanti dapat dimanfaatkan sebagai informasi dalam penentuan strategi bisnis yang dilakukan dalam penjualan batik.
Dengan data yang telah tersedia tersebut akan mudah proses penyelesaian yang dilakukan dengan data mining nantinya.
Pada data mining sendiri terdapat berbagai algoritma yang dipergunakan untuk membantu dalam penyelesaian masalah, salah satunya adalah Market Basket Analysis dengan Algoritma Apriori.
, .
Market Basket Analysis memiliki tujuan untuk melakukan pengelolaan terdapat data pelanggan ataupun data penjualan.
Pengelolaan tersebut nantinya dapat digunakan untuk menemukan sebuah pola hubungan yang dilakukan oleh pelanggan terhadap proses pembelian atau transaksi barang.
Tujuan dari market basket analysis untuk membantu dalam peningkatan penjualan.
Dalam market basket analysis juga membutuhkan beberapa cara seperti asosiasi pada algoritma apriori.
, .
Algoritma apriori merupakan bagian asosiasi pada data minig.
Algoritma apriori dapat membantu dalam membentuk kandidat kombinasi item, kemudian dilakukan pengujian apakah kombinasi tersebut memenuhi parameter support dan confident minimum yang merupakan nilai ambang yang diberikan oleh pengguna.
Pembunkan dalam kombinasi item berdasarkan dengan nilai support atau ambang batas dan juga nilia confidence atau kepercaya dari hubungan antar item.
, .
Beberapa penelitian terdahulu sebagai pendukung terhadap penelitian yang dilakukan seperti yang dilakukan oleh I Made Dwi Putra Asana, dkk pada tahun 2022 dengan judul penelitian Aplikasi Data Mining Asosiasi Barang Menggunakan Algoritma Apriori-TID dimana hasil dari penelitian dapat menghasilkan aturan asosiasi barang berdasarkan nilai dukungan dan kepercayaan minimum yang dimasukkan oleh pengguna.
Penelitian lainnya yang dilakukan oleh Putri Mai Sarah Tarigan pada tahun 2022 dimana judul penelitian yang dilakukan adalah Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang (Studi Kasus: Toko Sinar Haraha.
dengan hasil dari penelitian di dapat data nama barang yang paling banyak terjual untuk di jadikan sebagai antisipasi persediaan barang agar tidak mengalami kekosongan yang dapat menyebabkan pelanggan kecewa.
Penelitian lainnya yang juga dilakukan oleh Ramadani Saputra dan Alexander J.
Sibarani pada tahun 2020 dengan judul penelitian Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Meningkatkan Pola Penjualan Obat dari hasil penelitian didapatkan bahwasannya Penerapan Algoritma Apriori dalam aplikasi ini berhasil mencari kombinasi item terbanyak berdasarkan data transaksi dan kemudian membentuk pola asosiasi dari kombinasi item tersebut.
Hasil aplikasi ini dapat mengetahui jenis obat yang sering dibeli oleh konsumen secara bersamaan sehingga dapat mengetahui pola penjualan obat.
Serta penelitian terakhir yang dilakukan oleh Robby Takdirillah pada tahun 2020 dengan judul dari penelitian yang dilakukan Penerapan Data Mining Menggunakan Algoritma Apriori Terhadap Data Transaksi Sebagai Pendukung Informasi Strategi Penjualan serta hasil yang didapatkan menunjukan bahwa algoritma apriori dapat digunakan untuk mengolah data transaksi penjualan menjadi informasi baru berupa keterkaitan antar produk yang didasari dari pengujian dengan tools Orange.
Aturan asosiatif yang dibentuk diuji menggunakan lift ratio, supaya dapat diketahui aturan asosiasi antar produk mana saja yang paling kuat.
Maka dari itu, dari pembahasan yang telah dilakukan diatas tujuan dari penelitian yang dilakukan untuk mengetahui produk yang ditawarkan sesuai dengan karakter pembelian oleh pelanggan dilakukan dengan teknis analisis keranjang belanja atau algoritma apriori.
Pada nantinya dari hasil tersebut didapatkan sebuah pola hubungan antar item.
METODOLOGI PENELITIAN
1 Metodologi Penelitian Tahapan penelitian merupakan alur proses yang dilaksanakan pada penelitian.
Dengan tahapan penelitian maka alur proses akan tersusun secara baik.
Alur proses pada tahapan penelitian dimulai dari tahapan identifikasi Copyright A 2024 Author.
Page 517 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 516-525 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
masalaah sampai dengan tahapan laporan.
Pada gambar 1 dapat dilihat terhadap tahapan penelitian, dimana pada gambar tersebut tampak jelas setiap tahapan yang dilalui pada penelitian.
Adapun penjabaran terkait dengan setiap tahapan pada penelitian dapat dilihat berikut:
Mengidetifikasi Masalah Pada tahap ini penulis menguraikan apa yang menjadi masalah sebelum sampai pada tahap pembahasan selanjutnya agar pembahasan suatu masalah dapat terarah atau fokus pada suatu tujuan.
Pengumpulan Data Pada tahapan ini dilakukan pengumpulan data yang akan digunakan dalam melakukan penelitian dengan cara Pengumpulan data dilakukan langsung kepada pihak yang bersangkutan.
Studi Literatur Pada tahapan ini, dilakukan pemahaman terhadap objek yang akan diteliti, dengan membaca berbagai sumber referensi seperti, buku-buku, jurnal, maupun sumber bacaan lainnya.
Analisa Data Setelah dilakukan pengumpulan data, maka pada tahapan ini dilakukan analisa terhadap data yang telah dikumpulkan untuk mengetahui apakah data tersebut bisa digunakan untuk mengelompokan beasiswa untuk Penerapan Algoritma Apriori Pada tahapan ini penulis melakuakan proses pemecahan masalah dengan menerapkan Algoritma Apriori dimana data diproses untuk menanggapi perumusan masalah.
Implementasi Implementasi merupakan tahap penerapan dari proses analisa dan merancang sistem, dimana data akan diproses kedalam perangkat lunak sistem .
ource cod.
, tujuannya untuk mengetahui apakah sistem dapat berjalan sesuai kebutuhan.
Pengujian Pada tahapan ini dilakukan proses pengujian maka hasil dari pengujian tersebut kembali dianalisa untuk memastikan apakah hasil tersebut sesuai dengan tujuan dari penelitian ini dilakukan.
Dokumentasi Dokumentasi ini merupakan tahap yang paling akhir dilakukan setelah pengujian.
Tujuannya untuk menyajikan sebuah informasi yang akurat serta diakui kebenarannya melalui bukti-bukti dokumen yang sudah di miliki oleh penulisan.
Gambar 1.
Tahapan Penelitian 2 Data Mining Data mining merupakan ilmu yang mempelajari sebuah metode dalam menemukan pola dari suatu data besar.
Pengetahuan ini dapat menghasilkan berupa pola atau rumus.
Setiap hari manusia dapat menghasilkan banyak data yang besar baik jumlah dan ukurannya.
Data-data tersebut diantaranya tentang data bisnis, kantor, penduduk dan sebagainya.
Contoh dalam bidang bisnis busana ada banyak data mengenai data produk itu sendiri yang setiap hari akan bertambah banyak karena banyaknya pembeli di toko tersebut.
Data itu akan direkap oleh komputer itu sendiri dalam dataset yang nantinya akan diolah dengan metode dan algoritma yang akan menghasilkan transaksi belanja konsumen.
, .
3 Market Basket Analysis Market Basket Analysis merupakan suatu metodeoligi yang digunakan untuk melakukan analisis kebiasaan membeli konsumen dengan cara menemukan antar item yang berbeda yang dibeli konsumen dalam suatu Copyright A 2024 Author.
Page 518 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 516-525 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
transaksi tertentu.
Kemudian proses ini menganalisis pola pembelian pelanggan dengan cara menemukan hubungan antara item yang1 ke item yang berbeda yang diletakkan konsumen dalam shopping basket.
Hasil yang telah didapatkan ini nantinya dapat dimanfaatkan oleh perusaha ritel seperti toko atau swallyan untuk mengembangkan strategi pemasaran dengan melihat item apa saja yang memungkinkan dibeli oleh konsumen secara bersamaan.
4 Algoritma Apriori Algoritma Apriori merupakan suatu algoritma dasar yang diusulkan oleh Agrawal & Srikant pada tahun 1994 untuk penentuan frequent itemset untuk aturan asosiasi boolean.
Algoritma apriori termasuk jenis aturan asosiasi pada Data Mining.
Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut Affinity Analysis atau MBA .
Untuk penerapan Algoritma Apriori, secara umum dibutuhkan struktur data untuk menyimpan candidate frequent itemset untuk suatu iterasi ke dan untuk menyimpan frequent itemset yang dihasilkan.
Ketika membaca hasil tiap item dari seluruh transaksi, selain mendapatkan item-item baru juga dilakukan perhitungan nilai support item-item yang sudah ditemukan, sehingga untuk mendapatkan candidate 1- itemset beserta nilai support-nya cukup membutuhkan satu kali pembacaan data.
, .
, .
Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan hubungan keterkaitan antara suatu kombinasi item.
Contoh asosiasi yang biasa terjadi seperti seberapa besar kemungkinan pembeli membeli rice cooker dengan beras secara bersamaan.
Penting tidaknya suatu aturan asosiatif dapat diketahuidengan dua parameter, yaitu.
, .
, .
Support .
ilai penunjan.
Support adalah nilai persentasi suatu ukuran yang menunjukkan hubungan seberapa besar tingkat dominasi suatu item/itemset dari keseluruhan transaksi.
Ukuran ini menentukan apakah suatu item/itemset layak untuk dicari confidence-nya .
isal,dari keseluruhan transaksi yang ada, seberapa besar tingkat dominasi yang menunjukkan bahwa item A dan B dibeli bersamaa.
Confidence .
ilai kepastia.
Confidence adalah suatu ukuran yang menunjukkan hubungan antar dua item secara conditional.
Contohnya, seberapa sering item B dibeli jika seseorang membeli item A.
Metode Dasar Association Rule Metodologi dasar analisis asosiasi terbagi menjadi dua tahap:
Analisa pola frekuensi tinggi.
Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai support dalam database, rumus analisa pola frekuensi untuk 1 itemset tertinggi dapatdilihat pada Rumus .
( ) .
Rumus analisa pola frekuensi untuk 1 itemset tertinggi dapat dilihat pada Rumus 2
( )
Setelah semua pola frekuensi tinggi ditemukan, setelah itu dicari aturan assosiatif yang memenuhi syarat
minimum untuk confidence dengan 14 menghitung confidence aturan assosiatif A Ie B dengan Oc
HASIL DAN PEMBAHASAN
1 Analisa Masalah Batik merupakan pakaian ciri khas dari negara Indonesia.
Dimana penjualan batik banyak dilakukan baik secara perorangan.
UMKM, perusahaan baik skala kecil ataupun skala besar.
Batik sendiri memiliki beberapa jenis dan model, dikarenakan tidak semua model batik ataupun gambaran batik itu adalah sama.
Setiap penjualan batik memiliki ciri khas dari masing Ae masing batik tersebut.
Bagi perusahaan penyediaan stok terhadap batik merupakan hal yang sangat penting, dikarenakan kesalahan dalam pemenuhan stok barang maka akan mengakibatkan kerugian bagi persuahan.
Sebagai contoh jika batik yang tersedia tidaklah menjadi batik pilihan oleh customer tentu saja batik tersebut tidak akan terjual dan menyebabkan kerugian bagi perusahaan.
Maka dari itu perlu dilakukan sebuah penanganan terhadap permasalahan tersebut, dimana selama ini proses transaksi penjualan batik tersebut tercatat pada laporan buku besar.
Pada data transaksi itu dapat dilihat kiranya batik yang menjadi kegemaran atau yang paling banyak diinginkan oleh customer, selain itu juga dari data tersebut dapat dilihat hubungan item dari item batik dengan item lainnya.
Oleh sebab itu, sudah seharusnya dilakukan sebuah penyelesaian permasalahan khusus untuk yang dapat digunakan untuk membantu dalam menemukan hubungan dari item Ae item tersebut.
Pola yang terbentuk nantinya dapat membantu untuk menentukan batik atau item apa saja yang akan sediakan sebagai stok barang.
Penyelesaian tersebut dapat diselesaikan dengan menggunakan Copyright A 2024 Author.
Page 519 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 516-525 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
data mining.
Data mining merupakan sebuah cara yang dilakukan untuk melakukan proses pengolahan data.
Pengolahan data yang dilakukan pada data mining untuk menemukan sebuah informasi baru yang tersimpan pada data.
Sama halnya penyelesaian terhadap permasalahan yang dihadapi saat ini data penjualan sudah tersimpan pada laporan buku besar, dari data tersebut dapat dilakukan proses pengolahan data dengan data mining untuk menemukan sebuah informasi baru.
Pada data mining juga terdapat beberapa teknik khusus yang digunakan untuk menyelesaikan permasalahan, salah satunya adalah Market Basket Analysis.
Market Basket Analysis (MBA) merupakan sebuah teknik bagian dari asosisasi data mining.
Pada Market Basket Analysis (MBA) dilakukan untuk membentuk hubungan pola antar item yang tersimpan pada kumpulan data, tujuan dilakukan Market Basket Analysis (MBA) untuk membantu dalam peningkatan penjualan dengan melihat hubungan dari setiap item.
Pada Market Basket Analysis (MBA) juga terdapat algoritma yang biasa dipergunakan yaitu apriori.
Apriori merupakan algoritma yang dapat dipergunakan untuk mencari hubungan asosiasi antar item.
Hubungan tersebut dapat terbentuk dengan melihat nilai support dari setiap transaksi yang Maka dari itu penelitian ini bertujuan untuk melakukan analisis pada data penjualan batik, dimana analisis bertujuan untuk menemukan hubungan yang terbentuk dari setiap item data.
1 Penerapan Algoritma Apriori Pada simulasi ini data yang digunakan hanyalah tigabelas data keterangan dan 13 data transaksi penjualan bukan seluruh data.
Berikut ini adalah data yang akan digunakan pada penelitian:
Tabel 1.
Sampel Data
Korner
Keterangan K001
Syal sutra
K002
Kain Panjang K003
Bahan potongan K004
Kemeja Panjang K005
Kemeja pendek
K006
Hem santai K007
Dress colection K008
Blus wanita
K009
K010
Blus muslim
K011
Baju koko
K012
Peci, mukenah K013 Kalung,gelang,anting.
Tabel 2.
Data transaksi
Transaksi
T01
T02
T03
T04
T05
T06
T07
T08
T09
T010
T011
T012
T013
T014
T015
Korner K003.
K004.
K005.
K010
K009.
K010.
K011
K001.
K007.
K008.
K013
K004.
K005.
K009.
K010
K001.
K010.
K013
K006.
K007.
K008
K011.
K012.
K013
K006.
K007.
K008
K005.
K006.
K007.
K008
K002.
K004.
K008.
K013
K007.
K008.
K009.
K010
K005.
K006.
K007.
K008
K005.
K006.
K008.
K010
K004.
K005.
K008
K001.
K005.
K007.
K008
Berdasarkan tabel transaksi diatas maka didapat tabel representasi data berupa item yang ada pada transaksi tersebut yaitu :
Tabel 3.
Representasi Data transaksi
Transaksi
T01
T01
T01
T02
Korner
K002
K003
K012
K011
Copyright A 2024 Author.
Page 520 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 516-525 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Transaksi
T03
T03
T04
T04
T05
T05
T07
T08
Korner
K001
K009
K004
K013
K006
K010
K005
K007
Selanjutnya data kemudian disusun menjadi bentuk tabulan, apabila dibuat ke dalam bentuk tabular, data transaksi diatas akan terlihat seperti pada Tabel 4.
Tabel 4.
Format Tabular Data Transaksi
Korner
K001
K002
K003
K004
K005
K006
K007
K008
K009
K010
K011
K012
K013
Transaksi
T8 T9 T10
T11
T12
T13
T14
T15
Berikut ini adalah pembentukan 1 itemset berdasarkan bentuk tabular data transaksi diatas.
Dimana pembentukan 1 itemset bertujuan untuk mengetahui nilai support dari masing-masing item dalam transaksi yang Proses pembentukan 1 itemset dilakukan menggunakan persamaan.
Tabel hasil pembentukan 1 itemset dari bentuk data tabular pada tabel 4.
dan tabel 5.
30,76%
23,07%
30,76%
30,76
23,07%
30,76%
15,38%
23,07%
30,76%
30,76%
30,76%
30,76%
30,76%
Copyright A 2024 Author.
Page 521 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 516-525 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
23,07%
23,07%
Oc Tabel 5.
Support dari tiap item
Itemset
T01
T02
T03
T04
T05
T06
T07
T08
T09
T10
T11
T12
T13
T14
T15
Support Proses selanjutnya merupakan pembentukan 2 itemset dengan jumlah minimum support 30%.
Berikut ini adalah perhitungan pembentukan 2 itemset.
7,69%
23,07%
7,69%
7,69%
7,69%
Oc Proses tersebut dilakukan hingga didapatkan semua pola hubungan kombinasi pada 2 itemset, adapun hasil kombinasi secara keseluruhan dengan nilai support dapat dilihat pada tabel 6 berikut.
Tabel 6.
Calon 2 itemset Itemset T01.
T02
T01.
T04
T01.
T05
T01.
T09
T01.
T10
T01.
T11
T01.
T12
T01.
T13
T01,T14
T01.
T15
T02.
T04
T02.
T05
T02.
T07
T02.
T11
T02.
T13
T03.
T05
T03.
T06
T03.
T07
T03.
T08
T03.
T09
T03.
T10
Jumlah Support
07,69 %
23,07 %
07,69 %
07,69 %
07,69 %
07,69 %
07,69 %
15,38 %
15,38 %
07,69 %
15,38 %
07,69 %
07,69 %
15,38 %
07,69 %
15,38 %
15,38 %
07,69 %
15,38 %
15, 38 %
15,38 %
Copyright A 2024 Author.
Page 522 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 516-525 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Itemset T03.
T11
T03.
T12
T03.
T13
T03.
T14
T03.
T15
T04.
T05
T04.
T09
T04.
T10
T04.
T11
T04.
T12
T04.
T13
T04.
T14
T04.
T15
T05.
T07
T05.
T10
T05.
T11
T05.
T12
T05.
T13
T05.
T15
T06.
T08
T06.
T09
T06.
T10
T06.
T11
T06.
T12
T06.
T13
T06.
T14
T06.
T15
T07.
T10
T08.
T09
T08.
T10
T08.
T11
T08.
T12
T08.
T13
T08.
T14
T08.
T15
T09.
T10
T09.
T11
T09.
T12
T09.
T13
T09.
T14
T09.
T15
T10.
T11
T10.
T12
T10.
T13
T10.
T14
T10.
T15
T11.
T12
T11.
T13
T11.
T14
T11.
T15
T12.
T13
T12.
T14
T12.
T15
T13.
T14
T13.
T15
T14.
T15
Jumlah Support
15,38 %
15, 38 %
15,38 %
07,69 %
23,07 %
07,69 %
07,69 %
07,69 %
15,38 %
07,69 %
15,38 %
15,38 %
07,69 %
07,69 %
07,69 %
07,69 %
07,69 %
07,69 %
07,69 %
23,07 %
23,07 %
07,69 %
15,38 %
23,07 %
15,38 %
07,69 %
15,38 %
07,69 %
23,07 %
07,69 %
15,38 %
15,38 %
07,69 %
07,69 %
15,38 %
07,69 %
15,38 %
30,76 %
23,07 %
15,38 %
15,38 %
07,69 %
07,69 %
07,69 %
15,38 %
07,69 %
15,38 %
15,38 %
07,69 %
15,38 %
23,07 %
15,38 %
23,07 %
15,38 %
15,38 %
15,38 %
Minimal support yang ditentukan yaitu 20%, maka kombinasi 2 itemset yang tidak memenuhi minimal support akan dihilangkan, terlihat seperti pada tabel 7 berikut:
Copyright A 2024 Author.
Page 523 This Journal is licensed under a Creative Commons Attribution 4.
0 International License Journal of Computer System and Informatics (JoSYC) ISSN 2714-8912 .
edia onlin.
ISSN 2714-7150 .
edia ceta.
Volume 5.
No.
May 2024.
Page 516-525 https://ejurnal.
seminar-id.
com/index.
php/josyc DOI 10.
47065/josyc.
Tabel 7.
Hasil Nilai Support 2 Itemset Itemset T09.
T12
Support
30,76 %
Pada tabel 7 dapat dilihat bahwasannya hanya terdapat 1 komibnasi item yang memenuhi nilai supprot sebesar 30%.
Maka dari itu proses selanjutnya yang dilakukan adalah mencari nilai confidence, adapun nilai confidence dapat dilihat berikut Oc
= 100%
Oc Dari hasil tersebut dapat dilihat bahwasannya untuk nilai confidence .
dari hasil yang didapatkan sebesar 100% KESIMPULAN Tahapan akhir dari penelitian adalah sebuah penarikan kesimpulan, dari proses yang telah dilakukan didapatkan hasil serta kesimpulan bahwasannya penggunaan data mining dalam proses pengolahan data merupakan sebuah teknik yang tepat, dimana dengan menggunakan data mining dapat lebih mudah untuk digunakan dalam pengelolaan data.
Selain itu, market basket analysis dapat diterapkan untuk melakukan pengelolaan data pada data penjualan batik.
Pada market basket analysis sendiri dilakukan proses pembentukan hubungan antar item dengan menggunakan algoritma apriori.
Hasil yang didapatkan dari algoritma apriori adalah terdapat 1 hubungan itemset yang memenuhi nilai support sebesar 30% yaitu T09 E T12 dengan nilai support sebesar 20,76%.
Hubungan itemset tersebut juga memiliki nilai confidence sebesar 100%.
REFERENCES