IV, Nomor: 3,
3, Agustus 2013
2013
ISSN : 23012301-9425
ABSTRAK
Penjualan produk elektronik, khususnya laptop mengalami peningkatan setiap bulannya, produk yang
ditawarkan bermacam merek, merek mempengaruhi masyarakat untuk membeli produk tersebut, untuk
mengetahui merek dengan penjualan terbanyak diperlukan algoritma apriori untuk dapat mengetahuinya, dan
dengan bantuan tools tanagra, produk dengan penjualan terbanyak dapat diketahui. Algoritma apriori termasuk
jenis aturan asosiasi pada data mining. Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti
untuk menghasilkan algoritma yang efisien adalah analisis pola frequensi tinggi(frequent pattern mining).
Penting tidaknya suatu asosiasi dapat diketahui dengan dua tolak ukur , yaitu : support dan confidence. Support
(nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai
kepastian) adalah kuatnya hubungan antar-item dalam aturan asosiasi. Algoritma apriori dapat membantu untuk
pengembangan strategi pemasaran.
Kata Kunci : penjualan, produk elektronik, algoritma apriori
1. Pendahuluan
1.1 Latar Belakang
Banyaknya persaingan dalam dunia bisnis
khususnya dalam industri penjualan, menuntut para
pengembang untuk menemukan suatu strategi yang
dapat meningkatkan penjualan dan pemasaran
produk yang dijual, salah satunya adalah dengan
pemanfaatan data penjualan produk elektronik.
Dengan adanya kegiatan penjualan setiap hari, data
semakin lama akan semakin bertambah banyak.
Data tersebut tidak hanya berfungsi sebagai arsip
bagi perusahaan, data tersebut dapat dimanfaatkan
dan diolah menjadi informasi yang berguna untuk
peningkatan penjualan dan promosi produk.
Produk Elektronik merupakan barang yang
sangat dibutuhkan saat ini, karena barang elektronik
sangat membantu manusia dalam melakukan
berbagai aktifitas, seperti Televisi yang membantu
manusia untuk mendapatkan informasi dan hiburan,
dan masih banyak barang elektronik lainnya yang
memiliki fungsi yang berbeda-beda untuk
mempermudah manusia dalam melakukan berbagai
aktifitas. Dari sumber data penjualan Kreditplus,
menunjukkan permintaan produk elektronik
semakin meningkat. Hal inilah yang dijadikan
sebagai dasar pengolahan data mining pada
penjualan produk elektronik.
Kreditplus merupakan perusahaan pembiayaan
beragam produk elektronik yang telah bekerja sama
dengan lebih dari 10.000 toko yang tersebar di
Implementasi Data Mining Pada Penjualan Produk Elektronik Dengan Algoritma Apriori
(Studi Kasus : Kreditplus). Oleh : Dewi Kartika Pane
25
ISSN : 23012301-9425
26
ISSN : 23012301-9425
Kombinasi 2 Itemset
Proses pembentukan C2 atau disebut dengan
2 itemset dengan jumlah minimum support = 30%
Dapat diselesaikan dengan rumus berikut:
Support(A,B) = P(AB)
Support(A,B)
Itemset
Acer, Toshiba, Samsung
Toshiba, Acer, Asus
Samsung, Toshiba, HP
Samsung, Asus, Acer
Acer, Samsung, Toshiba
Acer, Toshiba, HP
Acer, Asus, Toshiba
Acer, Asus, HP
HP, Samsung, Asus
Acer, Samsung, HP
Samsung, Acer, Toshiba
HP, Asus, Samsung
Pembentukan Itemset
Berikut ini adalah penyelesaian dengan
contoh kasus berdasarkan data yang sudah
disediakan pada tabel 4.2 :
Support
75%
50%
50%
66,67%
58,33%
Jumlah
4
3
4
6
2
2
2
3
2
3
Support
33,33%
25%
50%
16,67%
25%
20%
33,33%
16,67%
33,33%
Support
33,33%
50%
33,33%
33,33%
c.
Kombinasi 3 Itemset
Proses pembentukan C3 atau disebut dengan
3 itemset dengan jumlah minimum support = 30%
Dapat diselesaikan dengan rumus berikut:
Implementasi Data Mining Pada Penjualan Produk Elektronik Dengan Algoritma Apriori
(Studi Kasus : Kreditplus). Oleh : Dewi Kartika Pane
27
Support(A,B) = P (A
Support
Jumlah
1
2
2
1
2
0
1
Support
8,33%
16,67%
16,67%
8,33%
16,67%
0%
8,33%
Confidence
4/9
4/6
ISSN : 23012301-9425
4/6
66,67%
4/8
50%
Support
50%
Confidence
66,67%
50%
85,714%
44,44%
66,67%
5/9
45%
5/8
40%
6/9
66,67%
6/7
85,714%
Implementasi Data Mining Pada Penjualan Produk Elektronik Dengan Algoritma Apriori
(Studi Kasus : Kreditplus). Oleh : Dewi Kartika Pane
28
ISSN : 23012301-9425
Implementasi Data Mining Pada Penjualan Produk Elektronik Dengan Algoritma Apriori
(Studi Kasus : Kreditplus). Oleh : Dewi Kartika Pane
29