ISSN : 2301-9425
Perancangan Web E-Commerce Jual Beli Batu Cincin Dengan Algoritma Apriori (Studi Kasus
Toko Akik Murah Padang Sidimpuan). Oleh : Rizki Muliono
51
ISSN : 2301-9425
1. Meningkatkan
Individualisme,
pada
perdagangan elektronik seseorang dapat
bertransaksi dan mendapatkan barang/jasa yang
diperlukan tanpa bertemu dengan siapapun.
2. Terkadang Menimbulkan Kekecewaan, apa
yang dilihat dilayar monitor komputer kadang
berbeda dengan apa yang dilihat secara kasat
mata.
2.1.4 Manfaat E-Commerce
Menurut M.Suyanto (2003:49): Berikut
adalah beberapa manfaat yang bisa diperoleh
sebuah perusahaan dari dilakukannya kegiatan ecommerce:
1. Dapat memperluas daerah pemasaran hingga ke
pasar internasional.
2. Dapat
mengurangi
biaya
pembuatan,
pemrosesan, pendistribusian, penyimpanan, dan
pencarian informasi yang menggunakan kertas.
3. Dapat memperkecil biaya komunikasi.
4. Memungkinkan interaksi yang lebih dekat
dengan konsumen, meskipun melalui media
perantara.
5. Memungkinkan konsumen berbelanja kapan
pun konsumen ingin.
6. Konsumen bisa mendapatkan informasi yang
relevan dari detail produk yang ingin dibeli
dalam hitungan detik.[3]
2.2
Algoritma apriori
Menurut kusrini & emha taufiq luthfi
(2009:149-152) : Algoritma apriori termasuk jenis
aturan assosiasi pada data mining. Selain apriori
yang termasuk pada golongan ini adalah metode
Generalized Rule Induction dan Algoritma Hash
Based. Aturan yang menyatakan asosiasi antara
beberapa atribut sering disebut sebagai affinity
analysis atau market basket analysis.[6]
Persoalan association rule mining terdiri
dari dua sub persoalan :
a. Menemukan semua kombinasi dari item, disebut
dengan frequent itemsets,yang memiliki support
yang lebih besar daripada minimum support.
b. Gunakan frequent itemsets untuk men-generate
aturan yang dikehendaki. Semisal, ABCD dan
AB adalah frequent, maka didapatkan aturan
AB CD jika rasio dari support(ABCD)
Perancangan Web E-Commerce Jual Beli Batu Cincin Dengan Algoritma Apriori (Studi Kasus
Toko Akik Murah Padang Sidimpuan). Oleh : Rizki Muliono
52
ISSN : 2301-9425
3. Pembahasan
3.1 Analisis Algoritma Apriori
Algoritma
Apriori
menggunakan
pengetahuan frekuensi atribut yang telah diketahui
sebelumnya
untuk
memproses
informasi
selanjutnya. Pada algoritma Apriori menentukan
kandidat yang mungkin muncul dengan cara
memperhatikan minimum support dan minimum
confidence. Support adalah nilai pengunjung atau
persentase kombinasi sebuah item dalam database.
Rumus support adalah sebagai berikut :
ISSN : 2301-9425
0008
0009
0010
0004
0005
0006
0007
0008
0009
0010
Jumla
h
1
1
1
1
1
1
1
0
0
0
1
1
1
0
1
0
1
1
1
1
1
1
1
1
1
0
1
1
0
0
0
0
1
0
0
10
[7]. Langkah
berikutnya
adalah
membuat
kombinasi 2 itemsets pada setiap kategori batu
dan frekuensi masing-masing kombinasi
dihitung sesuai dengan data tabular pada tabel.
Pola kombinasi yang didapatkan dapat dilihat
pada tabel 4 :
Tabel 4 : Pola Kombinasi 2 Itemsets
Pola Kombinasi 2 Itemsets F2
Qty
Kecubung Zambrud
5
Kecubung Kalimaya
6
Kecubung Sapphire
6
Kecubung Ruby
3
Zambrud Kalimaya
3
Zambrud Sapphire
2
Zambrud Ruby
3
Kalimaya Sapphire
5
Kalimaya Ruby
1
Sapphire Ruby
0
[8]. Setelah frekuensi masing-masing itemsets
ditemukan, langkah selanjutnya menyeleksi
frekuensi yang lebih besar atau sama dengan
batas minimal yang telah ditentukan. Misalnya
ditentukan batas minimal support 3.
Tabel 5 : Seleksi Kombinasi Itemsets
Pola Kombinasi 2 Itemsets F2
Qty
Kecubung Zambrud
5
Kecubung Kalimaya
6
Kecubung Sapphire
6
Kecubung Ruby
3
Zambrud Kalimaya
3
Zambrud Sapphire
2
Zambrud Ruby
3
Kalimaya Sapphire
5
Kalimaya Ruby
1
Sapphire Ruby
0
Kecubung Sapphire
Kecubung Ruby
Zambrud Kalimaya
Zambrud Ruby
Kalimaya Sapphire
6
3
3
3
5
[10].
Tabel kombinasi 2 itemsets pada table 6
adalah kombinasi yang
memenuhi batas
minimal support.
Tabel 7 : Kombinasi 3 Itemsets
Pola Kombinasi 3 Itemsets
Qty
kecubung, Zambrud , Kalimaya
3
kecubung, Zambrud , Sapphire
2
kecubung, Zambrud,Ruby
3
Zambrud, Kalimaya , Ruby
1
Zambrud, Kalimaya , Sapphire
2
Kalimaya, Sapphire , Ruby
0
[11].
Pembentukan aturan assosiatif
Setelah semua pola frekuensi tinggi ditemukan,
barulah dicari aturan assosiatif yang memenuhi
syarat minimum untuk confidence dengan
menghitung confidence aturan assosiatif A B
Nilai confidence dari aturan A B diperoleh dari
rumus 3 berikut:
4
5
6
ISSN : 2301-9425
3/10=30
%
3/10=30
%
3/10=30
%
3/10=30
%
3/3=100
%
3/5=60%
3/3=100
%
3/3=100
%
[13].
Senyeleksi jumlah minimal confidence.
Dari tabel diatas maka dapat dihitung aturan
asosiasi final nya, yaitu Support Confidence
seperti pada tabel 10 :
Tabel 10. Final Association Rule
55
[4].
[5].
[6].
ISSN : 2301-9425
[4]http://library.binus.ac.id/eColls/eThesis/B
ab2/2010-1-00498 MTIF%20Bab%202.pdf.
[5]Penerapan Association Rule mining :
http://digilib.its.ac.id/public/ITS-Master10465-Paper.pdf, diakses 16-05-2013.
[6] kusrini & emha Taufiq Luthfi : Algoritma
Data Mining,2009
[3].
http://books.google.co.id/books?isbn=97927
81196 diakses 08-05-201.
[2]http://elearning.amikom.ac.id/index.php/d
ownload/materi/190302001-st1081/2009/11/20091121_e-commerce-1.ppt,
diakses 06-05-2013.
[3]strategi periklanan pada e-commerce
perusahaan top dunia Oleh m.suyanto
(amikom
yogyakarta).
http://
books.google.co.id/books?isbn=9795339621
diakses diakses 08-05-2013.
Perancangan Web E-Commerce Jual Beli Batu Cincin Dengan Algoritma Apriori (Studi Kasus
Toko Akik Murah Padang Sidimpuan). Oleh : Rizki Muliono
56