TUGAS KELOMPOK

“INTELEGENSI BISNIS”

(Fungsi Asosiasi Dan Apriori )

DOSEN : MUHAMMAD SABIRIN

DISUSUN OLEH :

HAIKAL SADEWO (19157201054)

ALDA ASMIDAN (19157201042)

HARDIANSYAH (19157201049)

MUH ANDRI KURNIAWAN (19157201003)

NADLY MUTHIAH IRZADILA (18157201035)

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA DAN KOMPUTER

STIMIK CATUR SAKTI

KENDARI

2022
 DAFTAR ISI

DAFTAR ISI.........................................................................................................................................ii
1. PEMBAHASAN............................................................................................................................1
1.1 Latar Belakang.............................................................................................................................1
2. LANDASAN TEORI.....................................................................................................................2
2.1 Fungsi Asosiasi............................................................................................................................2
2.2 Fungsi Apriori.............................................................................................................................3
2.3 Aturan Asosiasi...........................................................................................................................3
2.4 Algoritma Apriori........................................................................................................................3
2.5 Proses Asosiasi Algoritma Apriori..............................................................................................4
3. KESIMPULAN.............................................................................................................................8
1. PEMBAHASAN

1.1 Latar Belakang

Perkembangan dan persaingan bisnis dalam Perdagangan dunia melalui ekonomi
pasar Bebas dan kemajuan teknologi informasi Membawa perusahaan pada tingkat
persaingan Yang semakin ketat dan semakin terbuka Dalam memenuhi tuntutan pelanggan
yang Juga semakin tinggi. Bisnis dalam abad Informasi ini juga harus bersaing dalam pasar
Dengan perubahan cepat, kompleks, global, Sangat kompetitif dan terfokus pada Pelanggan.
Bahkan menurut Knoke (1995) Faktor – faktor tersebut kadang-kadang Berubah secara tidak
terduga (Suyanto, 2005). Sehingga para pengembang dan pelaku bisnis Harus mencari solusi
dan memikirkan strategistrategi terobosan yang dapat menjamin Keberlangsungan bisnis
mereka.

Pada bisnis ritel, salah satu cara yang bisa Dilakukan untuk mengetahui kondisi pasar
(pelanggan) adalah dengan mengamati data Transaksi penjualan. Data transaksi penjualan
Disimpan dalam basis data server dan Kemudian data inilah yang diolah sehingga Dihasilkan
laporan penjualan dan laporan laba Rugi. Akan tetapi, data penjualan tersebut Dapat diolah
lebih lanjut sehingga didapatkan Informasi baru (Erwin, 2009).

Toko Buku Gramedia merupakan salah satu Perusahaan besar yang bergerak dibidang
ritel Dengan produk utama buku dan alat-alat tulis. Perusahaan ini setiap harinya harus
memenuhi Kebutuhan konsumen dan dituntut untuk Mengambil keputusan yang tepat dalam
Menentukan strategi penjualan. Untuk dapat Melakukan hal tersebut, perusahaan
Membutuhkan sumber informasi yang cukup Banyak untuk dapat dianalisis lebih lanjut.

Untuk menganalisis kebiasaan pelanggan Tersebut dapat digunakan analisis keranjang

Pasar (market basket analysis) yaitu suatu Metode yang dapat digunakan untuk Menganalisis
perilaku pola belanja konsumen. Analisis ini bertujuan menemukan produkproduk yang
sering dibeli bersamaan dari data Transaksi.

Cara mengetahui buku-buku yang dibeli secara Bersamaan, dapat digunakan

association rule (aturan asosiasi), yaitu teknik data mining Untuk menemukan aturan asosiatif
suatu Kombinasi item. Pencarian pola asosiasi Berawal dari pengolahan data transaksi
Penjualan buku, kemudian dicari hubungan Antar buku yang dibeli.
2. LANDASAN TEORI

2.1 Fungsi Asosiasi

Sebagai lembaga yang dibentuk untuk memajukan kepentingan kolektif dari para
pedagang, dan pengusaha. Asosiasi harus mampu menjangkau dan menampung berbagai
kepentingan kolektif yang tentu bervariasi. Fungsi ini pun berlaku di berbagai bidang dan
sektor, diantaranya:

1. Bidang Kebijakan Publik dan Advokasi

Agar terciptanya iklim usaha yang kondusif antara pengusaha, pemerintah dan
pekerja.
2. Bidang Hubungan Internasional
Untuk mendukung iklim usaha yang kondusif di Indonesia dengan cara meningkatkan
jejaring dan kerjasama internasional dan merepresentasikan dunia usaha Indonesia.
3. Organisasi dan Pemberdayaan Daerah
Dengan memelihara dan mempertahankan kesinambungan hubungan industrial yang
harmonis dan iklim usaha yang kondusif.
4. UKM, Pengusaha Perempuan, dan Sosial
Menciptakan iklim usaha yang baik dan inovatif bagi UKM dengan cara
meningkatkan kemampuan wirausaha UKM khususnya perempuan pengusaha
sehingga dapat mengembangkan dan menciptakan lapangan kerja, meningkatkan
profesionalisme dan kemampuan bersaing.
5. Sumber Daya Manusia
Mendorong pertumbuhan ekonomi dan meningkatkan daya saing pelaku usaha
Indonesia serta menciptakan seluas-luasnya lapangan pekerjaan bagi masyarakat
Indonesia.
2.2 Fungsi Apriori
Apriori bertujuan untuk menemukan frequent itemsets yaitu itemset yang sering
muncul pada setiap transaksi yang dijalankan pada sekumpulan data. Masalah utama
pencarian Frequent Itemset adalah banyaknya jumlah kombinasi itemset yang harus diperiksa
apakah memenuhi minimum support atau tidak.

2.3 Aturan Asosiasi

Ketersediaan database mengenai catatan Transaksi pembelian para pelanggan suatu
Supermarket atau tempat lain, telah mendorong Pengembangan teknik-teknik yang secara
otomatis Menemukan asosiasi produk atau item-item yang Tersimpan dalam database
tersebut.sebagai contoh Adalah data mengenai transaksi pada supermarket. Data transaksi
mendaftar semua item yang dibeli Oleh pelanggan dalam suatu transaksi pembelian Tunggal.
Para manajer ingin tahu apakah suatu Kelompok item selalu dibeli secara bersama-ama. Para
manajer tersebut bisa menggunakan informasi Tersebut untuk membuat layout supermarket,
Sehingga penyusunan item-item tersebut bisa

Optimal satu sama lain atau untuk keperluan Promosi, segmentasi pembeli,
pembuatan katalog Produk, atau melihat pola belanja. Aturan asosiasi Ingin memberikan
informasi tersebut dalam bentuk Hubungan “if-then” atau “jika-maka” yang dihitung Dari
data yang sifatnya probabilistik.

2.4 Algoritma Apriori

Algoritma apriori adalah suatu metode untuk mencari pola hubungan antar satu atau
lebih item dalam suatu data set. Algoritma apriori banyak digunakan pada data transaksi atau
biasa disebut market basket, misalnya sebuah swalayan memiliki market basket, dengan
adanya algoritma apriori, pemilik swalayan dapat mengetahui pola pembelian seorang
konsumen, jika seorang konsumen membeli item A , B, punya kemungkinan 50% dia akan
membeli item C, pola ini sangat signifikan dengan adanya data transaksi selama ini.
2.5 Proses Asosiasi Algoritma Apriori
Secara umum dalam pembentukan pola Asosiasi oleh algoritma apriori ada dua
tahapan Yaitu pertama, mencari frequent itemset (himpunan item yang memenuhi nilai
Minimum support). Kedua, membentuk pola Asosiasi dari frequent itemset yang telah
Didapat dengan menggunakan nilai Confidence. Berikut adalah bagian dari atribut Algoritma
apriori:

a. Nilai Support (nilai penunjang): Persentase kombinasi item dalam Database.

b. Nilai confidence (nilai kepastian): Kuatnya hubungan antar-item dalam Aturan
asosiasi.
c. Itemset : himpunan item-item yang Ada dalam transaksi.
d. K-itemset : itemset yang berisi k item. Misalnya : {The, Gula} adalah sebuah 2-
itemset.
e. Candidate k-itemset (Ck) : calon kitemset dari data transaksi.
f. Frequent k-itemset (Lk) : itemset yang Memiliki frekuensi kemunculan lebih Dari
nilai minimum yang telah Ditentukan.

2.1 Cara kerja Apriori

Sebuah Supermarket Memiliki data transaksi sebagai berikut

Gambar 1 : Data Transaksi

 Misal minimum dari nilai support pola frekuensi tinggi adalah

 Interasi 1
Untuk 1-itemset hitung dan scan database untuk mendapatkan pola frequent dari

Gambar 2 : 1-itemset

support Dapatkan k-itemset dari support yang memenuhi minimum support, kemudian
pilih k-itemset sebagai pola frequent tinggi.

Gambar 3 : Pola Freqient

 Interasi 2
Pada iterasi sebelumnya pola frequent dari support telah didapatkan dari 1-itemset,
untuk 2-itemset, generate k-itemset dari k-itemset iterasi sebelumnya, dengan
melakukan kombinasi dari k-itemset tersebut.
 C2 adalah itemset dari kombinasi k-itemset dari iterasi sebelumnya, setelah
didapatkan k-itemset tersebut, hitung masing-masing item frequent dan scan database dan
dapatkan frequent item dari support

Gambar 4 : 2-itemset

Pengembangan algoritma apriori dengan memangkas k-itemset dengan menghitung

suppport dari itemset, salah satu itemset yang tidak muncul dalam database {telur,buncis}
dari C2, sehingga dipangkas menjadi lebih menghemat memory.

Berikut table Pola frequent tinggi diatas minimum support untuk 2-itemset

Gambar 5 : Pola Freqient Tinggi

 Interasi 3
Kandidat 3-itemset yang telah memenuhi minimum support, itemset tersebut akan
menjadi acuan untuk k-itemset selanjutnya.
 Gambar 6 : 3-itemset dari scan database

 Interasi 4
Tidak ada lagi kombinasi yang bisa dibentuk untuk k-itemset berikutnya, proses
berhenti, pola frequent tinggi yang ditemukan adalah “roti,mentega,telur,susu”.

Gambar 7 : pola frekuensi tinggi

3. KESIMPULAN
Asosiasi adalah perkumpulan orang yang memiliki kepentingan yang sama sehingga
dibutuhkan pembentukan hubungan atau pertalian antara gagasan, ingatan atau kegiatan yang
melibatkan seluruh panca indra. Asosiasi harus mampu menjangkau dan menampung
berbagai kepentingan kolektif yang tentu bervariasi, seperti yang sudah di jelaskan. Aturan
asosiasi berfungsi menemukan pola pola yang dapat menemukan fakta yang kurang
diperhatikan.

Apriori adalah pengetahuan yang ada sebelum bertemu dengan pengalaman. Sebuah
istilah yang di pakai untuk menjelaskan bahwa seseorang dapat berpikir dan memiliki asumsi
tentang segala sesuatu, sebelum bertemu dengan pengalaman dan akhirnya mengambil
kesimpulan. Apriori bertujuan untuk menemukan frequentitemsets yaitu itemset yang sering
muncul pada setiap transaksi yang dijalankan pada sekumpulan data. Dengan adanya data
transaksi kita bisa memlihat algoritma apriori untuk mencari pola hubungan antar item