RAMADHANI, Alvian Nur (2021) Implementasi Pencarian Frequent Itemset Untuk Menghasilkan Aturan Asosiasi Pada Data Transaksi. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Alvian Nur Ramadhani-H1D016052-Skripsi-2021.pdf Download (119kB)
	PDF (Legalitas) LEGALITAS-Alvian Nur Ramadhani-H1D016052-Skripsi-2021.pdf Restricted to Repository staff only Download (421kB)
	PDF (Abstrak) ABSTRAK-Alvian Nur Ramadhani-H1D016052-Skripsi-2021.pdf Download (128kB)
	PDF (BabI) BAB-I-Alvian Nur Ramadhani-H1D016052-Skripsi-2021.pdf Restricted to Repository staff only Download (341kB)
	PDF (BabII) BAB-II-Alvian Nur Ramadhani-H1D016052-Skripsi-2021.pdf Restricted to Repository staff only Download (194kB)
	PDF (BabIII) BAB-III-Alvian Nur Ramadhani-H1D016052-Skripsi-2021.pdf Restricted to Repository staff only Download (619kB)
	PDF (BabIV) BAB-IV-Alvian Nur Ramadhani-H1D016052-Skripsi-2021.pdf Restricted to Repository staff only Download (882kB)
	PDF (BabV) BAB-V-Alvian Nur Ramadhani-H1D016052-Skripsi-2021.pdf Restricted to Repository staff only Download (621kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Alvian Nur Ramadhani-H1D016052-Skripsi-2021.pdf Download (341kB)

Abstract

Dunia ritel farmasi di Indonesia berkembang dengan sangat cepat, hal ini menyebabkan terjadinya kompetisi yang dilakukan peritel khususnya apotek. Oleh karena itu, dibutuhkan suatu strategi untuk memperluas pasar konsumen. Salah satu strategi yang dapat dilakukan yaitu memahami perilaku pembelian konsumen dengan melihat pola kombinasi pembelian pada setiap transaksi yang dilakukan. Association rule mining dilakukan untuk mengekstraksi pola pembelian dengan melihat asosiasi berbagai item yang terjual dalam satu transaksi. Algoritma Apriori digunakan dalam melakukan pencarian frequent itemset dengan menggunakan metrik support, confidence, dan lift ratio. Dan luaran dari association rule mining berupa aturan dalam bentuk antecedent dan consequent. Dari hasil pengujian dipilih skenario dengan nilai minimum support 3% dan minimum confidence 60% karena menghasilkan jumlah aturan yang lebih sedikit dan waktu eksekusi lebih cepat. Dari skenario pengujian juga didapatkan bahwa nilai minimum support dan minimum confidence sangat berpengaruh dalam aturan yang dihasilkan. Dunia ritel farmasi di Indonesia berkembang dengan sangat cepat, hal ini menyebabkan terjadinya kompetisi yang dilakukan peritel khususnya apotek. Oleh karena itu, dibutuhkan suatu strategi untuk memperluas pasar konsumen. Salah satu strategi yang dapat dilakukan yaitu memahami perilaku pembelian konsumen dengan melihat pola kombinasi pembelian pada setiap transaksi yang dilakukan. Association rule mining dilakukan untuk mengekstraksi pola pembelian dengan melihat asosiasi berbagai item yang terjual dalam satu transaksi. Algoritma Apriori digunakan dalam melakukan pencarian frequent itemset dengan menggunakan metrik support, confidence, dan lift ratio. Dan luaran dari association rule mining berupa aturan dalam bentuk antecedent dan consequent. Dari hasil pengujian dipilih skenario dengan nilai minimum support 3% dan minimum confidence 60% karena menghasilkan jumlah aturan yang lebih sedikit dan waktu eksekusi lebih cepat. Dari skenario pengujian juga didapatkan bahwa nilai minimum support dan minimum confidence sangat berpengaruh dalam aturan yang dihasilkan.

Actions (login required)

View Item