IMPLEMENTASI DATA MINING UNTUK MENENTUKAN MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA EQUIVALENCE CLASS TRANSFORMATION (ECLAT) (Studi Kasus : Toko Delima 2)

Wardhana, Yudha Yunnartha Kusuma (2022) IMPLEMENTASI DATA MINING UNTUK MENENTUKAN MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA EQUIVALENCE CLASS TRANSFORMATION (ECLAT) (Studi Kasus : Toko Delima 2). Undergraduate thesis, UPN Veteran Jawa Timur.

[img]
Preview
Text (Cover)
1534010056_cover.pdf

Download (1MB) | Preview
[img]
Preview
Text (Bab 1)
1534010056_bab1.pdf

Download (190kB) | Preview
[img] Text (Bab 2)
1534010056_bab2.pdf
Restricted to Registered users only until 10 June 2024.

Download (379kB)
[img] Text (Bab 3)
1534010056_bab3.pdf
Restricted to Registered users only until 10 June 2024.

Download (308kB)
[img] Text (Bab 4)
1534010056_bab4.pdf
Restricted to Registered users only until 10 June 2024.

Download (683kB)
[img]
Preview
Text (Bab 5)
1534010056_bab5.pdf

Download (149kB) | Preview
[img]
Preview
Text (Dapus)
1534010056_daftarpustaka.pdf

Download (156kB) | Preview

Abstract

Market basket analysis adalah sebuah Teknik data mining untuk menemukan hubungan antar data set. Association rule mining mengidentifikasi hubungan antara sejumlah besar item data. Ketika sejumlah besar data terus�menerus diperoleh dan disimpan di database, beberapa industri menjadi kawatir terhadap aturan asosiasi pertambangan dari database mereka. Market basket analysis meneliti pola pembelian pelanggan dengan mengidentifikasi asosiasi diantara berbagai item yang pelanggan tempatkan dikeranjang belanja mereka. Sangat membantu untuk memeriksa perilaku pembelian pelanggan dan membantu meningkatkan penjualan. Jadi, sistem ini dimaksudkan untuk mengembangkan suatu sistem untuk analisis keranjang pasar pada Toko Oleh�oleh Delima 2 yang akan menghasilkan aturan asosiasi antara item set dengan menggunakan algoritma ECLAT(Equivalence Class Transformation). Sistem ini mendukung proses pengambilan keputusan untuk pakar pasar. Pada penelitian ini proses ECLAT diawali dengan pengekstrakan data transaksi, kemudian membuat id dan variable untuk masing-masing item. Data yang sudah ada diubah menjadi format data vertikal. Inputkan nilai minimum support sesuai kebutuhan pengguna, dilanjutkan dengan proses mining frequent pattern(menyilang, kemudian data diproses kembali untuk menentukan asosiasi rule. Output dari rancangan sistem ini adalah hasil dari asosiasi rule. Dari hasil freuquent itemset pada penelitian ini, diperoleh aturan asosiasi sebanyak 15 itemset dan terpilih 1 itemset yang tergolong strong rule, yaitu jika seseorang membeli Lemeng Bawang, maka kemungkinan besar akan membeli Sambel Pecel, karena memiliki nilai support tertinggi, yaitu 5,88% dengan confidence 81,25%

Item Type: Thesis (Undergraduate)
Contributors:
ContributionContributorsNIDN/NIDKEmail
Thesis advisorPuspaningrum, Eva YuliaNIP198907052021212002evapuspaningrum.if@upnjatim.ac.id
Thesis advisorPurbasari, Intan YuniarNPT380060401981intanyuniar.if@upnjatim.ac.id
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Computer Science > Departemen of Informatics
Depositing User: Yudha Yuniartha Kusuma Wardhana
Date Deposited: 10 Jun 2022 01:29
Last Modified: 10 Jun 2022 01:29
URI: http://repository.upnjatim.ac.id/id/eprint/7007

Actions (login required)

View Item View Item