Penerapan Algoritma Apriori untuk Rekomendasi Produk Spare Part Mobil
DOI:
https://doi.org/10.37802/joti.v6i1.597Keywords:
Algoritma Apriori, Google Collab, Market Basket Analysis, Spare partAbstract
Guna memberikan layanan optimal kepada pelanggan, bisnis spare part mobil perlu menerapkan strategi bisnis terbaik. Namun, terkadang beberapa faktor menghambat penentuan strategi tersebut. Salah satu penyebabnya adalah kesulitan dalam melakukan analisis terkait data penjualan pelanggan yang sudah ada. Berdasarkan data pelanggan yang disimpan dalam database, perusahaan mengidentifikasi bahwa sistem penjualan saat ini tidak efektif. Kemudian apabila produk banyak yang tidak terjual, maka keterlambatan dalam pengembalian modal bagi penjual juga akan menjadi masalah. Dalam mengatasi hambatan ini, perusahaan perlu mengadopsi strategi promosi penjualan dan menganalisis pola penjualan spare part untuk menentukan pola penjualan dan memberikan gambaran keterkaitan antar barang dengan menganalisis data transaksi penjualan. Metode yang akan digunakan dalam menganalisis pola penjualan pada penelitian ini adalah dengan menggunakan market basket analysis. Metode ini dihitung menggunakan Algoritma Apriori dengan menggunakan bantuan Google Collab dengan menentukan nilai minimum support sebesar 8 % dan minimum confidence sebesar 60 %. Perhitungan dalam Google Collab akan menghasilkan kumpulan item yang sering dibeli dengan kombinasi 1 itemset sampai dengan 5 itemset yang dibeli secara bersamaan. Hasil assosiation rule tersebut dapat dijadikan acuan kepada pengambil keputusan dalam upaya meningkatkan strategi pemasaran dan promosi produk suku cadang mobil bagi PT Milenia Mega Mandiri yang lebih baik.
Downloads
References
S. Zhang, K. Huang, and Y. Yuan, “Spare parts inventory management: A literature review,” Sustain., vol. 13, no. 5, pp. 1–23, 2021, doi: 10.3390/su13052460.
M. Ramadhan, J. Hutagalung, M. Dahria, I. Zulkarnain, and H. Jaya, “Prediksi Penjualan Spare Part Mobil Daihatsu Menggunakan Algoritma Apriori,” Techno.Com, vol. 22, no. 1, pp. 156–166, 2023, doi: 10.33633/tc.v22i1.7192.
E. Widodo and Nabawi, “IMPLEMENTASI DATA MINING DENGAN METODE ALGORITMA APRIORI UNTUK MENENTUKAN POLA PEMBELIAN DI PT DONG SUNG TOOLS,” J. Teknol. Pelita Bangsa, vol. 10, p. 64, 2019, doi: 10.1134/s0320972519100129.
K. Annisa, B. S. Ginting, and M. A. Syari, “Penerapan Data Mining Pengelompokan Data Pengguna Air Bersih Berdasarkan Keluhannya Menggunakan Metode Clustering Pada PDAM Langkat,” vol. 6341, no. April, 2022.
N. N. Merliani, N. I. Khoerida, N. T. Widiawati, L. A. Triana, and P. Subarkah, “Penerapan Algoritma Apriori Pada Transaksi Penjualan Untuk Rekomendasi Menu Makanan Dan Minuman,” J. Nas. Teknol. dan Sist. Inf., vol. 8, no. 1, pp. 9–16, 2022, doi: 10.25077/teknosi.v8i1.2022.9-16.
S. Styawati, A. Nurkholis, and K. N. Anjumi, “Analisis Pola Transaksi Pelanggan Menggunakan Algoritme Apriori,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 5, no. 2, pp. 619–626, 2021.
I. Tahyudin et al., Big Data dan Analytics. Purwokerto: Zahira Media Publiser, 2023.
H. Bin Wang and Y. J. Gao, “Research on parallelization of Apriori algorithm in association rule mining,” Procedia Comput. Sci., vol. 183, pp. 641–647, 2021, doi: 10.1016/j.procs.2021.02.109.
N. F. FAHRUDIN, “Penerapan Algoritma Apriori untuk Market Basket Analysis,” MIND J., vol. 1, no. 2, pp. 13–23, 2019, doi: 10.26760/mindjournal.v4i1.13-23.
A. Salsabiela, A. P. Kuncoro, P. Subarkah, and P. Arsi, “Rekomendasi Restock Barang di Toko Pojok UMKM Menggunakan Algoritma K-Means Clustering,” J. Technol. Informatics, vol. 5, no. 2, pp. 87–92, 2024, doi: 10.37802/joti.v5i2.554.
I. Nurdiyanto, O. Nurdiawan, A. Irma Purnamasari, and D. Ade Kurnia, “Penentuan Keputusan Pemberian Pinjaman Kredit Menggunakan Algoritma C.45,” J. Dadta Sci. dan Inform., vol. 2, no. 1, pp. 1–5, 2022.
A. G. Andersen et al., “Evaluation of an a priori scatter correction algorithm for cone-beam computed tomography based range and dose calculations in proton therapy,” Phys. Imaging Radiat. Oncol., vol. 16, no. May, pp. 89–94, 2020, doi: 10.1016/j.phro.2020.09.014.
F. Navidi, I. L. Gørtz, and V. Nagarajan, “Approximation algorithms for the a priori traveling repairman,” Oper. Res. Lett., vol. 48, no. 5, pp. 599–606, 2020, doi: 10.1016/j.orl.2020.07.009.
H. Yu, “Apriori algorithm optimization based on Spark platform under big data,” Microprocess. Microsyst., vol. 80, no. November 2020, p. 103528, 2021, doi: 10.1016/j.micpro.2020.103528.
M. Giacomini, L. Borchini, R. Sevilla, and A. Huerta, “Separated response surfaces for flows in parametrised domains: Comparison of a priori and a posteriori PGD algorithms,” Finite Elem. Anal. Des., vol. 196, no. November 2020, p. 103530, 2021, doi: 10.1016/j.finel.2021.103530.
P. Haryandi, Y. Widiastiwi, and N. Chamidah, “Penerapan Algoritma Apriori untuk Mencari Pola Penjualan Produk Herbal (Studi Kasus: Toko Hanawan Gemilang),” Inform. J. Ilmu Komput., vol. 17, no. 3, p. 218, 2021, doi: 10.52958/iftk.v17i3.3655.
