PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK REKOMENDASI PROMOSI PRODUK (Studi Kasus: Dayspeed Computer)

Hartini, Tri (2020) PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK REKOMENDASI PROMOSI PRODUK (Studi Kasus: Dayspeed Computer). Strata 1 thesis, Universitas Teknokrat Indonesia.

[img] Text (Pendahuluan)
b116311003.pdf - Published Version

Download (74kB)
[img] Text (Daftar Pustaka)
daftar_pustaka16311003.pdf - Bibliography

Download (129kB)
[img] Text (Abstrak)
abstrak16311003.pdf - Published Version

Download (10kB)
[img] Text (Full Skripsi)
skripsi16311003.pdf - Published Version
Restricted to Registered users only

Download (2MB) | Request a copy

Abstract

Algoritma Apriori adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item. Penelitian ini bertujuan untuk mencari frekuensi kombinasi barang yang banyak terjual sehingga dapat menentukan strategi penjualan dengan memberikan rekomendasi promosi produk yang akan disediakan perusahaan. Masalah yang dihadapi Dayspeed Computer adalah kurang memahami kebutuhan dan kebiasaan berbelanja pelanggan, sementara itu salah satu kebiasaan berbelanja pelanggan yang perlu diketahui adalah barang apa saja yang sering dibeli bersamaan. Untuk mengatasi permasalahan tersebut maka akan diterapkan data mining menggunakan Algoritma Apriori untuk menemukan kombinasi item yang sering dibeli bersamaan oleh pelanggan. Penelitian ini menerapkan minimal support 8% atau 9% dan minimal confidence 70% dengan akurasi 69% dan menghasilkan 12 rules produk yang sering dibeli bersamaan yang akan digunakan untuk memberikan rekomendasi promosi produk kepada perusahaan. Kata kunci : Algoritma Apriori, data mining, rekomendasi promosi, Penjualan, Rapidminer

Item Type: Thesis (Strata 1)
Subjects: SISTEM INFORMASI (S1) > Metode Komputer
Divisions: Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User: Rahmat Iqbal M.IP
Date Deposited: 04 May 2021 03:02
Last Modified: 04 May 2021 03:02
URI: http://repository.teknokrat.ac.id/id/eprint/2946

Actions (login required)

View Item View Item