Application of the Modified Apriori Algorithm to Determine Sales Patterns of Capacitor Products.
The sales pattern becomes a benchmark for increasing product sales in a company. Sales patterns are one way that can be used to determine sales strategies by looking at how often an item is purchased simultaneously. The large number of daily transactions makes it difficult for companies to determine...
| Publicado en: | Riwayat: Educational Journal of History & Humanities Vol. 6; no. 3; pp. 1075 - 1090 |
|---|---|
| Autores principales: | , , |
| Formato: | Artículo |
| Publicado: |
Riwayat: Educational Journal of History & Humanities
2023
|
| Materias: | |
| Acceso en línea: | Ver este registro en EBSCOhost |
| Sumario: | The sales pattern becomes a benchmark for increasing product sales in a company. Sales patterns are one way that can be used to determine sales strategies by looking at how often an item is purchased simultaneously. The large number of daily transactions makes it difficult for companies to determine sales strategies. Data mining analyses extensive data to find relationships between data and can produce valuable information. Patterns of sales or consumer transactions look for relationships between one product and another in one transaction using the Association Rule method. The algorithm used is the Modified Apriori Algorithm. The data used is transaction data on capacitor products. The data used is 15513 transactions with the variables LotNo and Material Code. Processed with the Python programming language and Flask as the user interface, the minimum support used is 0.01, and the minimum confidence is 0.5, resulting in rules with the lowest reliability of 50% and the highest reliability of 100%. Based on the results of a comparison of the performance time of the Modified Apriori Algorithm and the Classic Apriori Algorithm in processing 15513 transaction data with the given conditions, namely minimum support = 0.02 and also minimum confidence = 0.5 with the time obtained by the Modified Apriori Algorithm for 5 minutes 5 seconds and the Classic Apriori Algorithm for 6 minutes 6 seconds. Pola penjualan menjadi sebuah tolak ukur untuk peningkatan penjualan produk pada suatu perusahaan. Pola penjualan merupakan salah satu cara yang dapat digunakan untuk menentukan strategi penjualan dengan melihat seberapa sering suatu barang dibeli secara bersamaan. Jumlah transaksi yang banyak setiap harinya membuat perusahaan memiliki kesulitan dalam menentukan strategi penjualan. Data mining digunakan untuk menganalisis data yang berukur besar untuk menemukan hubungan antara data dan dapat menghasil informasi yang berguna. Pola penjualan atau transaksi konsumen mencari hubungan antara satu produk dengan produk lainnya dalam satu transaksi dengan menggunakan metode Association Rule. Algoritma yang digunakan adalah Modified Apriori Algorithm. Data yang digunakan adalah data transaksi pada produk kapasitor. Data transaksi yang digunakan adalah 15513 transaksi dengan variabel LotNo dan Material Code. Diproses dengan bahasa pemrograman Python dan Flask sebagai antarmuka pengguna, minimum support yang digunakan yaitu 0.01 dan minimum confidence 0.5, menghasilkan rules dengan reliabilitas terendah 50% dan reliabilitas tertinggi 100%. Berdasarkan hasil perbandingan waktu kinerja Modified Apriori Algorithm dan Classic Apriori Algorithm dalam memproses 15513 data transaksi dengan ketentuan yang diberikan yaitu minimum support = 0.02 dan juga minimum confidence = 0.5 dengan waktu yang didapat oleh Modified Apriori Algorithm selama 5 menit 5 detik dan Classic Apriori Algorithm selama 6 menit 6 detik. |
|---|