Implementasi Data Mining Penjualan Peralatan Badminton Dengan Menggunakan Metode Apriori

Abstract

Penjualan peralatan badminton semakin diperlukan, dengan adanya kegiatan transaksi penjualan setiap hari data semakin lama akan semakin bertambah, untuk mengetahui jenis barang yang paling diminati diperlukan algoritma apriori. Algoritma apriori termasuk jenis aturan asosiasi pada data mining. Salah satu tahapan analisis pola terkait yang menarik perhatian banyak peneliti untuk mengembangkan algoritma yang efisien adalah analisis pola frekuensi tinggi. Pentingnya asosiasi dapat dikenali dengan support dan confidence. Support adalah probabilitas konsumen akan membeli beberapa produk sekaligus dari jumlah transaksi, sedangkan confidence adalah kekuatan hubungan antar item dalam aturan asosiasi. Penentuan itemset yang digunakan adalah kombinasi 1, 2, dan 3 dengan support minimal 40% dan confidence minimal 70%. Algoritma apriori membantu mengembangkan strategi pemasaran.