Penerapan Metode Analisis Asosiasi pada Data Penjualan Barang Menggunakan Algoritma Apriori: Studi Kasus pada Supermarket Robinson Plaza Andalas

Penelitian ini bertujuan untuk mengolah data transaksi penjualan untuk
menemukan pola tertentu yang mengasosiasikan data yang satu dengan data yang
lainnya dengan menerapkan metode analisis asosiasi menggunakan algoritma
apriori pada data penjualan barang. Kemudian membandingkan hasil analisis
asosiasi menggunakan algoritma apriori secara manual dan dengan menggunakan
tools Data Mining WEKA 3.7.4 dan Tanagra 1.4. Berdasarkan penelitian dengan
menggunakan algoritma apriori maka diketahui bahwa algoritma apriori
mengekstrak aturan berdasarkan nilai support dan confidence tinggi. Algoritma
apriori mencari item frekuen pada setiap transaksi. Hasil analisis dataset penjualan
barang yang terdiri dari 34 item dengan batas minimum support 30%
menghasilkan 4 kelompok kombinasi frekuen itemset yang terdiri dari 15 itemset
frekuen untuk kombinasi 1-itemset, 30 itemset frekuen untuk kombinasi 2-
itemset, 19 itemset frekuen untuk kombinasi 3-itemset dan 3 itemset frekuen
untuk kombinasi 4-itemset. Dari itemset yang telah ditemukan dengan algoritma
apriori kemudian dibentuk aturan asosiasi dan menghitung nilai confidence, aturan
yang tidak memenuhi nilai minimum confidence 70% akan dipangkas sehingga
dalam penelitian ini ditemukan 130 aturan asosiasi. Dari 130 aturan asosiasi maka
dicari aturan yang merupakan Strong Rule yaitu aturan yang memiliki nilai
support dan confidence tertinggi. Hasil analisis dengan algoritma apriori
menemukan 5 aturan asosiasi yang memiliki nilai support dan confidence terbesar
dan dimasukkan ke dalam kelompok Strong Rules. Kombinasi item yang
dihasilkan yang berupa aturan asosiasi dapat membantu pihak managemen
Supermarket Robinson Plaza Andalas untuk menemukan keterkaitan atau pola
kemunculan barang dalam transaksi penjualan, yang pada akhirnya dapat
digunakan untuk menyusun strategi penjualan