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.