IMPLEMENTASI ASOSIASI RULE MINING PADA DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA APRIORI

Data mining merupakan serangkaian proses untuk mendapatkan informasi yang berguna dari gudang basis data yang besar. Data mining juga dapat diartikan sebagai pengekstrakan informasi baru yang diambil dari bongkahan data besar yang membantu dalam pengambilan keputusan[1]. Dalam data mining terdapat banyak teknik dalam pengerjaannya, diantaranya yaitu algoritma naïve bayes, decision tree, jaringan saraf tiruan dan masih banyak lainnya. Prediksi merupakan suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi dimasa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Prediksi tidak harus memberikan jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi [2].metode yang digunakan dalam penelitian ini adalah Algoritma apriori digunakan untuk mendapatkan aturan asosiasi dan mencari pola hubungan antar satu atau lebih item dalam suatu data [2]. Salah satu tahap analisis asosiasi yang menarik perhatian banyak peneliti untuk menghasilkan algoritma yang efisien adalah analisis pola frekuensi (frequent pattern mining). Suatu asosiasi dapat diketahui penting atau tidak dapat diukur menggunakan parameter support dan confidence. Support atau nilai penunjang adalah ukuran yang menunjukkan tingkat dominasi suatu item dari keseluruhan transaksi, sedangkan confidence atau nilai kepastian adalah kuatnya hubungan antar-item dalam aturan asosiasi [2]. Toko  Bobi elektronik selama ini sudah memiliki data penjualan yang dicatat secara manual  yaitu dengan membuat catatan di buku dan juga microsoft excel, hanya saja  history penjualan ini tidak digunakan secara maksimal hasil dari penelitian ini memiliki 10 best rule dengan nilai confiden rata-rata 90%.