Analisa Transaksi Penjualan Obat menggunakan Algoritma Apriori

Analisa Transaksi Penjualan Obat menggunakan Algoritma Apriori

• By Nurajizah, Siti;
• Jurnal Nasional Terakreditasi
• 437
• 35-44

Pertumbuhan industri kesehatan semakin berkembang pesat saat ini. Setiap aspek yang terdapat dalam industri tersebut mempunyai nilai yang dapat memberikan keuntungan dalam peningkatan kualitas bidang industri. Sektor penjualan obat yang ada pada apotek di rumah sakit menghasilkan data transaksi penjualan yang cukup banyak setiap harinya. Peningkatan data transaksi yang cukup signifikan, tidak akan bernilai jika data tidak diolah menjadi sesuatu yang memiliki nilai lebih. Teknik data mining dapat menjadi salah satu cara untuk mengolah histori data transaksi penjualan yang bersumber dari sebuah dataset yang berukuran besar. Dalam penelitian ini, data mining yang digunakan adalah teknik asosiasi dengan menggunakan algoritma apriori. Algoritma apriori dapat membantu dalam menentukan strategi pemasaran dalam penjualan. Algoritma apriori merupakan teknik data mining yang menggunakan aturan dari kombinasi item dengan menggunakan support dan confidence sebagai parameternya. Pada penelitian ini akan menggunakan nilai minimum support sebesar 30% serta nilai minimum confidence sebesar 60%. Hasil yang diperoleh dari proses algoritma apriori yaitu terdapat 2 aturan asosiasi dengan 2 kombinasi itemset yaitu fasidol serta ifarsyl. Aturan pertama adalah fasidol dan ifarsyl dengan nilai support 41,67% dan nilai confidence 62,5%, sedangkan untuk ifarsyl dan fasidol memiliki nilai support 41,67% dan nilai confidence 71,42%.

• Katakunci Data Mining, Apriori, Penjualan
• URL http://ejournal.polbeng.ac.id/index.php/ISI/article/view/938/427
• Penerbit ,

REFERENSI

[1]      R. Yanto and R. Khoiriah, “Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola Pembelian Obat,” Citec J., vol. 2, no. 2, pp. 102–113, 2015.

[2]      E. N. Salamah and N. Ulinnnuha, “Analisis Pola Pembelian Obat dan Alat Kesehatan di Klinik Ibu dan Anak Graha Amani dengan Menggunakan Algoritma Apriori,” J. Inf., vol. 2, no. xx, pp. 1–6, 2017.

[3]      M. Badrul, “Algoritma asosiasi dengan algoritma apriori untuk analisa data penjualan,” Pilar, vol. XII, no. 2, pp. 121–129, 2016.

[4]      K. Tampubolon, H. Saragih, B. Reza, K. Epicentrum, A. Asosiasi, and A. Apriori, “IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PERSEDIAAN ALAT-ALAT KESEHATAN,” Inf. dan Teknol. Ilm., vol. I, pp. 93–106, 2013.

[5]      V. R. Tri, Data Mining; Teori dan Aplikasi Rapidminer, 1st ed. Yogyakarta: Gavamedia, 2017.

[6]      O. S. Tan, Enhancing Thinking Through Problem besed Learning Approaches. Thomson, 2004.

[7]      Kusrini and E. T. Lutfi, Algoritma Data Mining. Yogyakarta: CV Andi Offset, 2009.

[8]      Amrin, “Data Mining Dengan Algoritma Apriori untuk Penentuan Aturan Asosiasi Pola Pembelian Pupuk,” Paradigma, vol. XIX, p. 6, 2017.

[9]      R. D. Jayapana and Y. Rahayu, “Analisis pola pembelian konsumen dengan algoritma apriori pada apotek rahayu jepara,” pp. 1–6, 2015.

[10]    A. Wijayanti, “Analisis Hasil Implementasi Data Mining Menggunakan Algoritma Apriori pada Apotek,” J. Edukasi dan Penelit. Inform., vol. 3, no. 61, pp. 60–64, 2017.

[11]    G. Rabbany and Aripin, “Analisis aturan asosiasi menggunakan algoritma apriori untuk menentukan inventori apotek,” no. 5.