• Login
    View Item 
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Industrial Technology
    • Informatics Engineering
    • View Item
    •   DSpace Home
    • Students & Alumnae
    • Undergraduate Thesis
    • Faculty of Industrial Technology
    • Informatics Engineering
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Implementasi Algoritma Apriori Untuk Mencari Pola Transaksi Penjualan (Studi Kasus: Carroll Kitchen)

    Thumbnail
    View/Open
    17523130 Ibnu Haidar.pdf (3.562Mb)
    Date
    2021-06-25
    Author
    IBNU HAIDAR
    Metadata
    Show full item record
    Abstract
    Kafe Carroll Kitchen adalah salah satu kafe yang beralamatkan di jalan Seturan Kota Yogyakarta. Persaingan di dunia bisnis sungguhlah tidak mudah, khususnya pada industri restoran seperti kafe agar menarik minat pelanggan terhadap produk makanan dan minuman yang dijual. Selama ini pemanfaatan data transaksi penjualan pada kafe Carrol Kitchen hanya disimpan sebagai arsip. Padahal, data tersebut dapat dimanfaatkan dan diolah menjadi informasi yang berguna untuk peningkatan penjualan produk maupun inovasi produk. Dalam hal ini, perlu dilakukan analisis data transaksi untuk mendapatkan pola penjualan. Dengan adanya informasi mengenai pola penjualan, Kafe Carrol Kitchen dapat mengetahui apa yang paling sering dibeli oleh konsumen. Dalam penelitian ini menggunakan Algoritma apriori yaitu dengan memberikan hubungan antar item dalam data penjualan. Penerapan Algoritma Apriori, membantu dalam membentuk kandidat kombinasi item yang mungkin terjadi, kemudian dilakukan pengujian apakah kombinasi tersebut memenuhi parameter support dan confidence minimum yang merupakan nilai ambang batas yang diberikan oleh pengguna. Hasil dari penelitian ini adalah Algoritma Apriori mampu digunakan untuk menentukan menu yang paling sering dibeli konsumen dengan melihat kecenderungan konsumen dalam melakukan transaksi. Hasil analisis yang didapatkkan setelah menggunakan perbandingan minimum support dan minimum confidence yang berbeda-beda berdasarkan data transaksi yang ada adalah dengan menggunakan minimum support 4% (kuatnya kombinasi item tersebut dalam database) dan minimum confidence 30% (kuatnya hubungan antar item dalam aturan asosiasi) menghasilkan dua puluh empat aturan asosiasi. Salah satu contohnya yaitu jika konsumen membeli menu Teh manis (dingin) maka 71,05% (kepastian konsumen dalam membeli item) akan membeli Nasi goreng jambal. Dari data hasil aturan yang telah diperoleh, dapat diketahui menu apa saja yang sering dibeli secara bersamaan oleh setiap konsumen. Informasi ini dapat memudahkan dalam menyiapkan bahan untuk makanan dan minuman yang paling sering dibeli konsumen serta membantu pihak kafe dalam mengambil sebuah keputusan bisnis yang berhubungan dengan produknya.
    URI
    https://dspace.uii.ac.id/handle/123456789/36068
    Collections
    • Informatics Engineering [2528]

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV