Implementasi Data Mining dengan Metode Association Rule Mining Untuk Menentukan Peta Pemasaran

Mastuhin Mastuhin, Nurirwan Saputra, Sunggito Oyama

Sari


Dalam bisnis retail, ada banyak strategi yang bisa digunakan oleh sebuah toko retail agar konsumen tetap loyal. Salah satu contohnya dengan menerapkan sales promotion yang tepat sasaran. Sales promotion yang tepat hanya bisa dilakukan dengan melihat pola kebiasaan membeli konsumen. Oleh karena itu penulis merancang sebuah sistem implementasi data mining menggunakan metode Association Rule Mining dengan algoritma hash-based yang berbasis website. Sistem ini dibangun dengan menggunakan bahasa pemrograman PHP dan database MySQL. Penelitian ini diharapkan dapat menghasilkan sebuah sistem berbasis website yang mampu memberikan sebuah output berupa gambaran pola membeli konsumen yang di dapat dari olah data transaksi penjualan Toko Matahari sehingga pemilik mendapatkan gambaran dalam menentukan strategi pemasaran yang tepat.

Referensi


H. Martinus, “Analisis Industri Retail Nasional,” Humaniora, vol. 2, no. 2, p. 1309, 2011, doi: 10.21512/humaniora.v2i2.3193.

S. Kartono, 5 Jurus Sukses Berbisnis Sukses di Modern Market, 1st ed. Jakarta: TransMedia Pustak, 2007.

A. S. Sujan, Manajemen Minimarket, 1st ed. Jakarta: Raih Asa Sukses, 2012.

A. S. B. Putra, “Pengaruh Retail Marketing Mix Terhadap Loyalitas Konsumen Dengan Kepuasan Konsumen Sebagai Pemoderasi,” JRMB, Vol. 7, No.2 Desember 2012 berusaha, vol. 1, no. 2, pp. 186–194, 2013.

E. A. Sukma, A. D. Fauzi, and F. Yaningwati, “Suasana Toko dalam Menciptakan Emosi dan Pengaruhnya Terhadap Keputusan Pembelian,” J. Profit, vol. 6, no. 1, pp. 60–87, 2012.

H. Kartajaya et al., MarkPuls on Strategy. Gramedia Pustaka Utama, 2005.

Mastuhin, E. L. Fraehantini, and M. N. Tentua, “Classification of Community Happiness Level Using K-Nearest Neighbor ( KNN ) Method Klasifikasi Tingkat Kebahagiaan Masyarakat Dengan Metode K- Nearest Neighbor ( KNN ).”

K. Tampubolon, H. Saragih, and B. Reza, “Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan,” Inf. dan Teknol. Ilm., vol. 1, no. 1, pp. 93–106, 2013, doi: 10.1017/S0079497X00014341.

E. Buulolo, Data Mining untuk Perguruan Tinggi, 1st ed. Sleman: Deepublish, 2020.

F. Ramadhan, “Implementasi Algoritma Hash Based Terhadap Aturan Asosiasi untuk Menentukan Frequent Itemset Study Kasus Rumah Makan Seafood ‘Kita,’” Semin. Nas. Teknol. Inf. dan Multimed., pp. 97–102, 2017.

O. S. Arifah and E. Wibowo, “Analisis Perbandingan Algoritma Apriori Dan Algoritma Hash Based Pada Market Basket Analysis Di Apotek Uad,” J. Sarj. Tek. Inform., vol. 3, no. 1, pp. 1–10, 2015, doi: 10.12928/jstie.v3i1.2896.

Naimah, “Analisis dan Implementasi Teknik Data Mining dengan Metode Association Rule Mining untuk Memprediksi Strategi Pemasaran Produk Unilever pada PT . Tiran Makassar,” Universitas Islam Negeri (UIN) Alauddin Makasar, 2017.

P. R. PUTRI, “Market Basket Analysis Dengan Menggunakan Algoritma Hash-Based Pada Transaksi Penjualan Apotek Untuk Menerapkan Konsep Cross-Selling,” Universitas Airlangga Surabaya, 2016.

S. Aguru and B. M. Rao, “A Hash Based Frequent Itemset Mining using Rehashing,” Int. J. Recent Innov. Trends Comput. Commun., vol. 2, no. 2, pp. 4198–4204, 2014.

R. Yanto and H. Di Kesuma, “Pemanfaatan Data Mining Untuk Penempatan Buku Di Perpustakaan Menggunakan Metode Association Rule,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 4, no. 1, pp. 1–10, 2017, doi: 10.35957/jatisi.v4i1.83.

D. Nofriansyah, Konsep Data Mining vs Sistem Pendukung Keputusan, 1st ed. Sleman: Deepublish, 2014.

V. N. Latifah, M. T. Furqon, and N. Santoso, “Implementasi Algoritme Modified-Apriori Untuk Menentukan Pola Penjualan Sebagai Strategi Penempatan Barang Dan Promo,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 10, pp. 2829–2834, 2018.

Mastuhin, “Association Rules with LARAVEL,” 2020. [Online]. Available: https://github.com/tuhinmas/ta-asosiasi.git. [Accessed: 20-Dec-2020].


Refbacks

  • Saat ini tidak ada refbacks.