Implementasi Algoritma Apriori untuk Penentuan Kombinasi Barang bagi Sales Motorist

Abstract

Proses penjualan sales motorist bukanlah proses yang pendek. Sales motorist harus melalui proses penambahan barang, transaksi penjualan dan menurunkan barang. Dalam proses ini sales motorist sering mendapat permasalahan bahwa toko yang terakhir dikunjungi tidak mendapatkan item barang tertentu (barang yang paling laku). Sedangkan barang yang lambat penjualannya terlalu banyak yang kembali ke gudang. Hal ini mengakibatkan penjualan masing-masing produk tidak merata dan menghambat proses turun barang. Dalam penelitian ini menggunakan 1500 data transaksi produk powder drink yang diolah dengan algoritma apriori sehingga menghasilkan kombinasi barang yang sering dibeli. Algoritma Apriori dimulai dengan pencarian kandidat (C1) dan pembentukan large itemset (L1). Pencarian kandidat dan pembentukan large itemset dilakukan secara iteratif sampai tidak ada kandidat yang memenuhi minimum support. Data dalam penelitian ini mampu terbentuk sampai large itemset 3 (L3). Proses Join dan pruning bisa diterapkan mulai large itemset 3 (L3), dimana proses ini bertujuan untuk mengurangi jumlah iterasi yang dilakukan agar pembentukan kandidat dan large itemset tidak membutuhkan terlalu banyak memori. Berdasarkan pengujian parameter minimum support yang dilakukan pada 1500 data menunjukkan bahwa semakin besar minimum supportnya maka kombinasi item yang dihasilkan semakin sedikit. Namun rule yang dihasilkan tidak semuanya unik (mengandung pengetahuan yang spesifik).  Untuk rule yang menghasilkan kombinasi yang unik dan mengandung pengetahuan yang spesifik berada pada pengujian minimum support 12% dengan hasil 4 rule.