IMPLEMENTASI ALGORITMA RULEGROWTH UNTUK MEMPREDIKSI URUTAN PENJUALAN BARANG DARI DATA PENJUALAN BARANG PUSAT PERKULAKAN

71130086, Michael Royaldo (2017) IMPLEMENTASI ALGORITMA RULEGROWTH UNTUK MEMPREDIKSI URUTAN PENJUALAN BARANG DARI DATA PENJUALAN BARANG PUSAT PERKULAKAN. Bachelor thesis, Universitas Kristen Duta Wacana.

[img] Text (Skripsi Informatika)
71130086_bab1_bab5_daftarpustaka.pdf

Download (845kB)
[img] Text (Skripsi Informatika)
71130086_bab2-sd-bab4_lampiran.pdf
Restricted to Registered users only

Download (3MB) | Request a copy

Abstract

RuleGrowth adalah salah satu algoritma yang dapat digunakan untuk mencari aturan-aturan dari data transaksi penjualan yang sudah dikelompokkan berdasarkan member. Dalam penelitian ini, penulis menggunakan algoritma RuleGrowth pada data transaksi Grosir X dari Juni 2014 - Agustus 2016. Pengujian pada penelitian ini menggunakan nilai minimum support, minimum confidence dan lift ratio. Data transaksi tahun 2016 akan digunakan sebagai data uji dan data latihnya adalah data transaksi tahun 2015. Aturan-aturan yang dihasilkan dari data latih dan data uji akan dibandingkan untuk mencari aturan yang berulang pada tahun 2015 - 2016, aturan yang hanya muncul pada tahun 2015 dan aturan yang baru muncul pada tahun 2016. Dan hasilnya, pada periode waktu Januari - April didapatkan jumlah aturan yang berulang pada tahun 2015 - 2016 sebanyak 136, jumlah aturan yang hanya muncul tahun 2015 sebanyak 61 dan jumlah yang baru muncul tahun 2016 sebanyak 669. Sedangkan untuk periode waktu Mei - Agustus didapatkan jumlah aturan yang berulang pada tahun 2015 - 2016 sebanyak 60, jumlah aturan yang hanya muncul tahun 2015 sebanyak 105 dan jumlah yang baru muncul tahun 2016 sebanyak 40. Hasil tersebut didapatkan dengan menggunakan nilai minimum support 26% dan minimum confidence 55%.

Item Type: Thesis (Bachelor)
Uncontrolled Keywords: Sequential Rule Mining, RuleGrowth, Data Mining, Data Warehouse
Subjects: Q Ilmu Pengetahuan > QA Matematika > QA75 Komputer Elektronik. Ilmu Komputer
Divisions: Fakultas Teknologi Informasi > Prodi Informatika
Depositing User: Users 37 not found.
Date Deposited: 09 Jun 2021 02:34
Last Modified: 09 Jun 2021 02:34
URI: http://katalog.ukdw.ac.id/id/eprint/1743

Actions (login required)

View Item View Item