Penerapan Algoritma Eclat untuk Menemukan Pola Asosiasi Antar Barang di Aneka Sandang Collection

Lisna Zahrotun, Al Fath Imam Robbani

Abstract


Aneka Sandang Collection merupakan usaha yang menjual berbagai macam pakaian. Pencatatan transaksi masih dilakukan secara manual yang mengakibatkan banyaknya tumupukan nota transaksi. Kendala lain dalam mencari barang karena toko terbagi menjadi beberapa ruangan. Hal tersebut menyebabkan kurang maksimalnya dalam mencari dan memilih barang yang diinginkan oleh pelanggan. Menentukan barang yang sering dibeli secara bersamaan oleh pelanggan dapat menjadi acuan bagi pemilik dalam menata barang secara berdekatan. Oleh sebab dalam penelitian ini dilakukan pencarian pola asosiasi antar barang di Aneka sandang Collection. Untuk mencari pola asosiasi antar barang dapat mengimplementasikan metode association rules. Salah satu algoritma association rules adalah Algoritma ECLAT. Algoritma ECLAT digunakan karena lebih efisien dan cepat dalam segi waktu. Tahapan dalam penelitian ini meliputi pemahaman bisnis, data, seleksi data, proses pencarian pola asosiasi  ECLAT, dan representasi pengetahuan. Data yang digunakan dalam penenlitian ini sebanyak 165 transaksi dengan 76 jenis barang. Hasil penelitian menemukan pola asosiasi antar di toko Aneka sandang collection. Pola yang dihasilkan mengacu pada nilai min support 3% dan min confidence 50%. Artinya data transaksi yang memiliki pola asosiasi atau yang dibeli bersamaan hanya 3 % dari keseluruhan data transaksi dengan tingkat keyakinan 50%. Dari hasil 5 pola asosiasi yang dihasilkan dapat digunakan sebagai rekomendasi Toko Aneka Sandang Collection dalam meletakkan barang Kulot Salur, Kulot Polos, Kulot Plisket, Kuritsa, Kaos Gefo dan Kaos ibu-ibu berdekatan.


Keywords


Association Rules, Data Mining, ECLAT, Toko

References


Amri, K. (2022) ‘Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (ECLAT)’, Penerapan Data Mining Dalam Mencari Pola Asosiasi Data Tracer Study Menggunakan Equivalence Class Transformation (Eclat), 5(3), pp. 442–449.

Evadini, S. (2022) ‘Analisis Faktor Risiko Kematian dengan Penyakit Komorbid COVID-19 menggunakan Algoritma ECLAT’, Jurnal Informasi dan Teknologi, 4, pp. 52–57. doi:10.37034/jidt.v4i1.181.

Hartono, M. and Sianturi, F.A. (2021) ‘Penerapan Algoritma Apriori Dalam Menentukan Merek Pakaian Yang Paling Diminati Pada Darma Utama (DM Fashion)’, Jurnal Media Informatika, 3, pp. 71–78. Available at: http://ejournal.sisfokomtek.org/index.php/jumin/article/view/216%0Ahttp://ejournal.sisfokomtek.org/index.php/jumin/article/download/216/207.

Jiawei Han, Micheline Kamber, J.P. (2012) Data Mining: Concept and Techniques Thrid Edition. Thrid Edit. Edited by Elsevier. USA: Elsevier.

Kaur, M. and Grag, U. (2015) ‘ECLAT Algorithm for Frequent Itemsets Generation’, International Journal of Computer System, pp. 82–84.

Lisnawita, L. and Devega, M. (2018) ‘Analisis Perbandingan Algoritma Apriori Dan Algoritma Eclat Dalam Menentukan Pola Peminjaman Buku Di Perpustakaan Universitas Lancang Kuning’, INOVTEK Polbeng - Seri Informatika, 3(2), p. 118. doi:10.35314/isi.v3i2.753.

Setiawan, A. and Mulyanti, R. (2020) ‘Market Basket Analysis dengan Algoritma Apriori pada Ecommerce Toko Busana Muslim Trendy’, JUITA: Jurnal Informatika, 8(1), p. 11. doi:10.30595/juita.v8i1.4550.

Shamkant B. Navathe and Ramez A. Elmasri (2001) Fundamentals of Database Systems. Addison-Wesley Longman Publishing Co.

Sudarsono, S., Wijaya, A. and Andri, A. (2019) ‘Perbandingan Algoritma Eclat Dan Fp-Growth Pada Penjualan Barang (Studi Kasus: Minimarket 212 Mart Veteran Utama)’, Bina Darma Conference on Computer Science (BDCCS), 1(1), pp. 208–217. Available at: https://conference.binadarma.ac.id/index.php/BDCCS/article/view/107.

Sulastri, Zuliarso, E. and Anis, Y. (2017) ‘Implementasi algoritma apriori dan algoritma eclat pada ahass akmal jaya purwodadi’, Jurnal Dinamik, 22(1), pp. 49–56.

Wijaya, K.N. (2020) ‘Analisa Pola Frekuensi Keranjang Belanja Dengan Dengan Perbandingan Algoritma Fp-Growth (Frequent Pattern Growth) dan Eclat pada minimarket’, JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 7(2), pp. 364–373. doi:10.35957/jatisi.v7i2.380.

Zahrotun, L. et al. (2022) ‘Fp-Growth Algorithm For Searching Book Borrowing Transaction Patterns And Study Program Suitability’, 5(158), pp. 564–569.


Full Text: PDF

DOI: 10.30595/jrst.v7i1.15298

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

ISSN: 2549-9750