IMPLEMENTASI DATA MINING PADA PENJUALAN EKSPOR LAKBAN DENGAN ALGORITMA APRIORI DI PT. TERAOKA SEISAKUSHO INDONESIA

Widyatama Repository

IMPLEMENTASI DATA MINING PADA PENJUALAN EKSPOR LAKBAN DENGAN ALGORITMA APRIORI DI PT. TERAOKA SEISAKUSHO INDONESIA

Show full item record

Title: IMPLEMENTASI DATA MINING PADA PENJUALAN EKSPOR LAKBAN DENGAN ALGORITMA APRIORI DI PT. TERAOKA SEISAKUSHO INDONESIA
Author: Firmansyah, Febby
Abstract: Proses kerja bagian Exim yang selama ini berjalan yaitu dengan mendata jumlah pesanan dari customer yang kemudian diproses untuk diserahkan ke bagian produksi untuk proses selanjutnya. Akan tetapi kadangkala pesanan yang diterima tidak dapat dilakukan proses produksi langsung dikarenakan tidak adanya bahan baku untuk memproses item sesuai pesanan customer. Dengan berdasarkan identifikasi permasalahan tersebut di atas diperlukan suatu upaya untuk memperkirakan kemungkinan produksi suatu item dalam periode waktu tertentu. Dengan demikian jika customer memesan suatu item produk maka akan diikuti dengan pesanan item produk yang lain. Untuk membuat prediksi akan terjadinya proses pesanan dan produksi maka penulis merencanakan membuat suatu program aplikasi yang mempergunakan data historis transaksi untuk diimplentasikan ke dalam data mining yang menggunakan menggunakan algoritma apriori. Hasil implentasi tersebut nanti akan menghasilkan laporan tingkah laku data yang di ekspor sehingga bisa terlihat item mana saja yang sering diekspor dengan item lain secara bersamaan. Algoritma apriori diterapkan dengan mempersiapkan data transaksi penjualan ekspor lakban pada perusahaan PT. Teraoka Seisakusho Indonesia dengan jangka waktu mulai dari tanggal 01 Mei 2014 sampai dengan 31 Mei 2015 dengan jumlah data transaksi 1.262 yang kemudian dilakukan teknik query untuk mendapatkan data-data yang diperlukan dalam proses pembentukan generate frequent itemset dan generate association rules dengan memasukan parameter-parameter berupa periode, threshold, minimum support, dan minimum confidence. Hasil pengujian memperlihatkan semakin tinggi threshold, minimum support dan minimum confidence yang digunakan semakin sedikit jumlah rules yang terbentuk dan semakin sedikit jumlah rekomendasi yang dihasilkan. Rules dengan jumlah antecedent lebih dari satu dan jumlah consequent sama dengan satu jumlahnya lebih banyak dari pada jumlah rules dengan antecedent sama dengan satu dan jumlah consequent kurang dari satu meskipun nilai threshold, minimum support dan minimum confidence tinggi.
URI: http://repository.widyatama.ac.id/xmlui/handle/123456789/7163
Date: 2016


Files in this item

Files Size Format View
Cover.pdf 21.37Kb PDF View/Open
Lembar Pengesahan.pdf 1.204Mb PDF View/Open
Abstrak.pdf 29.66Kb PDF View/Open
Kata Pengantar.pdf 99.24Kb PDF View/Open
Daftar Isi.pdf 111.0Kb PDF View/Open
Daftar Gambar.pdf 109.0Kb PDF View/Open
Daftar Tabel.pdf 104.4Kb PDF View/Open
Bab 1.pdf 163.6Kb PDF View/Open
Bab 2.pdf 367.5Kb PDF View/Open
Bab 3.pdf 268.4Kb PDF View/Open
Bab 4.pdf 608.2Kb PDF View/Open
Bab 5.pdf 557.7Kb PDF View/Open
Bab 6.pdf 224.2Kb PDF View/Open
Daftar Pustaka.pdf 90.12Kb PDF View/Open

This item appears in the following Collection(s)

Show full item record