Penerapan Algoritma Apriori untuk Menentukan Pola Permintaan Bahan Makanan Berdasarkan Data Transaksi

Fikri S Saad; Nur  Azizah; Zulfitri  Yani

doi:10.55382/jurnalpustakaai.v5i2.1181

Authors

Fikri S Saad Politeknik Negeri Padang
Nur Azizah Politeknik Negeri Padang
Zulfitri Yani Politeknik Negeri Padang

DOI:

https://doi.org/10.55382/jurnalpustakaai.v5i2.1181

Keywords:

association rules, apriori, bahan makana

Abstract

Setiap hari terjadi permintaan bahan makanan yang beragam. Supplier harus menyediakan bahan makanan yang segar dan tepat sesuai dengan permintaan. Dibutuhkan suatu metode untuk melihat pola permintaan agar supplier dapat memanajemen pengadaan permintaan dengan baik. Association rules adalah metode untuk menemukan pola dari data transaksi sebelumnya. Perhitungan metode association rules menggunakan algoritma apriori. Algoritma apriori menghasilkan rules yang memperlihatkan pola permintaan bahan makanan berdasarkan data transaksi selama 3 bulan. Algoritma apriori membutuhkan 3 parameter untuk menghasilkan rules yaitu support, confidence dan lift. Penentenuan nilai minimum dipilih dengan mempertimbangkan bentuk data. Penentuan nilai minium akan mempengaruhi rules yang dihasilkan. Nilai minimum support yang terlalu rendah akan mengakibatkan terlalu banyak itemset yang tidak mempunyai hubungan kuat dan apbila terlalu tinggi mengakibatkan kehilangan terlalu banyak informasi. Nilai minimum confidence dipilih tinggi karena akan memperlihatkan persentase probalitas kemunculan itemset secara bersamaan. Nilai lift lebih dari 1 memperlihatkan hubungan itemset kuat. Nilai minimum support yang digunakan adalah 50%, sedangkan nilai minimum confidence 100% dan terakhir nilai minimum lift adalah 1.5. Penentenuan nilai minimum dipilih dengan mempertimbangkan bentuk data. Nilai minimum yang terlalu rendah akan mengakibatkan terlalu banyak rules yang tidak kuat. Proses perhitungan menggunakan bahasa pemograman phyton. Rules yang dihasilkan sebanyak 12 rules. Rules berupa aturan jika itemset antecedents muncul di transaksi maka itemset cosequents juga muncul di transasksi. Rules yang dihasilkan rata-rata mempunyai nilai lift 1.9 yang artinya itemset consiquents akan 1.9 kali lebih mungin muncul bersama item antecedents dari pada muncul sendiri. Rules yang dihasilkan memperlihatkan pola permintaan dan dapat digunakan supplier sebagai pertimbangan manajemen pengadaan permintaan.

Downloads

Download data is not yet available.

References

A. Pirman, A. Hanifa, and G. Triyono, “Implementasi Algoritma Apriori Pada Penjualan Makanan Ringan dan Minuman Kesehatan,” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 4, no. 1, pp. 204–215, Jan. 2024, doi: 10.51454/decode.v4i1.244.

A. Saputra, H. L. Sari, and D. Sartika, “Implementasi Metode Association Rule Mining Pada Penjualan Barang Di Toko Bangunan Ada Mas Menggunakan Algoritma Apriori,” Jurnal Multidisiplin Dehasen, vol. 2, no. 4, pp. 709–718, Oct. 2023.

D. Anggriani, U. P. Sanjaya, and I. A. Sa’ida, “Analisis Penerapan Metode Association Rule Mining Untuk Transaksi Penjualan di Toko Bangunan Dengan Algoritma Apriori,” SINTECH Journal, vol. 5, no. 2, pp. 124–138, Oct. 2022, doi: https://doi.org/10.31598

D. Permata Sari, W. Buana, and M. Febri Mayang Sari, “Implementasi Data Mining pada Penjualan Barang dengan Tekhnik K Means,” Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence), vol. 5, no. 1, pp. 106–112, Apr. 2025, doi: 10.55382/jurnalpustakaai.v5i1.955.

D. Siswanto, Zamzami, and L. Nijal, “Penerapan Algoritma Apriori Dalam Membangun Aplikasi Untuk Menentukan Pola Produksi Roti,” Jurnal Pustaka AI, vol. 2, no. 2, pp. 46–54, Jan. 2023, doi: https://doi.org/10.55382/jurnalpustakaai.v2i2.290.

E. Hikmawati, N. U. Maulidevi, and K. Surendro, “Minimum threshold determination method based on dataset characteristics in association rule mining,” Journal of Big Data, vol. 8, no. 1, p. 146, Nov. 2021, doi: 10.1186/s40537-021-00538-3.

F. S. Saad, N. Azizah, Z. Yani, and P. Negeri Padang fikrissaad, “Monte Carlo Simulation in Predicting Trends in Demand for Coconut Milk at PT. Flash Food,” Journal of Artificial Intelligence and Engineering Applications, vol. 4, no. 2, pp. 1501–1506, Feb. 2025, doi: https://doi.org/10.59934/jaiea.v4i2.938.

H. Fathurrahman, A. S. Sunge, and S. Butsianto, “Association Relationship Analysis in Finding Sales of Goods With Apriori Algorithm,” Architecture and High Performance Computing, vol. 6, no. 3, pp. 1224–1231, Jul. 2024, doi: 10.47709/cnapc.v6i3.4258.

I. Irawan and S. Harlina, “Implementasi Algoritma Apriori Pada Aplikasi Penjualan Buah Berbasis Web,” Jurnal JTIK, vol. 9, no. 1, pp. 234–243, Jan. 2025, doi: https://doi.org/10.35870/jtik.v9i1.2971.

K. D. Fernanda, A. P. Widodo, and J. Lemantara, “Analysis and Implementation of the Apriori Algorithm for Strategies to Increase Sales at Sakinah Mart,” JUITA, vol. 11, no. 2, pp. 203–211, Nov. 2023.

M. E. Pratama and M. Abdi, “Application of Association Rule Mining Method Using Apriori Algorithm to Determine the Purchasing Pattern of Home Made Dimsum,” Journal of Technology and Computer (JOTECHCOM), vol. 1, no. 4, pp. 9–15, Nov. 2024.

M. Hahsler, “ARULESPY: Exploring Association Rules and Frequent Itemsets in Python,” May 2023, doi: https://doi.org/10.48550/arXiv.2305.15263.

M. Z. Ritonga, A. P. Juledi, and R. Mutia, “Implementation of Data Mining to Determine Sales Patterns Using the Apriori Method,” sinkron, vol. 8, no. 2, pp. 1100–1106, Apr. 2024, doi: 10.33395/sinkron.v8i2.13621.

N. Oktaviani, “IMPLEMENTASI ALGORITMA APRIORI UNTUK ANALISIS POLA PEMBELIAN KONSUMEN PADA TOKO SERBA,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 3, pp. 3706–3711, Jun. 2024.

N. Purwati, Y. Pedliyansah, H. Kurniawan, S. Karnila, and R. Herwanto, “Komparasi Metode Apriori dan FP-Growth Data Mining Untuk Mengetahui Pola Penjualan,” Jurnal Informatika: Jurnal pengembangan IT (JPIT), vol. 8, no. 2, pp. 155–161, May 2023, doi: https://doi.org/10.30591/jpit.v8i2.4876

S. Marselina, J. H. Jaman, and D. Ely Kurniawan, “Sales Analysis Using Apriori Algorithm in Data Mining Application on Food and Beverage (F&B) Transactions,” Journal of Applied Informatics and Computing (JAIC), vol. 7, no. 2, pp. 2548–6861, Jul. 2023.

T. Chen, Z. Sun, H. Huang, and S. Zheng, “The Sales Combination Strategy of Fresh Supermarket Vegetables Based on Apriori,” Journal of Applied Mathematics and Computation, vol. 8, no. 1, pp. 88–92, Apr. 2024, doi: 10.26855/jamc.2024.03.011.

Y. Andini, J. Tata Hardinata, and Y. P. Purba, “PENERAPAN DATA MINING TERHADAP TATA LETAK BUKU DI PERPUSTAKAAN SINTONG BINGEI PEMATANGSIANTAR MENGGUNAKAN METODE APRIORI,” JTM, vol. XI, no. 1, pp. 9–15, Aug. 2022.