ANALISIS KERANJANG BELANJA MENGGUNAKAN ALGORITMA APRIORI SEBAGAI REKOMENDASI STRATEGI PROMOSI PENJUALAN RESTORAN 48 STREET

Setiawan Cahyo Nugroho, - (2023) ANALISIS KERANJANG BELANJA MENGGUNAKAN ALGORITMA APRIORI SEBAGAI REKOMENDASI STRATEGI PROMOSI PENJUALAN RESTORAN 48 STREET. S1 thesis, Universitas Pendidikan Indonesia.

[img] Text
S_BD_1904757_Title.pdf

Download (417kB)
[img] Text
S_BD_1904757_Chapter1.pdf

Download (131kB)
[img] Text
S_BD_1904757_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (415kB)
[img] Text
S_BD_1904757_Chapter3.pdf

Download (142kB)
[img] Text
S_BD_1904757_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (1MB)
[img] Text
S_BD_1904757_Chapter5.pdf

Download (117kB)
[img] Text
S_BD_1904757_Appendix.pdf
Restricted to Staf Perpustakaan

Download (468kB)
Official URL: http://repository.upi.edu

Abstract

Dalam beberapa tahun terakhir jumlah UMKM di Kota Tasikmalaya mengalami peningkatan yang cukup signifikan yang berdampak pada semakin tingginya tingkat persaingan usaha. Restoran 48 Street merupakan salah satu UMKM makanan dan minuman di Kota Tasikmalaya yang sadar akan ancaman tersebut. Pihak restoran telah menerapkanberbagai strategi pemasaran untuk meningkatkan daya saing, namun masih kesulitan dalam merumuskan strategi promosi penjualan yang tepat. Restoran 48 Street memiliki sumber daya internal yang dapat dimanfaatkan salah satunya adalah data transaksi penjualan. Data transaksi penjualan tersebut dapat diolah dan diekstrak untuk menghasilkan sebuah informasi yang dapat dijadikan acuan dalam menentukan strategi promosi penjualan yaitu kebiasaan atau pola pembelian konsumen. Pola tersebut dapat diketahui dengan menerapkan metode data mining yaitu teknik aturan asosiasi. Metode yang digunakan dalam penelitian ini adalah Cross Industry Standard Process for Data Mining (CRISPDM). Algoritma Apriori digunakan untuk proses pencarian aturan asosiasi. Penelitian ini dilakukan dengan dua kali percobaan dataset yang berbeda dan menghasilkan 3 aturan asosiasi 2-itemset pada skenario pertama dan 17 aturan 2-itemset pada skenario kedua dengan minimum support sebesar 2% dan minimum confidence sebesar 15% dengan pengujian lift ratio > 1. In recent years, the number of MSMEs in Tasikmalaya City has increased significantly, which has an impact on the higher level of business competition. 48 Street Restaurant is one of the food and beverage MSMEs in Tasikmalaya City that is aware of the threat. The restaurant has implemented various marketing strategies to increase competitiveness, but still has difficulty in formulating the right sales promotion strategy. 48 Street Restaurant has internal resources that can be utilized, one of which is sales transaction data. The sales transaction data can be processed and extracted to produce information that can be used as a reference in determining sales promotion strategies, namely consumer purchasing habits or patterns. The pattern can be known by applying data mining methods, namely association rule techniques. The method used in this research is the Cross Industry Standard Process for Data Mining (CRISP-DM). The Apriori algorithm is used for the association rule search process. This research was conducted with two different dataset experiments and resulted in 3 2-itemset association rules in the first scenario and 17 2-itemset rules in the second scenario with a minimum support of 2% and a minimum confidence of 15% with a lift ratio test > 1.

Item Type: Thesis (S1)
Additional Information: ID SINTA Dosen Pembimbing: Rusani Jaelani : 6805519 Rangga Gelar Guntara : 6738149
Uncontrolled Keywords: Teknik Aturan Asosiasi, Algoritma Apriori, UMKM, Support, Confidence, Lift Ratio
Subjects: L Education > L Education (General)
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
T Technology > T Technology (General)
Divisions: UPI Kampus Tasikmalaya > S1 Bisnis Digital
Depositing User: Setiawan Cahyo Nugroho
Date Deposited: 23 Oct 2023 06:07
Last Modified: 23 Oct 2023 06:08
URI: http://repository.upi.edu/id/eprint/108205

Actions (login required)

View Item View Item