Analisis dan Implementasi Rekomendasi Sales Pulsa Menggunakan Association Rule Mining Berbasis Website pada Perusahaan XYZ

Brillyant, Andrew (2024) Analisis dan Implementasi Rekomendasi Sales Pulsa Menggunakan Association Rule Mining Berbasis Website pada Perusahaan XYZ. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (606kB)
	PDF BAB_I.pdf Download (350kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Download (687kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (5MB)
	PDF BAB_V.pdf Download (225kB)
	PDF DAFTAR_PUSTAKA.pdf Download (314kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (328kB)

Abstract

Algoritma rekomendasi penjualan yang relevan dan efektif merupakan tantangan krusial bagi perusahaan XYZ. Dalam menghasilkan rekomendasi, penelitian ini menerapkan Association Rule Mining, yaitu Apriori, FP- Growth, dan Equivalence Class Transformation. Algoritma ini dapat menghasilkan aturan asosiasi yang relevan bagi tim pemasaran perusahaan. Penelitian ini juga akan membandingkan algoritma Association Rule Mining tunggal dan hybrid dengan clustering. Algoritma clustering yang digunakan adalah K-Means dan Gaussian Mixture Model. Penerapan algoritma hybrid dilakukan sebagai kebaharuan penelitian, serta membandingkan dan meningkatkan kualitas rekomendasi. Algoritma tunggal dan kombinasi akan dievaluasi efektivitas dan relevansinya menggunakan support, confidence, lift, waktu, memori, aturan asosiasi, dan frequent itemsets. Penelitian ini mengikuti kerangka kerja Cross-Industry Standard Process for Data Mining. Tahapan pada penelitian ini dimulai dengan pemahaman bisnis dan data, persiapan data, pemodelan, evaluasi, hingga implementasi. Setiap tahapan didokumentasikan secara rinci untuk memastikan keberhasilan dan kemudahan dalam mereplikasi metode yang digunakan dalam penelitian ini. Hasil evaluasi menunjukkan bahwa kombinasi algoritma FP-Growth dengan K-Means memberikan kinerja terbaik, dengan nilai support, confidence, dan lift masing-masing sebesar 14.86%, 86.14%, dan 9.42%. Algoritma hibrida ini menghasilkan frequent itemsets dan association rules yang tinggi, secara berurutan sebanyak 491 dan 1436 item. Selain itu, algoritma ini efisien dari sisi waktu eksekusi selama 0.41 detik dan memori sebesar 0.24 MB. Algoritma yang diusulkan juga diimplementasikan pada backend Laravel untuk platform web perusahaan, memastikan integrasi yang mulus dengan sistem yang ada.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	association rule mining, clustering, rekomendasi penjualan
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Nov 2024 09:31
Last Modified:	11 Nov 2024 09:31
URI:	https://kc.umn.ac.id/id/eprint/34265

Actions (login required)

View Item