Fahmi, Ichsan (2016) Optimasi Seleksi Aturan Dengan Tambahan Parameter Utility Weighted Score (Uws) Dalam Metode Association Rules Mining (Arm) Untuk Pemilihan Bundling Produk. Magister thesis, Universitas Brawijaya.
Abstract
Bundling produk telah menjadi bagian penting dari strategi bisnis ritel untuk mendukung pencapaian target penjualannya. Pemilihan produk untuk dijadikan sebagai bundling produk yang menggunakan data transaksi sebagai sumber referensinya memperlihatkan bahwa terjadi ketidakkonsistenan disebabkan belum tersedianya informasi yang mendukung untuk rekomendasi terkait bundling produk. Problem ini coba diatasi dengan menggunakan Algoritma Apriori (AA) yang merupakan bagian dari metode Association Rule Mining (ARM) dalam Data Mining (DM). Dalam perkembangannya, kehadiran AA yang menarik perhatian banyak peneliti untuk berkontribusi lebih luas dalam berbagai bidang telah menempatkan AA sebagai salah satu dari sepuluh algoritma DM yang paling popular. Pada sisi yang lain, AA juga menunjukan sejumlah kekurangan. Efisiensi waktu dan pengunaan memori yang besar adalah dua problem dasar dalam tahap preprocessing sedangkan kualitas aturan yang dihasilkan oleh AA adalah bagian dari problem pada tahap post processing. Jika dikaitkan dengan aturan yang dihasilkan oleh AA dalam tahap post processingnya, maka item produk yang direkomendasikan tersebut sering kali bukanlah merupakan produk yang potensial. Kehadiran parameter Utility Weighted Score (UWS) dalam penelitian ini mencoba mengatasi problem AA tersebut. Fokus UWS berkaitan dengan atribut item produk dalam transaksi dimana quantity dan profit adalah dua unsur penting yang telah dipertimbangkan untuk digunakan dalam penelitian ini. Pengujian sistem dengan menggunakan data sintetis maupun data real transaksi menunjukan perbedaan yang cukup signifikan berkaitan dengan item- -item produk yang direkomendasikan. Jika menggunakan AA maka kombinasi item produk dalam aturan juga sering tidak konsisten kontribusinya baik dalam hal quantity maupun profit. Hal ini sesuai dengan analisis sebagian peneliti yang meragukan kualitas aturan yang dihasilkan oleh AA karena disandarkan hanya pada pemetaan biner. Optimasi aturan dengan prioritas kontribusi rangking nilai maksimal berdasarkan quantity dan profit yang diteliti menunjukan bahwa dengan AA nilainya dominan lebih rendah dibandingkan dengan tambahan parameter UWS. Pengujian dan analisis dengan data transaksi menunjukan bahwa UWS konsisten memberikan kontribusi maksimal pada quantity dan profit. Pada aturan terbaik yang dihasilkan sistem, AA hanya memberikan kontribusi sebanyak 29 quantity yang merupakan kombinasi dari code 101253,241428 dan 101258. Sedangkan UWS memberikan kontribusi 105 quantity yang merupakan kombinasi dari item code 101253, 102091 dan 243034.
Item Type: | Thesis (Magister) |
---|---|
Identification Number: | TES/006.312/FAH/o/2016/041601550 |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence |
Divisions: | S2/S3 > Magister Teknik Elektro, Fakultas Teknik |
Depositing User: | Nur Cholis |
Date Deposited: | 20 Jul 2016 13:49 |
Last Modified: | 20 Jul 2016 13:49 |
URI: | http://repository.ub.ac.id/id/eprint/155427 |
Actions (login required)
![]() |
View Item |