Analisis Pola Pembelian Konsumen Menggunakan Algoritma Apriori dan Hash-Based
DOI:
https://doi.org/10.31004/riggs.v4i2.497Keywords:
Apriori , Hash Based , Data MiningAbstract
Penggunaan teknologi data mining telah menjadi aspek penting dalam meningkatkan efisiensi dan efektivitas pengelolaan data di berbagai sektor industri, termasuk di bidang kuliner seperti restoran. Penelitian ini bertujuan untuk mengimplementasikan algoritma Apriori dan teknik Hash-Based dalam proses pengolahan data transaksi penjualan.. Algoritma Apriori digunakan untuk menggali pola asosiasi dari data transaksi pelanggan, seperti kombinasi menu makanan dan minuman yang sering dibeli secara bersamaan. Sementara itu, teknik Hash-Based diterapkan untuk mengoptimalkan proses penyimpanan dan pencarian data agar lebih cepat dan hemat memori. Penelitian ini tidak hanya menjelaskan langkah-langkah implementasi dari kedua metode tersebut, tetapi juga mengevaluasi kinerjanya dari segi waktu proses dan kualitas aturan asosiasi yang dihasilkan. Dengan pengujian pada data transaksi nyata, hasil eksperimen menunjukkan bahwa pendekatan ini mampu meningkatkan efisiensi dalam pengolahan data serta menghasilkan informasi yang berguna dalam mendukung pengambilan keputusan strategis oleh manajemen rumah makan. Temuan ini diharapkan dapat memberikan kontribusi nyata dalam pengembangan sistem informasi yang cerdas dan adaptif di bidang kuliner, sekaligus menjadi referensi bagi penelitian lanjutan yang ingin menggabungkan algoritma data mining untuk kebutuhan industri kecil dan menengah di era digital.
Downloads
References
A. Zahrah, S. L. Mandey, and M. Mangantar, “Analisis Marketing Mix Terhadap Volume Penjualan Pada UMKM RM. Solideo Kawasan Bahu Mall Manado,” J. EMBA J. Ris. Ekon. Manajemen, Bisnis Dan Akunt., vol. 9, no. 4, pp. 216–226, 2021.
Z. Setiawan et al., Buku Ajar Data Mining. PT. Sonpedia Publishing Indonesia, 2023.
I. F. P. Ginting, D. Saripurna, and E. Fitriani, “Penerapan Data Mining Dalam Menentukan Pola Ketersediaan Stok Barang Berdasarkan Permintaan Konsumen Di Chykes Minimarket Menggunakan Algoritma Apriori,” J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 20, no. 1, p. 28, 2021, doi: 10.53513/jis.v20i1.2504.
T. Prasetya, J. E. Yanti, A. I. Purnamasari, A. R. Dikananda, and O. Nurdiawan, “Analisis Data Transaksi Terhadap Pola Pembelian Konsumen Menggunakan Metode Algoritma Apriori,” INFORMATICS Educ. Prof. J. Informatics, vol. 6, no. 1, p. 43, 2022, doi: 10.51211/itbi.v6i1.1688.
R. Swastika, S. Mukodimah, F. Susanto, M. Muslihudin, and S. I. P. Adab, IMPLEMENTASI DATA MINING (Clastering, Association, Prediction, Estimation, Classification). Penerbit Adab, 2023.
A. Asrorul Hidayat, N. Hendrastuty, N. Penulis Korespondensi, and A. Asrorul Hidayat Submited, “Penerapan Algoritma Apriori Pada Apotek Shaqeena Untuk Memprediksi Penjualan Berbasis Android,” J. Teknol. Dan Sist. Inf., vol. 4, no. 3, pp. 302–312, 2023, [Online]. Available: https://doi.org/10.33365/jtsi.
Y. Astuti and H. Novitasari, “Algoritma Apriori sebagai Penentu Pola Penjualan Produk Jeans,” J. Ilm. Edutic Pendidik. dan Inform., vol. 9, no. 1, pp. 20–28, 2022.
M. I. Madani, A. P. A. Masa, and H. J. Setyadi, “PERBANDINGAN METODE APRIORI DAN FREQUENT PATTERN GROWTH DALAM MENGETAHUI POLA PEMBELIAN KONSUMEN,” J. Teknol. Inf. dan Komun., vol. 12, no. 2, pp. 58–67, 2024.
A. Asran, V. Hadrianti, K. Kasmawaru, H. Hasniaty, N. P. D. T. Yuliadi, and M. Rumende, “Implementasi Data Mining Untuk Meningkatkan Penjualan Dengan Algoritma Hash–Based Pada Toko Krisna Mart,” YUME J. Manag., vol. 6, no. 1, pp. 269–274, 2023.
A. Royzen, J. Wahyudi, and E. Suryana, “PENERAPAN METODE MARKET BASKET DENGAN ALGORITMA HASH-BASED TERHADAP DATA PENJUALAN PRODUK PADA MINIMARKET REMAJA KAMPUS BENGKULU,” J. Sci. Soc. Res., vol. 7, no. 1, pp. 339–344, 2024.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Dhimas Prayogi, Muhammad Syahputra Novelan, Syaiful Rahman Lubis, M. Azhari Rizko, Ade Guna Suteja

This work is licensed under a Creative Commons Attribution 4.0 International License.