Jurnal Informatika (Jan 2005)
PENGGUNAAN METODE FUZZY c-COVERING UNTUK ANALISA MARKET BASKET PADA SUPERMARKET
Abstract
Data mining application with fuzzy c-covering method for market basket analysis on supermarket. As one of data mining applications, market basket analysis is generally performed using apriori method. However this method tends to searh the association degree of items by only counting how many times the items appears on the overall transaction without considering the items quantity on each transaction. Therefore, we propose a new method which is based on perception that the more items bought in a transaction, the weaker the relation between items on that transaction. For the experimental purpose of the realization the concept, we collect a month sales transaction data from a supermarket. The data are transformed to another form that can be used by the software. Then, an algorithm is created to process the data in order to generate association rule of items in transaction. The rules can be previewed in a table or graphic. Borland Ceplhi 7 and MS Access 2003 is used to build this experiment software. By using the output of this software, which are the association rules, association degree of items, can be obtained which is useful to help the decision maker to make market policies. Based on the testing result, it can concluded that the smaller minimum support and confidence, the more rule to be generated and the more processing time needed. Also, the higher the combination count to be searched, the less processing time needed. Abstract in Bahasa Indonesia : Sebagai salah satu aplikasi data mining, market basket analysis umumnya dilakukan dengan memakai metode Apriori. Metode ini mencari asosiasi antar item dengan hanya menghitung berapa kali item-item tersebut muncul dalam keseluruhan transaksi tanpa memperhatikan quantitas item dalam transaksi. Oleh karena itu, peneliti mengusulkan metode Fuzzy c-Covering. Metode ini didasarkan pada persepsi bahwa semakin banyak item yang dibeli dalam suatu transaksi, maka hubungan antar item dalam transaksi tersebut semakin lemah. Untuk pengujian realisasi konsep tersebut, peneliti mengumpulkan data-data transaksi penjualan dari sebuah swalayan selama satu bulan. Data yang didapat diubah ke bentuk yang dapat diolah oleh program. Kemudian sebuah algoritma dibuat untuk mengolah data tersebut dengan tujuan menghasilkan association rules dari item-item di dalam transaksi. Rule dapat ditampilkan dalam bentuk tabel ataupun grafik. Dengan menggunakan output dari program ini, yang berupa association rule, dapat diketahui tingkat asosiasi antar item yang berguna untuk membantu pihak pengambil keputusan dalam menentukan kebijakan pemasaran. Dari hasil pengujian, dapat disimpulkan bahwa semakin kecil minimum support dan confidence yang ditentukan, semakin banyak rule yang dapat dihasilkan dan waktu yang diperlukan semakin banyak. Selain itu, semakin tinggi jumlah kombinasi yang dicari, semakin sedikit waktu yang dibutuhkan. Kata kunci: analisis market basket, fuzzy c-covering,program data mining, tingkat asosiasi antar item.
