DATA MINING UNTUK ANALISIS PEMBELIAN PRODUK NOKA EXPERIENCE MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA FUZZY C-COVERING

Sandi, Rizky Kurnia (2022) DATA MINING UNTUK ANALISIS PEMBELIAN PRODUK NOKA EXPERIENCE MENGGUNAKAN METODE ASSOCIATION RULE DAN ALGORITMA FUZZY C-COVERING. Sarjana thesis, Universitas Putera Indonesia YPTK Padang.

[img] Text
SKRIPSI_17101152630038 RIZKI KURNIA SANDI_ABSTRAK.pdf

Download (6kB)
[img] Text
SKRIPSI_17101152630038 RIZKI KURNIA SANDI_BAB I.pdf

Download (391kB)
[img] Text
SKRIPSI_17101152630038 RIZKI KURNIA SANDI_FULLTEKS.pdf
Restricted to Repository staff only

Download (4MB)
[img] Text
SKRIPSI_17101152630038 RIZKI KURNIA SANDI_DAFTAR PUSTAKA.pdf

Download (225kB)

Abstract

Kedai kopi atau coffee shop adalah sebuah tempat yang menyediakan minuman seperti minuman coffee, non coffee dan makanan kecil. Pengusaha kedai kopi tidak saja harus mampu menjual produk dan jasanya, tetapi juga harus mempunyai kemampuan untuk mengerti dan memahami selera konsumen karena konsumen merupakan salah satu penentu kelangsungan hidup suatu usaha. Oleh karena itu owner memerlukan suatu sistem yang dapat menghasilkan informasi prediktif tentang keinginan konsumen pada umumnya. Sistem tersebut dapat dibentuk dengan mencatat data pembelian dengan menggunakan metode pada data mining. Teknik data mining untuk menemukan aturan asosiatif atau hubungan antar item disebut dengan Association Rule. Salah satu algoritma yang digunakan untuk menemukan aturan asosiasi adalah algoritma apriori. Algoritma Apriori, membantu dalam membentuk kandidat item kombinasi yang mungkin, kemudian menguji apakah kombinasi memenuhi parameter dukungan minimum dan keyakinan minimum yang merupakan nilai ambang batas yang diberikan oleh pengguna. Selain data mining, konsep fuzzy juga mampu diterapkan dalam mengatasi beberapa permasalan yang ada. Konsep ini juga mampu dikombinasikan dengan data mining dengan mengahasilkan sebuah solusi tertentu.

Item Type: Thesis (Sarjana)
Subjects: 0 Research > Ilmu Komputer > Data Mining dan KDD
Divisions/ Fakultas/ Prodi: Fakultas Ilmu Komputer
Depositing User: Tri Wahyuni Oktanita A.Md
Date Deposited: 30 May 2024 04:08
Last Modified: 30 May 2024 04:08
URI: http://repository.upiyptk.ac.id/id/eprint/10307

Actions (login required)

View Item View Item