SISTEM INFORMASI REKOMENDASI PAKET PRODUK PERTANIAN

Aris Prabowo, I Gede Susrama Masdiyasa, Eka Prakarsa Mandyartha

Abstract


Besarnya sektor pertanian di Indonesia memberikan peluang bagi usaha dagang yang dikelola warga setempat untuk menyediakan berbagai keperluan penunjang kegiatan pertanian. Maraknya toko pertanian membuat persaingan bisnis di bidang usaha pertanian cukup kompetitif. Maka dari itu diperlukan sebuah strategi pemasaran yang dapat meningkatkan penjualan berbagai macam produk pertanian yang dipasarkan. Metode yang diterapkan pada penelitian ini adalah Association Rule Mining dengan menggunakan algoritma FP-Growth. Metode tersebut diterapkan untuk memperoleh association rules yang digunakan sebagai acuan dalam membuat rekomendasi paket produk pertanian pada toko pertanian untuk meningkatkan penjualan. Alur kerja sistem dimulai dari preprocessing data untuk membentuk itemset yang kemudian diproses mengunakan algoritma FP-Growth. Langkah selanjutnya adalah dengan menentukkan nilai minimum support dan minimum confidence sebagai batasan dalam perhitungan algoritma FP-Growth. Sistem akan mengeleminasi sejumlah itemset yang tidak memenuhi ambang batas yang ditentukan untuk menghasilkan  frequent itemset yang kemudian ditambang menjadi rules sebagai acuan untuk membentuk paket produk pertanian yang paling direkomendasikan. Dari penelitian yang dilakukan dapat diketahui bahwa terdapat 3 itemset yang hampir selalu muncul dan paket produk pertanian yang paling direkomendasikan adalah Prowl 250 ml (Herbisida) yang berasosiasi dengan Antracol 70wp 1 kg (Fungisida) dengan nilai support 6,38% dan nilai confidence 85,71% serta nilai lift ratio 8,95.

 

DOI : https://doi.org/10.33005/scan.v16i1.2533


References


I. G. Susrama. (2012). Sistem Layanan Penjualan untuk Pelanggan Berbasis Teknologi Informasi. Tekmapro J. Ind. Eng. Manag., vol. 3, no. 1, pp. 1–10.

E. Yuliani, M. T. Informatika, and U. A. Yogyakarta. (2019). Bundling Produk Dengan Metode Saw Dan Decision Support System for Product Bundling Promo With Saw and,” CSRID J., vol. 11, pp. 131–139.

D. L. Olson and G. Lauhoff. (2019). Market Basket Analysis. pp. 31–44, 2019, doi: 10.1007/978-981-13-7181-3_3.

G. Gunadi and D. I. Sensuse. (2012). Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth ( Fp-Growth ). Telematika, vol. 4, no. 1, pp. 118–132, 2012.

K. M. R. A. Utama, R. Umar, and A. Yudhana. (2020). Penerapan Algoritma Fp-Growth Untuk Penentuan Pola Pembelian Transaksi Penjualan Pada Toko Kgs Rizky Motor. Dinamik, vol. 25, no. 1, pp. 20–28, doi: 10.35315/dinamik.v25i1.7870.

I. G. Susrama, A. Setiawan, and M. Kholis. (2019). Rancang Bangun Aplikasi ‘W-Mass (Weight Monitor Assistant)’ Berbasis Android Stu-dio Dengan Bahasa Native Java. J. Penelit., vol. 4, no. 2, pp. 1–19, doi: 10.46491/jp.v4e2.291.1-19.

M. Abdel-Basset, M. Mohamed, F. Smarandache, and V. Chang. (2018). Neutrosophic association rule mining algorithm for big data analysis. Symmetry (Basel)., vol. 10, no. 4, pp. 1–19, doi: 10.3390/sym10040106.


Full Text: PDF

Refbacks

  • There are currently no refbacks.