Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal EECCIS
Fahmi, Ichsan
Unknown Affiliation
Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS) Fahmi, Ichsan; suyono, hadi; Sarosa, Moechammad
Jurnal EECCIS Vol 10, No 2 (2016)
Publisher : Fakultas Teknik, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (465.388 KB)

Abstract

Penelitian ini tidak hanya bertujuan untuk memperbaiki Algoritma Apriori (AA) dalam metode Association Rules Mining (ARM)  tetapi  juga mengusulkan suatu solusi alternatif untuk model rekomendasi bundling produk bagi ritel. Problem pemetaan biner dengan pemangkasan aturan yang sering menghilangkan produk yang potensial coba diatasi dengan tambahan parameter UWS. Perbaikan ini sekaligus berdampak pada kualitas bundling produk yang direkomendasikan. Optimasi dilakukan pada aturan yang dihasilkan oleh AA dengan parameter U_gain dan W_gain yang merupakan representasi dari berbagai atribut produk[1]. Quantity dan profit adalah bagian dari atribut item produk yang akan digunakan dalam penelitian ini. Hasil pengujian dengan menggunakan data Point of Sales (POS) menunjukan adanya perbaikan aturan. Jika menggunakan AA konvensional, aturan yang dihasilkan sering tidak mengandung item yang potensial. Hal ini karena proses seleksi ulang dengan level confidence yang lebih kritis sering menghilang aturan dengan item yang potensial. Pada sisi yang lain, sejumlah aturan yang dihasilkan sering tidak mengandung item produk yang berkualitas. Optimasi dilakukan dengan mengubah parameter minimum transaksi, minimum support dan minimum confidence yang dikombinasikan dengan perhitungan U_gain dan W_gain untuk mendapatkan aturan yang menghasilkan nilai maksimal.  
Co-Authors Hadi Suyono Moechammad Sarosa