<![CDATA[Pertumbuhan perdagangan dan penjualan telah menghasilkan volume data transaksi yang besar dan kompleks. Analisis data transaksi dapat memberikan wawasan berharga tentang pola pembelian pelanggan dan asosiasi antara item yang dibeli. Dalam penelitian ini, kami mengusulkan pendekatan baru untuk mengekstraksi aturan asosiasi dari data transaksi penjualan menggunakan metode Neural Network Backpropagation. Pendekatan ini mengintegrasikan kekuatan jaringan saraf untuk memodelkan pola kompleks dalam data transaksi untuk menemukan hubungan antara item yang dibeli. Pertama, data transaksi diubah menjadi representasi biner yang sesuai untuk pemrosesan oleh jaringan saraf. Selanjutnya, jaringan saraf feedforward dengan lapisan tersembunyi diinisialisasi dan dilatih menggunakan algoritma backpropagation. Kami menguji pendekatan kami menggunakan dataset transaksi penjualan dari data di PT. Program Induk Utama. Hasil percobaan menunjukkan bahwa pendekatan yang diusulkan mampu menemukan aturan asosiasi yang signifikan dan bermakna dalam dataset penjualan, dengan tingkat keakuratan 92,30%, epoch 1312, dan MSE 0,0009979927. Selain itu, pendekatan ini menawarkan kelebihan dalam menangani pola-pola yang kompleks dan tidak terstruktur dalam data transaksi.]]>
Copyrights © 2024
