Optimasi Seleksi Aturan Untuk Rekomendasi Bundling Produk Melalui Kombinasi Algoritma Apriori dan Utility Weighted Score (UWS)
DOI:
https://doi.org/10.21776/jeeccis.v10i2.326Abstract
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. ÂReferences
DAFTAR PUSTAKA
Sandhu, Dhaliwal, Panda dan Bisht,2010,An Improvement in Apriori algorithm Using Profit And Quantity, An Second International Conference on Computer and Network Technology. IEEE,978-0-7695-4042-9, page 3-7
Stremersch dan Tellis ,2002. Strategic bundling of products and Prices: A new synthesis for marketing. Journal of Marketing; ProQuest pg. 55
Wu, X, etc•. Top 10 algorithms in data mining, 2008. J.Knowledge Inf Syst 14:1– 37. Springer-Verlag
Kusrini dan Luthfi,E. 2009 Algoritma Data Mining, Penerbit Andi.Yogyakarta
Nengsih, Warnia,2015, A Comparative Study on Market Basket Analysis and Apriori Association, International Conference on Information and Communication Technology (ICoICT), IEEE 978-1-4799-7752-9 Page(s):461 - 464
Sahoo, Kumar and Goswami ,2015,An efficient approach for mining association rules from high utility itemsets, Expert Systems with Applications 42 (2015) 5754–5778
Nong Ye,2003,THE HANDBOOK OF DATA MINING,Arizona State University,Lawrence Erlbaum Associates, Inc., Publishers
Shankar, Purusothaman and Jayanthi,2008,Novel Algorithm for Mining High Utility Itemsets, Proceedings of the International Conference on Computing, Communication and Networking (ICCCN 2008), IEEE 978-1-4244-3595-1 Page(s):1 - 6
