8/17/2021 Editorial Team

HOME ABOUT LOGIN REGISTER SEARCH CURRENT ARCHIVES ANNOUNCEMENTS

Online Submission
Home > About the Journal > Editorial Team
Focus and Scope

Editorial Team Author Guidelines

Editorial Team
Penanggung Jawab
Reviewer Team
Kumaratih Sandradewi, SP, M.Kom, STMIK Sinar Nusantara, Indonesia
Publication Ethics
Pimpinan Redaksi
Open Access Policy
Didik Nugroho, S.Kom, M.Kom, STMIK Sinar Nusantara, Indonesia
Copyright Notice
Redaksi Pelaksana
Screen for Plagiarsm
Yustina Retno Wahyu Utami, ST, M.Cs, STMIK Sinar Nusantara, Indonesia
Sri Siswanti, Program Studi Teknik Informatika, STMIK Sinar Nusantara Surakarta, Indonesia Reference Manager

Editor Abstracting & Indexing

Wawan Laksito Yuly Saptomo, S.Si, M.Kom, STMIK Sinar Nusantara Surakarta, Indonesia Visitor Statistics
Dra. Andriani Kusumaningrum, M.Kom, STMIK Sinar Nusantara
Didik Nugroho, S.Kom, M.Kom, STMIK Sinar Nusantara, Indonesia Contact
Bebas Widada, S.Si, M.Kom, STMIK Sinar Nusantara Surakarta, Indonesia

Desain dan Layout

Sri Harjanto, S.Kom, M.Kom, STMIK Sinar Nusantara Surakarta, Indonesia

Copy Editor
Arumsari S.Pd, M.Pd, STMIK Sinar Nusantara Surakarta, Indonesia

Editorial O ce :
TIKomSiN : Jurnal Teknologi Informasi dan Komunikasi Sinar Nusantara
Published by STMIK Sinar Nusantara Surakarta
Address KH Samanhudi 84 - 86 Street, Laweyan Surakarta, Central Java, Indonesia
Postal Code: 57142, Phone & Fax: +62 271 716 500
Website: https://p3m.sinus.ac.id/jurnal/index.php/TIKomSiN
Email: tikomsin @ sinus.ac.id

Sekolah Tinggi Manajemen In…

Jl. K.H Samanhudi No.84-86, Directions
Purwosari, Kec. Laweyan, Kota TEMPLATE
Surakarta, Jawa Tengah 57149
4.8 219 reviews

View larger map

INDEXING

Map data
Report a map©2021
error

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

S f ik i
https://p3m.sinus.ac.id/jurnal/index.php/TIKomSiN/about/editorialTeam 1/2
8/17/2021 People

HOME ABOUT LOGIN REGISTER SEARCH CURRENT ARCHIVES ANNOUNCEMENTS

Online Submission
Home > About the Journal > People
Focus and Scope

People Author Guidelines

Editorial Team
Reviewer
Reviewer Team
Dr. Asti Dwi Ir anti, S.Kom., M.Kom, (ID. Scopus : 57189691007) UPN Surabaya, Indonesia
Publication Ethics
Dr. I Gede Aris Gunadi, S.Si. M.Kom., (ID Scopus : 56997359500) Universitas Pendidikan Ganesha Singaraja, Indonesia
Open Access Policy
Dr. Ir. Muhammad Hasbi, M.Kom, (Scopus ID: 57189502421) STMIK Sinar Nusantara Surakarta, Indonesia
Copyright Notice
Dr. Sri Andayani, S.Si.,M.Kom., (ID Scopus :57190660748), Universitas Negeri Yogyakarta, Indonesia
Screen for Plagiarsm
Dr. Jumi, S.Kom.,M.Kom., Politeknik Negeri Semarang, Indonesia
Reference Manager
Dr. Herri Setiawan, S.Kom., M.Kom., Universitas Indo Global Mandiri Palembang, Indonesia
Abstracting & Indexing
Dr. Hermawan Syahputra,S.Si.,M.Si., (ID Scopus : 56568270900) Universitas Negeri Medan, Indonesia
Visitor Statistics
Dr. Edhy Sutanta, S.T., M.Kom., (ID Scopus: 57190339349) IST AKPRIND Yogyakarta, Indonesia
Contact
Dr. Wijang Widhiarso, S.Kom.,M.Kom., (ID Scopus : 57189344091), STMIK MDP Palembang, Indonesia

Dr. Darwan, S.Kom., M.Kom., IAIN Syekh Nurjati Cirebon, Indonesia

Dr. Bambang Sugiantoro, M.T., (ID. Scopus : 49664086100) UIN Sunan Kalijaga Yogyakarta, Indonesia

Dr. Sukoco S.Si, M.Si, M.Kom, Universitas Surakarta, Indonesia

Teguh Susyanto, S.Kom, M.Cs, (Scopus ID: 57193213076) STMIK Sinar Nusantara Surakarta, Indonesia

Dr. Wiranto, Universitas Sebelas Maret Surakarta, Indonesia

Editorial O ce :
TIKomSiN : Jurnal Teknologi Informasi dan Komunikasi Sinar Nusantara
Published by STMIK Sinar Nusantara Surakarta
Address KH Samanhudi 84 - 86 Street, Laweyan Surakarta, Central Java, Indonesia
Postal Code: 57142, Phone & Fax: +62 271 716 500
Website: https://p3m.sinus.ac.id/jurnal/index.php/TIKomSiN
Email: tikomsin @ sinus.ac.id

Sekolah Tinggi Manajemen In… TEMPLATE

Jl. K.H Samanhudi No.84-86, Directions
Purwosari, Kec. Laweyan, Kota
Surakarta, Jawa Tengah 57149
4.8 219 reviews

View larger map

INDEXING

Map data
Report a map©2021
error

https://p3m.sinus.ac.id/jurnal/index.php/TIKomSiN/about/displayMembership/20 1/2
8/17/2021 Vol 9, No 1 (2021)

HOME ABOUT LOGIN REGISTER SEARCH CURRENT ARCHIVES ANNOUNCEMENTS

Online Submission
Home > Archives > Vol 9, No 1 (2021)
Focus and Scope

Vol 9, No 1 (2021) Author Guidelines

Jurnal TIKomSiN, Vol.9, No. 1, 2021 Editorial Team

DOI: http://dx.doi.org/10.30646/tikomsin.v9i1 Reviewer Team

Publication Ethics

Table of Contents Open Access Policy

Articles Copyright Notice

Pengaruh Disiplin Ilmu Terhadap Kecenderungan Mahasiswa Dalam Mengakses Informasi PDF
Screen for Plagiarsm
Melalui Media Sosial Menggunakan Metode Chi Square 1-6
Retno Palupi, SM Santi Winarsih Reference Manager

Abstracting & Indexing

Algoritma Apriori Untuk Penentuan Assosiasi Penjualan Barang PDF
7-16
Calvin Ivan Wiryawan, Yustina Retno Wahyu Utami, Didik Nugroho Visitor Statistics

Penerapan Navmesh Dengan Algoritma A Star Path nding Pada Game Edukasi 3d Go Green PDF Contact
17-26
Linda Sa ra, Paulus Harsadi, Sri Harjanto

Evaluasi Sistem Informasi Manajemen Puskesmas (Simpus) (Studi Kasus : Puskesmas Induk Di PDF
Wilayah Kabupaten Sukoharjo) 27-44
Dasa Styo Ndaru Utomo, Sri Hariyati Fitriasih, Setiyowati Setiyowati

Kombinasi Transaksi Penjualan (Merk Beras) Menggunakan Algoritma Apriori (Studi Kasus di PDF
UD. SRD) 45-50
Iwan Ady Prabowo, Wawan Laksito Yuly Saptomo, Nungky Kurnia Candra

Sistem Pendukung Keputusan Pengadopsian Anak Menggunakan Metode Analytical Hierarchy PDF
Process Dan Metode Perbandingan Eksponensial 51-59
Ajeng Dhanty Yoshima, Dwi Remawati, Muhammad Hasbi

Prediksi Penjualan Kertas Menggunakan Metode Double Exponential Smoothing PDF

60-68
Erinsyah Aditya Nugroho Putro, Elistya Rimawati, Retno Tri Vulandari

Sistem Seleksi Calon Siswa Bidik Misi Menggunakan Metode Simple Additive Weighting PDF
69-74
Budi Hartanto, Bramasto Wiryawan Yudanto

TEMPLATE
Pencarian Data Barang Produk Atribut Sekolah Menggunakan Algoritma Binary Search PDF
75-80
Risma Dara Awal Aviantika, Kustanto Kustanto, Muhammad Hasbi

Sistem Pakar Diagnosa Virus Corona Dengan Metode Naïve Bayes PDF
81- 88
Fareza Aditiyanto Nugroho, Arif Fajar Solikin, Mutiara Dwi Anggraini, Kusrini Kusrini
INDEXING

Editorial O ce :
TIKomSiN : Jurnal Teknologi Informasi dan Komunikasi Sinar Nusantara
Published by STMIK Sinar Nusantara Surakarta
Address KH Samanhudi 84 - 86 Street, Laweyan Surakarta, Central Java, Indonesia
Postal Code: 57142, Phone & Fax: +62 271 716 500
Website: https://p3m.sinus.ac.id/jurnal/index.php/TIKomSiN
Email: tikomsin @ sinus.ac.id

Sekolah Tinggi Manajemen In…

Jl. K.H Samanhudi No.84-86, Directions
Purwosari, Kec. Laweyan, Kota
Surakarta, Jawa Tengah 57149
4.8 219 reviews

View larger map

https://p3m.sinus.ac.id/jurnal/index.php/TIKomSiN/issue/view/53 1/2
Jurnal TIKomSiN, Vol. 9, No. 1, April 2021 ISSN Cetak : 2338-4018
DOI: https://doi.org/10.30646/tikomsin.v9i1.543 ISSN Online : 2620-7532
Kombinasi Transaksi Penjualan (Merk Beras)
Menggunakan Algoritma Apriori

Arial 11Iwan Ady Prabowo 1); Wawan Laksito Y. Saptomo 2); Nungky Kurnia Candra3)
1,2,3) Program Studi S1-Informatika, STMIK Sinar Nusantara
1) iwanadyp@sinus.ac.id, 2) wawanlaksito@sinus.ac.id, 3)nungkykurnia98@gmail.com

……. ……. 11
ABSTRACT
UD. SRD is an individual company that produces and sells rice with various brands. Rice
brands sold include C4 Kelapa, C4 Raja, C4 Merak, Nogo Hitam, Nogo Merah, Nogo Hijau, Pandan
Wangi, Mentik Wangi and Rojo Lele. In processing sales data is still done manually that is only
using notes or receipts, so the data only serves as an archive. In this study, the data amounted to
404 rice sales transactions from January to September 2016. The purpose of this research is the
creation of Apriori algorithm system to predict combination of rice brand in sales transaction in UD.
SRD so as to help the company know the sales of the most frequently purchased rice brands
simultaneously. The result of combination rice brand is getting using Apriori Algorithm which
supported minimum 30% and confidence minimum 70%. It appears from thus statements "If buy
C4R, it will buy C3M with 51.54% support and 77.31% confidence", "If buy MW , It will buy C4M
with the value of support 48.27% and the value of confidence 79.92% "," If buy C45 and C4M, it
will buy MW with the value of support 32.43% and the value of confidence 71.20% "and" If buy MW
and C4R , It will buy C4M with the value of support 32.43% and the value of confidence 82.91%".
Keywords: Rice Transaction, Selling, Data mining, Association Rule, Apriori Algorithm

I. PENDAHULUAN mendapatkan nasi yang pulen namun tetap

Tingginya persaingan dalam dunia bisnis lebih irit.
saat ini menuntut para pengusaha untuk Selama ini UD. SRD memiliki kendala,
meningkatkan penjualan supaya dapat dalam pengolahan datanya belum
bertahan tanpa mengalami kerugian. menggunakan fasilitas teknologi informasi dan
Peningkatan penjualan di suatu perusahaan hanya menggunakan kwitansi atau nota
dapat dilakukan dengan melihat data transaksi penjualan saat melakukan transaksi, sebatas
penjualan. Setiap hari terjadi transaksi pembukuan. Pembukuan tersebut dapat
penjualan dan data akan bertambah banyak, dimanfaatkan untuk mengambil suatu
sehingga diperlukan teknologi informasi untuk keputusan baik promosi maupun untuk
mempermudah dalam pengolahan data. menentukan strategi penjualan.
UD. SRD salah satu Usaha Dagang merk Penentuan strategi penjualan berdasarkan
beras. Merk beras yang dijual antara lain beras kecenderungan konsumen dalam membeli
C4 Kelapa, C4 Raja, C4 Merak, Nogo Hitam, beras menggunakan Algoritma Apriori apabila
Nogo Merah, Nogo Hijau, Pandan Wangi, memenuhi parameter support dan confidence.
Mentik Wangi dan Rojo Lele. Proses produksi karena pada prinsipnya Algoritma Apriori dapat
dilakukan dengan mengolah bahan baku digunakan dalam membentuk kandidat
berupa gabah kemudian ke proses kombinasi item, dan diuji kombinasinya sesuai
penjemuran, penggilingan, sampai menjadi nilai ambang pengguna berupa parameter
beras jadi dan dikemas dengan berat yang telah support dan confidence minimum [1].
ditentukan. Sebagian besar pelanggannya yaitu
toko-toko beras, toko sembako dan rumah II. TINJAUAN PUSTAKA
makan. Karena toko beras dan toko sembako Beras adalah biji gabah yang bagian
akan menjual kembali beras tersebut, maka kulitnya sudah dipisahkan dengan cara digiling
mereka cenderung membeli beras lebih dari dan disosoh menggunakan alat pengupas dan
satu merk beras supaya beras yang dijual lebih penggiling serta alat penyosoh [2].
bervariasi. Sedangkan pemilik rumah makan Data mining merupakan suatu proses
juga akan melakukan hal yang sama, biasanya mencari data dengan tujuan agar menemukan
di beberapa rumah makan akan mencampur suatu informasi yang belum ditemukan, dan
lebih dari satu merk beras yaitu beras yang hasil dari informasi yang ditemukan tersebut
berkualitas baik dan sedang untuk dapat digunakan untuk menghasilkan
keputusan yang bermanfaat [3].
45
Jurnal TIKomSiN, Vol. 9, No. 1, April 2021 ISSN Cetak : 2338-4018
ISSN Online : 2620-7532
Association Rules adalah menampilkan Beberapa penelitian terkait dengan
kombinasi atau hubungan diantara item [4]. Ada algoritma apriori, penelitian yang dilakukan oleh
dua tahapan dalam Association Rules yaitu Harahap bersama Chotma Siti Nuraisyah [1]
kombinasi sering muncul dari itemset dan
tentang Algoritma Apriori untuk Prediksi
pendefinisian Kondisi dan hasil [5]. Tahapan
menentukan kombinasi item sebagai sarat Kecelakaan Lalu Lintas di Percut Sei Tuan,
minimum dari nilai support di tempat penelitian yang dilakukan oleh D.K Pane [9]
penyimpanan. Rumus Nilai support dibawah ini tentang Algoritma Apriori untuk transaksi
[6]. penjualan Produk Elektronik, dan penelitian
yang dilakukan oleh Robi Yanto bersama Riri
∑𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴
𝑠𝑢𝑝𝑝𝑜𝑟𝑡(𝐴) = (1) Khoiriah [10] tentang Algoritma Apriori untuk
𝑡𝑜𝑡𝑎𝑙 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖
penentuan Pola Pembelian Obat.
Rumus nilai support dari 2 item :
III. METODE PENELITIAN
𝑠𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴, 𝐵) = 𝑃(𝐴 ∩ 𝐵) Penelitian ini merupakan penelitian
∑ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑑𝑎𝑛 𝐵
𝑠𝑢𝑝𝑝𝑜𝑟𝑡 (𝐴, 𝐵) = ∑ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖
(2) exsperimental dengan tahapan penelitian yaitu
Sesudah pola frekuensi tinggi terbentuk analisa, desain, pengkodean, pengujian dan
langkah selanjutnya membentuk Association implementasi.
Rules sebagai syarat minimum untuk 3.1. Analisa Sistem
Tahap Analisa sistem melakukan
confidence [5]. Menghitung confidence dengan
pengamatan tentang proses bisnis yang
rumus Nilai confidence A 𝑘𝑒 B: berjalan di UD.SRD seperti proses transaksi
∑ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴 𝑑𝑎𝑛 𝐵
penjualan beras. Dari tahapan ini mendapatkan
𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑒 = 𝑃(𝐵|𝐴) = ∑ 𝑡𝑟𝑎𝑛𝑠𝑎𝑘𝑠𝑖 𝑚𝑒𝑛𝑔𝑎𝑛𝑑𝑢𝑛𝑔 𝐴
(3) data transaksi penjualan berupa nota penjualan
yang terdiri dari tanggal transaksi, nama
Algoritma Apriori merupakan metode pembeli, alamat pembeli, nama beras yang
pencarian frequent itemset dengan dibeli, jumlah, harga per kilogram dan total
menggunakan teknik association rule [7]. harga.
Tahapan Utama dalam Algoritma apriori yaitu 3.2. Desain Sistem
join / penggabungan dan prune / pemangkasan. Pemodelan menggunakan Unifed
Tahapan pertama yaitu join / penggabungan, Modelling Language (UML) meliputi Diagram
dengan mengkombinasikan setiap item dengan Use Case, Diagram Class, Sequence Diagram,
item yang lain sehingga kembali tidak ada Activity Diagram dan Pemodelan menggunakan
kombinasi. tahapan kedua yaitu prune / Algoritma Apriori.
pemangkasan, dengan pemangkasan hasil 3.3. Pengkodean
kombinasi item oleh minimum support oleh Tahap pengkodean ini tentang software
pengguna. Cara kerja Algoritma Apriori dengan dan hardware yang digunakan pada
membentuk kandidat baru dari k-itemset dalam pembuatan aplikasi serta langkah dalam
frequent itemset yang lalu dan menjumlah nilai kombinasi transaksi penjualan (Merk Beras)
support kombinasi itemset tersebut. Itemset Menggunakan algoritma apriori studi kasus di
akan dihilangkan apabila yang memiliki nilai UD. SRD.
support dibawah dari minimum support [8].
3.4. Pengujian
Tahap pengujian dengan pengujian
Fungsional (Black Box), Pengujian Validitas.
Pengujian mendapatkan hasil data testing
dengan minimal support 10% dan minimal
confidence 70%, minimal support 30% dan
minimal confidence 70%, minimal support 50%
dan minimal confidence 70%, Hasil dari
perhitungan dibandingkan untuk mengetahui
validitas dari Algoritma Apriori.
3.5. Implementasi
Sistem ini nantinya akan diterapkan untuk
mencari kombinasi merk beras yang paling
Gambar 1. Tahapan Algoritma Apriori sering dibeli secara bersamaan

46
Jurnal TIKomSiN, Vol. 9, No. 1, April 2021 ISSN Cetak : 2338-4018
ISSN Online : 2620-7532
4. Menghitung Support (2 Itemset)
IV. HASIL DAN PEMBAHASAN Hasil menghitung support (2 Itemset)
4.1. Penerapan Algoritma Apriori berada di Tabel 5.
Berikut adalah langkah-langkah kasus Tabel 5. Hasil Support (2 Itemset)
kombinasi transaksi penjualan (Merk Beras) No Kombinasi Item ∑ Support
menggunakan algoritma apriori dengan studi (Merk Beras)
1. C4R, C4M 184 45,54%
kasus di UD. SRD sebanyak 404 transaksi pada
2. C4R, NMR 90 22,28%
bulan Januari - September 2016. 3. C4R, MW 158 39,11%
1. Penentuan kandidat 1(1 Itemset) 4. C4M, NMR 113 27,97%
Kandidat 1 diperoleh dari merk beras yang 5. C4M, MW 195 48,27%
dijual di UD. SRD, berikut berada di Tabel 1. 6. NMR, MW 100 24,75%
Tabel 1. Daftar Kandidat 1 (1 Itemset)
No Merk Beras 5. Menentukan Kandidat 3 Itemset
1. C4 Kelapa (C4K) Kandidat kombinasi 3 itemset diambil dari
2. C4 Raja (C4R) kandidat pertama 2 itemset yang mencapai
3. C4 Merak (C4M) ataupun melebihi support minimal, berada di
4. Nogo Hitam (NHT) Tabel 6.
5. Nogo Merah (NMR) Tabel 6. Daftar 3 Itemset
6. Nogo Hijau (NHJ) No. Kombinasi Item (Merk Beras)
7. Pandan Wangi (PW) 1. C4R, C4M, MW
8. Mentik Wangi (MW)
9. Rojo Lele (RLL)
6. Menghitung Support (3 Itemset)
Nilai support 3 itemset berada di Tabel 7.
2. Menghitung support (1 Itemset) Tabel 7. Daftar 3 Itemset yang Memenuhi Support
Hasil menghitung support (1 Itemset) Kombinasi Item
dengan support min 30%, terlihat pada Tabel 2 No ∑ Support
(Merk Beras)
dan Daftar 1 Itemset yang Memenuhi Support 1. C4R, C4M, MW 131 32,43%
berada di Tabel 3.
Tabel 2. Hasil Support (1 Itemset) 7. Pembentukan Association Rules
Item
No. ∑ Support Untuk menentukan confidence dari aturan
(Merk Beras)
1. C4K 95 23,51% A→ 𝐵 diperoleh dengan Minimum confidence=
2. C4R 238 58,91% 70%, berada di Tabel 8.
3. C4M 294 72,77%
4. NHT 21 5,20% Tabel 8. Daftar Association Rules
5. NMR 141 34,90% Kombinasi Item
6. NHJ 85 21,04% No Confidence
(Merk Beras)
7. PW 31 7,67% 1. Apabila membeli C4R, 184/238 77,31%
8. MW 244 60,40% maka terjadi pembelian
9. RLL 41 10,15% C4M
2. Apabila membeli C4M, 184/294 62,59%
Tabel 3. Daftar Itemset yang Memenuhi Support maka terjadi pembelian
No. Item (Merk Beras) Support C4R
3. Apabila membeli C4R, 158/238 66,39%
1. C4R 58,91%
maka terjadi pembelian
2. C4M 72,77% MW
3. NMR 34,90% 4. Apabila membeli MW, 158/244 64,75%
4. MW 60,40% maka terjadi pembelian
3. Penentuan Kandidat Kombinasi 2 Itemset C4R
Diambil dari kandidat pertama 1 itemset 5. Apabila membeli C4M, 195/294 66,33%
maka terjadi pembelian
yang mencapai ataupun melebihi support MW
minimal, berada di Tabel 4. 6. Apabila membeli MW, 195/244 79,92%
Tabel 4. Daftar 2 Itemset maka terjadi pembelian
No. Kombinasi Item (Merk Beras) C4M
1. C4R, C4M 7. Apabila membeli C4R 131/184 71,20%
2. C4R, NMR dan C4M, maka terjadi
pembelian MW
3. C4R, MW
8. Apabila membeli C4M 131/195 67,18%
4. C4M, NMR dan MW maka terjadi
5. C4M, MW pembelian C4R
6. NMR, MW

47
Jurnal TIKomSiN, Vol. 9, No. 1, April 2021 ISSN Cetak : 2338-4018
ISSN Online : 2620-7532
Kombinasi Item 4.2.2. Class Diagram
No Confidence
(Merk Beras) Class Diagram pada kombinasi transaksi
9. Jika membeli MW dan 131/158 82,91%
C4R, maka terjadi
penjualan (Merk Beras) Menggunakan
pembelian C4M algoritma apriori studi kasus di UD. SRD.
10. Jika membeli C4R dan 131/184 71,20%
C4M, maka terjadi
pembelian MW

8. Aturan Asosiasi Final

Untuk Daftar Asosisasi Final berada di
tabel 9.
Tabel 9 : Daftar Asosisasi Final
No. Kombinasi Item Supp Confid
(Merk Beras) ort ence
1. Apabila membeli C4R, 45,54 77,31
maka terjadi pembelian % %
C4M
2. Apabila membeli MW, 48,27 79,92
maka terjadi pembelian % %
C4M
3. Apabila membeli C4R 32,43 71,20
dan C4M, maka terjadi % %
pembelian MW
4. Apabila membeli MW 32,43 82,91
dan C4R, maka terjadi % %
pembelian C4M

4.2. Desain Sistem

Pemodelan desain sistem menggunakan
Unifed Modelling Language (UML). Gambar 3. Class Diagram
4.2.1. Use Case Diagram
Use case diagram pada kombinasi 4.2.3. Sequence Diagram
transaksi penjualan (Merk Beras) Admin sistem melakukan pengambilan
Menggunakan algoritma apriori studi kasus di data transaksi dari tabel transaksi, kemudian di
UD. SRD proses pada apriori controller, tabel temp2,
temp, transaksi2, aso, temp3 dan hasilnya akan
ditampilkan pada halaman Analisa Apriori.

Gambar 4. Sequence Diagram

4.2.4. Activity Diagram

Admin memulai dengan memilih menu
Analisa apriori, kemudian sistem akan
Gambar 2. Diagram Use Case
menampilkan halaman Analisa apriori.
Selanjutnya admin memasukkan nilai minimal
48
Jurnal TIKomSiN, Vol. 9, No. 1, April 2021 ISSN Cetak : 2338-4018
ISSN Online : 2620-7532
support dan nilai minimal confidence serta 4.3.3. Halaman Hasil Analisa Apriori
memasukkan tanggal lalu klik analisis maka Halaman hasil Analisa Apriori ini
sistem akan menampilkan hasil kombinasi merk menunjukkan keterangan yang dimasukkan
beras. admin yaitu nilai minimal support dan minimal
confidence serta tanggal. Admin dapat
memperoleh hasil kombinasi berupa kombinasi
merk beras beserta support dan confidence.

Gambar 5. Activity Diagram

Gambar 8. Halaman Hasil Analisa Apriori
4.3. Pengkodean
Tahap pengkodean ini tentang software 4.3.4. Halaman Detail Analisa Apriori
dan hardware yang digunakan pada Halaman detail Analisa Apriori ini berisi
pembuatan aplikasi serta langkah pada proses kombinasi Algoritma Apriori yaitu
kombinasi transaksi penjualan (Merk Beras) berupa 1 Itemset, 2 Itemset dan 3 Itemset.
Menggunakan algoritma apriori.
Berikut ini adalah hasil tampilan output
sistem kombinasi transaksi penjualan (Merk
Beras) Menggunakan algoritma apriori studi
kasus di UD. SRD yang telah dibangun
menggunakan Bahasa pemrograman PHP.
4.3.1. Halaman Admin
Halaman ini berisi jumlah transaksi
masing-masing merk beras yang dijual dan Gambar 9. Halaman Detail Analisa Apriori
terdapat tabel transaksi terakhir yang dilakukan
oleh admin. 4.4. Pengujian Sistem
Tahap pengujian sistem pada penelitian ini
menggunakan pengujian validitas.

Tabel 10. Hasil pengujian validitas

No Jumlah Sup Confi- Hasil
Uji Transaksi por dence
t
1 80 10 70 71, 25
2 80 30 70 68, 75
Gambar 6. Halaman Admin 3 80 50 70 56, 25
Hasil uji validitas yang telah dilakukan pada
4.3.2. Halaman Analisa Apriori data transaksi bulan Oktober dengan 80
Admin dapat memasukkan nilai minimal transaksi sebesar 71, 25% (Min Support 10%,
support dan minimal confidence serta Min Conf 70%). Hasil uji validitas yang telah
memasukkan tanggal untuk melihat kombinasi dilakukan pada data transaksi bulan Oktober
merk beras yang sering dibeli secara dengan 80 transaksi sebesar 68, 75% (Min
bersamaan. Support 30%, Min Conf 70%). Hasil uji validitas
yang telah dilakukan pada data transaksi bulan
Oktober dengan 80 transaksi sebesar 56, 25%
(Min Support 50%, Min Conf 70%).
Dari hasil diatas dapat dibandingkan
semakin kecil nilai minimal support maka akan
semakin banyak kombinasi, sedangkan apabila
bertambah besar nilai minimal support maka
berkurang kombinasinya.
Gambar 7. Halaman Analisa Apriori

49
Jurnal TIKomSiN, Vol. 9, No. 1, April 2021 ISSN Cetak : 2338-4018
ISSN Online : 2620-7532
4.5. Implementasi Sistem Sei Tuan dengan Menggunakan Algoritma
Tahap implementasi sistem dimana Apriori," Pelita Informatika Budi Darma,
analisa, desain dan pengkodean sudah selesai vol. V, no. 3, pp. 45-50, 2013.
dikerjakan dilakukan pengujian. Kombinasi [2] T. Wresdiyati and M. Astawan, Diet sehat
transaksi penjualan (Merk Beras) dengan makanan berserat, Solo: Tiga
menggunakan algoritma apriori studi kasus di Serangkai Pustaka Mandiri, 2004.
UD. SRD yaitu mulai dari memasukkan data
transaksi sebanyak 404 dan memasukkan nilai [3] T. Connolly and T. Begg, Database
minimal support 30%, minimal confidence 70% Systems: a practical approach to design,
serta tanggal 1 Januari 2016 s/d 31 September implementation, and management (5th
2016 sehingga mengkasilkan kombinasi merk ed.), America: Pearson Education, 2010.
beras berikut; apabila terjadi pembelian merk [4] Y. Zhao, R and Data Mining Examples and
beras C4R, kemungkinan akan terjadi Case Studie, London: Elsevier, 2013.
pembelian merk beras C3M besar nilai support [5] A. . J. Rindengan, "Perbandingan
51,54% dan besar nilai confidence 77,31%, Association Rule Berbentuk Biner dan
apabila terjadi pembelian merk beras MW, Fuzzy C-Partition pada Analisis Market
kemungkinan akan terjadi pembelian merk Basket dalam Data Mining," Jurnal Ilmiah
beras C4M besar nilai support 48,27% dan Sains, vol. 12, no. 2, pp. 135-141, 2012.
besar nilai confidence 79,92%, apabila terjadi [6] Kusrini and E. T. Luthfi, Algoritma Data
pembelian merk beras C45 dan C4M, Mining, Yogyakarta: Andi Publisher, 2009.
kemungkinan akan terjadi pembelian merk
beras MW besar nilai support 32,43% dan [7] Erwin, "Analisis Market Basket dengan
besar nilai confidence 71,20% dan apabila Algoritma Apriori dan FP- Growth," Jurnal
terjadi pembelian merk beras MW dan C4R, Generik, vol. 4, no. 2, pp. 26-30, 2009.
kemungkinan akan terjadi pembelian merk [8] Han, Jiawei and Kamber, Data Mining :
beras C4M besar nilai support 32,43% dan Concept and Techniques (2rd ed.),
besar nilai confidence 82,91%. Champaign: Morgan Kaufmann Publisher,
V. PENUTUP 2006.
Hasil perhitungan Kombinasi transaksi [9] D. K. Pane, "Implementasi Data Mining
penjualan (Merk Beras) menggunakan pada Penjualan Produk Elektronik dengan
algoritma apriori studi kasus di UD. SRD Algoritma Apriori," Pelita Informatika Budi
dengan minimal support 30% dan minimal Darma, vol. 4, no. 3, pp. 25-29, 2013.
confidence 70% terdapat 4 kombinasi yaitu [10] R. Yanto and R. Khoiriah, "Implementasi
apabila terjadi pembelian merk beras C4R, Data Mining dengan metode Algoritma
kemungkinan akan terjadi pembelian merk Apriori dalam Menentukan Pola
beras C3M besar nilai support 51,54% dan Pembelian Obat," Citect Journal, vol. 2,
besar nilai confidence 77,31%, apabila terjadi no. 2, pp. 103-113, 2015.
pembelian merk beras MW, kemungkinan akan
terjadi pembelian merk beras C4M besar nilai
support 48,27% dan besar nilai confidence
79,92%, apabila terjadi pembelian merk beras
C45 dan C4M, kemungkinan akan terjadi
pembelian merk beras MW besar nilai support
32,43% dan besar nilai confidence 71,20% dan
apabila terjadi pembelian merk beras MW dan
C4R, kemungkinan akan terjadi pembelian
merk beras C4M besar nilai support 32,43%
dan besar nilai confidence 82,91%.
Saran untuk penelitian ini perlu
dikembangkan dengan volume data yang lebih
besar sehingga hasil yang didapat akan
semakin bermutu tinggi.

DAFTAR PUSTAKA
[1] C. S. N. Harahap, "Perancangan Aplikasi
Prediksi Kecelakaan Lalu Lintas di Percut

50