Algoritma Apriori Untuk Asosiasi Transaksi Penjualan Benang di PT Hana Text

Penulis

DOI:

https://doi.org/10.32832/kreatif.v9i1.3592

Kata Kunci:

Benang, Asosiasi, Algoritma Apriori

Abstrak

Dalam catatan sejarah industri di Indonesia, Industri tekstil menjadi sektor yang terlama di Negara indonesia dan mempunyai pondasi yang baik dari produsen bahan baku hingga sampai ke konsumen. Produk tekstil turut memberikan sumbangsih nomor tiga dari semua potensial ekspor Indonesia. Benang adalah salah satu faktor yang menentukan kualitas produk dari industry tekstil. Komoditi benang yang makin  beragam dengan kualitas yang berbeda tentu harus diperhitungkan agar tidak menimbulkan kerugian pada perusahaan. Dengan penerapan algoritma apriori untuk mengetahui asosiasi transaksi penjualan benang, mampu memperkecil kerugian yang mungkin terjadi dalam perusahaan sehingga alur stok barang pun bisa terjaga untuk memenuhi kebutuhan produsen kain dan kualitas benang pun bisa terjaga lebih baik.

Referensi

Atika, V., Farida, Pujilestari, T., 2016. Kualitas pewarnaan ekstrak gambir pada batik sutera. Din. Kerajinan dan Batik 25–32.

Bathrinath, S., Bhalaji, R. K. A., & Saravanasankar, S. (2020). Risk analysis in textile industries using AHP-TOPSIS. Materials Today: Proceedings, (xxxx). https://doi.org/10.1016/j.matpr.2020.04.722

C. Stone, F. M. Windsor, M. Munday, and I. Durance, "Natural or synthetic – how global trends in textile usage threaten freshwater environments,” Sci. Total Environ., vol. 718, p. 134689, 2020.

Failisnur, F., Sofyan, S., 2019. Karakteristik kain batik hasil pewarnaan menggunakan pewarna alam gambir (Uncaria Gambir Roxb). Pros. Semin. Nas. Has. Litbangyasa Ind. II 2, 228–235.

Guesmi, A., Ben Hamadi, N., 2018. Study on optimizing dyeing of cotton using date pits extract as a combined source of coloring matter and bio-mordant. Nat. Prod. Res. 32, 810–814. https://doi.org/10.1080/14786419.2017.1363751.

J. Silva, N. Varela, L. A. B. López, and R. H. R. Millán, "Association rules extraction for customer segmentation in the SMES sector using the apriori algorithm,” Procedia Comput. Sci., vol. 151, no. 2018, pp. 1207–1212, 2019.

Kumar, V., Pozza, I. D., & Ganesh, J. (2013). Revisiting the satisfaction-loyalty relationship: Empirical generalizations and directions for future research. Journal of Retailing, 89(3), 246–262. https://doi.org/10.1016/j.jretai.2013.02.001

Margono, H., & Sharma, S. C. (2006). Efficiency and productivity analyses of Indonesian manufacturing industries. Journal of Asian Economics, 17(6), 979–995. https://doi.org/10.1016/j.asieco.2006.09.004

Nofal, M., & Bani-Ahmad, S. (2010). Classification Based on Association-Rule Mining Techniquese a General Survey and Empirical Comparative Evaluation. Ubiquitous Computing and Communication Journal, 5(3), 9–17.

S. H. Liao, P. H. Chu, and P. Y. Hsiao, "Data mining techniques and applications - A decade review from 2000 to 2011,” Expert Syst. Appl., vol. 39, no. 12, pp. 11303–11311, 2012.

Unduhan

Diterbitkan

2021-06-01

Cara Mengutip

Risqiati, R., Indrayanti, I., & Sugianti, D. (2021). Algoritma Apriori Untuk Asosiasi Transaksi Penjualan Benang di PT Hana Text. Krea-TIF: Jurnal Teknik Informatika, 9(1), 1–8. https://doi.org/10.32832/kreatif.v9i1.3592

Terbitan

Bagian

Articles