IMPLEMENTASI DATA MINING UNTUK MENENTUKAN PERSEDIAAN STOK BARANG BAWAAN OUTLET MENGGUNAKAN ALGORITMA APRIORI (STUDI KASUS: UMKM CORNDOG AL-UMA) SKRIPSI

Muhamad Anjas Saputra; Firman Noor Hasan;

IMPLEMENTASI DATA MINING UNTUK MENENTUKAN
PERSEDIAAN STOK BARANG BAWAAN OUTLET MENGGUNAKAN
ALGORITMA APRIORI (STUDI KASUS: UMKM CORNDOG AL-UMA)

Muhamad Anjas Saputra

Abstrak - Pola transaksi merupakan factor penting dalam dunia perniagaan, yang mempengaruhi
bagaimana sistem manajemen stok, strategi pemasaran dan keuntungan bagi suatu Perusahaan.
Dalam konteks bisnis Food and Beverage khususnya Corndog, pemahaman yang mandalam tentang
pola transaksi sangat diperlukan terutama pada pergerakkan bahan baku yang dimana sangat vital
untuk melihat efisiensi penggunaan bahan baku. Data mining, sebagai suatu metode analisa data
yang sifatnya sangat kuat., telah menjadi suatu metode yang sangat dapat diandalkan dan efektif
untuk menemukan pola – pola ini. Salah satu algoritma yang sering dan cocok digunakan adalah
algoritma apriori, penelitian ini menerapkan algoritma apriori untuk mengidentifikasi dan
menganalisa item – item yang sering dilakukan transaksi secara bersamaan dan pola transaksi yang
tidak bisa dilihat oleh manusia. Hasil analisis ini memberikan wawasan yang berharga tentang
preferensi permintaan kru outlet terhadap stok bahan baku, membantu outlet untuk merancang
strategi penjualan yang lebih efektif. Dengan mengetahui pola transaksi bahan baku, dan
mengoptimalkan penggunaan bahan baku agar lebih efisien. Dengan demikian, penelitian ini dapat
membantu meningkatkan keuntungan Perusahaan. Dalam era informasi yang semakin berkembang,
penggunaan data mining dan algoritma seperti Apriori menjadi semakin penting. Penelitian ini
adalah contoh bagaimana analisis data dapat digunakan dalam dunia nyata untuk mendukung
pengambilan keputusan yang lebih cerdas dan efisien dalam bisnis Food and Beverage. Sebagai
hasilnya, pemahaman yang lebih baik tentang perilaku pergerakkan penjualan outlet dan pola
transaksi dapat menjadi dasar yang kuat dalam mengembangkan strategi bisnis yang sukses.
Kata Kunci: Algoritma Apriori, data mining, Food and Beverage, Corndog

IMPLEMENTATION OF DATA MINING TO DETERMINE INVENTORY
STOCK OF OUTLET PRODUCTS USING THE APRIORI ALGORITHM

(CASE STUDY: SME CORNDOG AL-UMA)

Transaction patterns are a critical factor in the business world, influencing inventory management
systems, marketing strategies, and profitability for companies. In the context of the Food and
Beverage industry, particularly Corndog businesses, a profound understanding of transaction
patterns is essential, especially concerning the movement of raw materials, which is vital for
assessing raw material usage efficiency. Data mining, as a powerful data analysis method, has
become highly reliable and effective in discovering these patterns. One commonly used and suitable

algorithm is the Apriori algorithm, which this study applies to identify and analyze frequently co-
occurring items and transaction patterns that may not be discernible to humans. The analysis

provides valuable insights into the preferences of outlet crews regarding raw material stock demand,
aiding outlets in designing more effective sales strategies. By understanding transaction patterns of
raw materials and optimizing their usage for greater efficiency, this research aims to enhance
company profitability. In an increasingly information-driven era, the use of data mining and
algorithms like Apriori is becoming more crucial. This study exemplifies how data analysis can be
applied in real-world scenarios to support smarter and more efficient decision-making in the Food
and Beverage business sector. Consequently, a better understanding of outlet sales behavior and
transaction patterns can serve as a robust foundation for developing successful business strategies.
Keywords: Apriori Algorithm, Data Mining, Corndog