PENGGUNAAN ALGORITHMA APRIORI DATA MINING UNTUK MENGETAHUI TINGKATKESETIAAN KONSUMEN (BRAND LOYALITY) TERHADAP MEREK KENDERAAN BERMOTOR (STUDI KASUS DEALER HONDA RUMBAI)

• Main Author: Wirdah Choiriah
• Format: Article
• Language: Indonesian
• Published: Universitas Lancang Kuning 2016-02-01
• Series: Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
• Online Access: https://ejurnal.unilak.ac.id/index.php/dz/article/view/183

<p><strong>Abstrak</strong><br />Algoritma yang umum digunakan dalam proses pencarian frequent itemset (data yang paling sering muncul) adalah Apriori. Tetapi Algoritma Apriori mempunyai memiliki kekurangan yaitu membutuhkan waktu yang lama dalam proses pencarian frequent itemset. Dengan memanfaatkan data Transaksi konsumen yang dihubungkan dengan pola kesetiaan konsumen terhadap merek kenderaan bermotor Honda maka pola hubungan keduanya melalui teknik data mining, association rule. Kategori profesi, jenis kelamin konsumen dan merek kenderaan bermotor di ukur dengan parameter pada tingkat ketertarikan konsumen terhadap merek kenderaan yang di sajikan. Algoritma yang digunakan adalah algoritma apriori, informasi yang ditampilkan berupa nilai support dan confidence dari masing-masing kategori.</p><p><strong>Kata kunci:</strong> data mining, association rule, data transaksi, algoritma apriori, support, confidence.</p><p><strong>Abstract</strong><br />The algorithm is commonly used in the process of finding frequent itemset (data that most often comes up) is Apriori. But the Apriori algorithm has a disadvantage that has take a long time in the process of finding frequent itemset. By utilizing the data consumer transactions associated with patterns of consumer loyalty to the brand Yamaha motor vehicles then their relationship patterns through data mining techniques, association rule. Professional category, gender consumers and brand of motor vehicles on the parameters measured by the level of consumer interest in the brand vehicles are at present. The algorithm used is a priori algorithm, the information displayed in the form of support and confidence values of each category.</p><p><strong>Keywords:</strong> data mining, association rule, transaction data, apriori algorithm, support, confidence.</p>