APRIORI ALGORITMA DALAM MENENTUKAN POLA PRODUKSI DENGAN PENERAPAN COUPLING DAN COHESION
DOI:
https://doi.org/10.54314/jssr.v8i3.4002Abstrak
Abstract: Efficient production planning is key to increasing the profitability of manufacturing companies. One of the biggest challenges is understanding the relationships between products that are frequently produced together. This study proposes the application of the Apriori Algorithm to discover association patterns (association rules) from historical production data. The primary goal is to identify the most frequently co-occurring product itemsets, thereby aiding production schedule planning, inventory management, and bundling strategies. Uniquely, this study also introduces the application of software engineering concepts, namely Coupling and Cohesion, as metrics to evaluate the quality and strength of the association patterns discovered. Coupling is used to measure the strength of the dependencies between items in a pattern, while Cohesion is used to measure the close relationship of items within an itemset. Using hypothetical production transaction data, the algorithm successfully identified association rules with significant support, confidence, and lift values. The analysis using Coupling and Cohesion provides a new perspective in validating the business relevance of the formed rules, demonstrating that patterns with high coupling and high cohesion are the most stable and reliable production patterns.
Â
Keywords: Apriori Algorithm, Data Mining, Production Pattern, Association Rules,
              Coupling, Cohesion, Production Planning.
Abstrak: Perencanaan produksi yang efisien merupakan kunci utama dalam meningkatkan profitabilitas perusahaan manufaktur. Salah satu tantangan terbesar adalah memahami hubungan antar produk yang sering diproduksi bersamaan. Penelitian ini mengusulkan penerapan Algoritma Apriori untuk menemukan pola asosiasi (association rules) dari data historis produksi. Tujuan utamanya adalah untuk mengidentifikasi itemset produk yang paling sering muncul bersamaan, sehingga dapat membantu dalam perencanaan jadwal produksi, manajemen inventaris, dan strategi bundling. Uniknya, penelitian ini juga memperkenalkan penerapan konsep rekayasa perangkat lunak, yaitu Coupling (keterkaitan) dan Cohesion (kepaduan), sebagai metrik untuk mengevaluasi kualitas dan kekuatan pola asosiasi yang ditemukan. Coupling digunakan untuk mengukur seberapa kuat ketergantungan antar item dalam suatu pola, sedangkan Cohesion digunakan untuk mengukur seberapa erat hubungan item di dalam sebuah itemset. Dengan menggunakan data transaksi produksi hipotetis, algoritma berhasil mengidentifikasi aturan asosiasi dengan nilai support, confidence, dan lift yang signifikan. Analisis menggunakan Coupling dan Cohesion memberikan perspektif baru dalam memvalidasi relevansi bisnis dari aturan yang terbentuk, menunjukkan bahwa pola dengan high coupling dan high cohesion adalah pola produksi yang paling stabil dan dapat diandalkan.
Â
Kata kunci: Algoritma Apriori, Data Mining, Pola Produksi, Aturan Asosiasi, Coupling, Cohesion, Perencanaan Produksi.
Unduhan
Referensi
S. Yakub and S. Syahfitriani, “Analisis Data Mining Untuk Strategi Promosi Produk Kosmetik Di Wardah Kosmetik Menggunakan Metode Apriori,†J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 3, no. 1, 2020, doi: 10.53513/jsk.v3i1.207.
P. Iswandi, I. Permana, and F. N. Salisah, “Penerapan Algoritma Apriori Pada Data Transaksi Penjualan Hypermart Xyz Lampung Untuk Penentuan Tata Letak Barang,†J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 6, no. 1, p. 70, 2020, doi: 10.24014/rmsi.v6i1.7613.
H. Harianto and H. Eddy, “Analisa data transaksi penjualan barang menggunakan algoritme Apriori dan FP-Growth,†Jnanaloka, pp. 35–43, 2020, doi: 10.36802/jnanaloka.2020.v1-no1-6.
M. I. R. I. Rabiatus Saadah, Badariatul Lailiah, Windu Gata, “Analisa Asosiasi Data Mining Penjualan,†J. Ilm. Elektron. DAN Komput., vol. 13, no. 2, pp. 31–39, 2020.
Kusrini and T. Emha, “Definisi Data Mining,†Data Min., 2015.
S. Al Syahdan and A. Sindar, “Data Mining Penjualan Produk Dengan Metode Apriori Pada Indomaret Galang Kota,†J. Nas. Komputasi dan Teknol. Inf., vol. 1, no. 2, 2018, doi: 10.32672/jnkti.v1i2.771.
J. Chandra and K. R. Dewi, “Implementation of Data Mining Sales of Milk Using Apriori Algorithm Method,†IOP Conf. Ser. Mater. Sci. Eng., vol. 662, no. 2, 2019, doi: 10.1088/1757-899X/662/2/022077.
D. Septasari, “ANALISIS ASOSIASI PILIHAN PROGRAM STUDI PENDAFTAR UNIVERSITAS ISLAM NEGERI SUNAN KALIJAGA JALUR MANDIRI MENGGUNAKAN ALGORITMA APRIORI,†Aisyah J. Informatics Electr. Eng., vol. 2, no. 1, 2020, doi: 10.30604/jti.v2i1.25.
A. Arman, I. Tri Maulana, S. Sotar, and N. Sari, “PERANCANGAN USER INTERFACE SISTEM INFORMASI PENDAFTARAN SISWA BARU PADA BIMBEL INTENSIF SBMPTN NURUL FIKRI BERBASIS WEB,†Zo. J. Sist. Inf., vol. 2, no. 1, 2020, doi: 10.31849/zn.v2i1.3739.
Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. In Proc. 20th int. conf. very large data bases, VLDB (Vol. 1215, pp. 487-499).
Han, J., Pei, J., & Kamber, M. (2012). Data Mining: Concepts and Techniques. Morgan Kaufmann.
Pressman, R. S., & Maxim, B. R. (2020). Software Engineering: A Practitioner's Approach. McGraw-Hill Education.
