Analisis Aturan Asosiasi pada Data Transaksi Penjualan Obat Menggunakan Algoritma Apriori untuk Strategi Pemasaran di Apotek

Industri kesehatan saat ini mengalami pertumbuhan yang sangat pesat. Setiap elemen dalam industri ini memiliki nilai yang dapat memberikan manfaat dalam meningkatkan kualitasnya. Salah satu sektor yang menghasilkan data dalam jumlah besar adalah penjualan obat di apotek rumah sakit, di mana transaksi penjualan dilakukan setiap hari. Namun, data transaksi yang terus meningkat tidak akan memiliki nilai tambah jika tidak diolah menjadi informasi yang lebih bermanfaat. Teknik data mining merupakan salah satu metode yang dapat digunakan untuk mengolah histori data transaksi penjualan dari dataset berukuran besar. Penelitian ini menggunakan teknik asosiasi dengan algoritma apriori. Algoritma apriori dapat membantu menentukan strategi pemasaran melalui analisis kombinasi item berdasarkan parameter support dan confidence. Dalam penelitian ini, nilai minimum support yang digunakan adalah 30%, sedangkan nilai minimum confidence adalah 60%. Hasil analisis algoritma apriori menunjukkan adanya dua aturan asosiasi dengan kombinasi itemset fasidol dan ifarsyl. Aturan pertama adalah kombinasi fasidol dan ifarsyl dengan nilai support sebesar 41,67% dan confidence sebesar 62,5%. Sedangkan aturan kedua, yaitu kombinasi ifarsyl dan fasidol, memiliki nilai support sebesar 41,67% dan confidence sebesar 71,42%.