1 METODE TEMPORAL ASSOCIATION RULES UNTUK MENEMUKAN POLA ATURAN TEMPORAL PADA DATA PENJUALAN Wahju Tjahjo Saputro* 1 , Edi Winarko 2 e-mail: * 1 wahjusaputro@yahoo.com , 2 ewinarko@ugm.ac.id INTISARI Data penjualan di supermarket dapat diolah menjadi informasi yang mengandung pengetahuan dan bermanfaat bagi manajer dalam mengambil keputusan. Bentuk informasi yang diteliti berkaitan dengan fungsi asosiasi antar item barang secara temporal, merupakan salah satu fungsi dalam data mining. Dalam penelitian ini waktu yang digunakan memanfaatkan tanggal transaksi. Penelitian ini menggunakan Algoritma Apriori untuk menemukan kandidat frequent itemset yang memenuhi support count. Selanjutnya frequent itemset yang memenuhi support count diproses menggunakan metode temporal association rules. Hasil pengujian menggunakan parameter minsup 0.1 dan minconf 0.2 ditemukan jumlah temporal rules yang sama pada interval 5 bulan, 9 bulan dan 14 bulan untuk data member. Pada data nonmember ttidak terbentuk temporal rules untuk semua interval. Hasil pengujian batasan minsup 0.01 dan minconf 0.05 untuk interval 14 bulan, 9 bulan dan 5 bulan ditemukan peningkatan jumlah temporal rules pada data member dan nonmember. Kata kunci— penjualan, temporal association rules, apriori, data mining ABSTRACT Sale data in a supermarket may be processed into information containing knowledge useful for managers in decision making. The information type examined in the study related to the temporal function of inter-item association represented one of the functions in data mining. The time used in the study was the transaction date. The study used Apriori algorithm to find the candidates of the frequent itemset that met the existing support count requirements. Subsequently, the frequent itemset meeting the support count requirement was processed using the method of temporal association rules. The results of the test using the parameter of minsup 0.1 and minconf 0.2 showed that the number of the temporal rules in the intervals of 9 months, 9 months and 14 months was the same for member data. There was not any temporal rule in non- member data for all intervals. The results of the definition of minsup 0.01 and minconf 0.05 for the intervals of 14 months, 9 months and 5 months showed that there was an increase in the number of the temporal rules in both the member and non-member data. Key words: sale, temporal association rules, apriori and data mining. 1. PENDAHULUAN Mencari pola pada data penjualan dapat menggunakan metode asosiasi, dimana merupakan salah satu metode dalam data mining. Fungsi metode asosiasi yaitu mampu menemukan pola hubungan antar item barang yang saling berasosiasi (Agrawal dan Srikant, 1994; Fayyad dkk, 1996; Handojo dkk, 2005; Yusuf dkk, 2006). Dalam penggalian pola asosiasi akan ditemukan atribut yang menunjukkan keadaan barang yang sering muncul bersamaan. Metode asosiasi sering digunakan untuk menganalisis data transaksi penjualan guna mengetahui kondisi pasar barang apa saja yang sering dibeli bersama oleh konsumen. Sampai saat ini metode asosiasi telah berkembang dengan pesat, salah satunya yaitu temporal association rule (TAR) (Liang dkk, 2005; Winarko dan Roddick, 2005; Li dkk, 2001; Lee dkk, 2001; pughazendi dan Punithavalli, 2011). Metode temporal association rule (TAR) akan