Abstract
Pertumbuhan perdagangan dan penjualan telah menghasilkan volume data transaksi yang besar dan kompleks. Analisis data transaksi dapat memberikan wawasan berharga tentang pola pembelian pelanggan dan asosiasi antara item yang dibeli. Dalam penelitian ini, kami mengusulkan pendekatan baru untuk mengekstraksi aturan asosiasi dari data transaksi penjualan menggunakan metode Neural Network Backpropagation. Pendekatan ini mengintegrasikan kekuatan jaringan saraf untuk memodelkan pola kompleks dalam data transaksi untuk menemukan hubungan antara item yang dibeli. Pertama, data transaksi diubah menjadi representasi biner yang sesuai untuk pemrosesan oleh jaringan saraf. Selanjutnya, jaringan saraf feedforward dengan lapisan tersembunyi diinisialisasi dan dilatih menggunakan algoritma backpropagation. Kami menguji pendekatan kami menggunakan dataset transaksi penjualan dari data di PT. Program Induk Utama. Hasil percobaan menunjukkan bahwa pendekatan yang diusulkan mampu menemukan aturan asosiasi yang signifikan dan bermakna dalam dataset penjualan, dengan tingkat keakuratan 92,30%, epoch 1312, dan MSE 0,0009979927. Selain itu, pendekatan ini menawarkan kelebihan dalam menangani pola-pola yang kompleks dan tidak terstruktur dalam data transaksi.
Published Version
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callSimilar Papers
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
