PENERAPAN ALGORITMA FP-GROWTH UNTUK PENENTUAN POLA PEMBELIAN TRANSAKSI PENJUALAN PADA TOKO KGS RIZKY MOTOR
Abstract
Hasil dari penjualan pada toko kgs rizky motor pihak manajemen hanya melihat laporan jumlah barang terjual dan berapa banyak pendapatannya dilihat tanpa ada tindak lanjut untuk menentukan keputusan diwaktu yang akan datang. Dengan menggunakan metode Frequent Pattern Growth, pihak manajemen dapat mengambil keputusan barang mana yang membutuhkan persediaan yang lebih banyak dibandingkan dengan barang yang lain. Hasil penelitian yang telah dilakukan dengan adanya penerapan algoritma FP-Growth pada perhitungan manual dengan syarat batasan nilai support >35% dan nilai confidence 70%. Kemudian disimpulkan bahwa telah dilakukan penerapan algoritma FP-Growth untuk penentuan pada pola pembelian di Toko Kgs Rizky Motor. Dari dataset 15 transaksi penjualan produk sparepart yang menjadi frequent itemset adalah kombinasi itemset, terdapat 23 rules pola asosiasi dengan memenuhi nilai syarat batasan tersebut. Hasil association rule diperoleh terdapat 7 rules yang telah memenuhi nilai syarat batasan yaitu 1) jika membeli barang rantai motor (A04) maka membeli barang oli motor (A08) dengan nilai support = 40% dan nilai confidence = 78%, 2) jika membeli barang aksesoris motor (A07) maka membeli barang knalpot (A09) dengan nilai support = 40% dan nilai confidence = 75%, jika membeli barang oli motor (A09) maka membeli barang knalpot (A08) dengan nilai support = 47% dan nilai confidence = 88% dst. Sehingga dapat membantu pada perusahaan toko kgs rizky motor mengetahui kemunculan pola item yang sering dibeli secara bersamaan atau dapat dilakukan mempromosikan produk item terbaik.
References
[2] S. Sudarono, Wijaya. A., and A. Andri, "Perbandingan Algoritma Eclat Dan FP-Growth Pada Penjualan Barang (Studi Kasus: Minimarket 212 Mark Veteran Utama)," Bina Darma Conference on Comper Science, vol. 1, pp. 208-217, Januari 2019.
[3] R. Rafsanzani, Pencarian Association Rule Pada Data pengguna Aplikai Android Dengan Metode FP-Growth. Malang: Universitas Brawijaya, 2015.
[4] E. Erwin, "Analisis Market Basket Dengan Algoritma Apriori dan FP-Growth," Generic, vol. 4, pp. 26-30, Juli 2009.
[5] N. Dicky., S. Sriani A. Ikhwan., "Penerapan Data Mining dengan Algoritma FPGrowth untuk Mendukung Strategi Promosi Pendidikan (Studi Kasus Kampus STMIK Triguna Dharma)," Ilmiah Saintikom, vol. 4, no. 3, pp. 211-266, 2015.
[6] Kusrini. K and Emha. T. L, Algoritma data mining. Yogyakarta: Andi, 2009.
[7] S. Atje, R. Rosida, F. Fatihatul, "Asosiasi Data Mining Menggunakan Algoritma FP-Growth Untuk Market Basket Analysis," Jatinangor Univ. Padjadjaran, pp. 1-8, 2011.
[8] G. Goldie G. Gunadi and D. I. Sensuse, "Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth ( Fp-Growth ) :," TELEMATIKA MKOM, vol. 4, no. 15, pp. 118-132, 2012.
[9] Purba P. C. and E. Siswanto, "Implementasi Algoritme FP-Growth untuk Market Basket Analysis dalam Menentukan Product Bundling," Department of Informatics Engineering, ITH, Bandung, 2016.