IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK MENCARI POLA PEMBELIAN KONSUMEN (STUDI KASUS TOKO KITA)

  • Arnandia Raka W
  • Arief Jananto
Keywords: Keyword: Data Mining, Association Rule, FP-GROWTH

Abstract

Abstract - Data Mining adalah  proses pencarian informasi dengan melakukan penggalian dari pola pola data transaksi dengan tujuan dapat memperoleh sebuah informasi yang berharga untuk mengelola data yang sangat besar.Pada Toko Kita setiap harinya terjadi ratusan transaksi. Dalam mempermudah melakukan pengelolaan penyediaan barang maka perlu diketahui produk apa saja dan itemset antar kaitan barangnya untuk membantu menangani penyediaan barang.Dalam kaitannya dalam mengatasi permasalahan penyediaan yang ada pada Toko Kita, data mining memiliki beberapa teknik salah satunya adalah teknik assossiasi. Teknik assossiasi dilakukan untuk menemukan aturan assossiatif antara suatu kombinasi item. Sedangkan beberapa metode algoritma yang dapat digunakan salah satunya adalah algoritma FP-GROWTH yaitu dalam pembangunan frequent itemsetnya algoritma FP-GROWTH menggunakan struktur data tree atau disebut FP-Tree, dari struktur FP-tree ini nantinya frequent itemset dapat langsung diekstrak dan diketahui hasilnya  Adapun dalam penelitian ini data yang digunakan adalah data transaksi pada Toko Kita dari rentang waktu bulan November 2016 sampai Oktober 2017.  Dimana dalam penelitiannya dihasilkan beberapa aturan assossiasi salah satunya yaitu {item1=899898910012GG FILTER 12}   => {frequent=899190610101DJARUM SUPER 12} yang berarti item GG FILTER 12 muncul bersamaan dengan item DJARUM SUPER 12 dengan tingkat dukungan 0.02 dan tingkat kepercayaan 1.00.

References

DAFTAR PUSTAKA
[1]Shearer, Colin (2000) The Crisp-DM Model: The New Blueprint for Data Mining. Journal of Data Warehousing, Vol. 5, No. 4, p. 13-22.
[2]Failasufa, Fusna. (2014) Penerapan Data Mining untuk Analisis Pola Pembelian Konsumen Dengan Algoritma Apriori Pada Data Transaksi Penjualan, Skripsi, Program Studi Teknik Informatika, Universitas Islam Negeri Sunan Kalijaga, Yogyakarta.
[3]Ikhwan, Ali, Dicky Nofriansyah dan Sriani (2015) Penerapan Data Mining dengan Algoritma Fp-Growth untuk Mendukung Strategi Promosi PendidIndomie, Jurnal Ilmiah Sains dan Komputer, 3 (14), pp. 2.
[4]Nugroho, Tri S. (2015) Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Menentukan Aturan Asosiasi Pada Penjualan Suku Cadang Sepeda Motor Di Ahass Rahmat Motor Blora, Skripsi, Program Studi Teknik Informatika, Universitas Dian Nuswantoro, Semarang.
[5]Prasetyo, Philips Kokoh (2006) Itemset, Support, dan Confidence, Website:
https://philips.wordpress.com/2006/05/18/itemset-support-dan-confidence/
[6]Ardani, Nur R dan Nur Fitrina (2016) Sistem Rekomendasi Pemesanan Sparepart Dengan Algoritma FP-GROWTH, Jurnal STMIK AMIKOM, No.3,3, 6-7 Februari, p. 99.
Published
2019-03-20
How to Cite
Raka W, A., & Jananto, A. (2019). IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK MENCARI POLA PEMBELIAN KONSUMEN (STUDI KASUS TOKO KITA). Information Technology and Telematics, 8(2). Retrieved from https://unisbank.ac.id/ojs/index.php/fti3/article/view/6508
Section
Articles