PERBANDINGAN ANALISIS MARKET BASKET UNTUK MENENTUKAN POLA PEMBELIAN KONSUMEN MENGGUNAKAN ALGORITMA FP-GROWTH DAN APRIORI
Total View This Week0
Total View This Week0
Institusion
Universitas Teknokrat Indonesia
Author
Pratiwi, Evi Dwi
Subject
Algoritma dan Pemrograman
Datestamp
2023-01-10 07:27:24
Abstract :
Pada saat ini, perkembangan teknologi sangatlah pesat terutama pada bidang bisnis. Pemanfaatan teknologi dalam dunia bisnis dapat membantu pelaku bisnis dalam menyusun strategi untuk dapat bersaing dengan pelaku bisnis lainnya. Sehingga, perusahaan dapat menjalankan bisnisnya dengan baik. Perusahaan dapat memanfaatkan data penjualan untuk mengetahui informasi lebih banyak yang dapat membantu pelaku bisnis untuk mengambil keputusan. Penggunaan data mining dapat menjadi salah satu cara untuk mengolah data transaksi guna untuk mengetahui pola pembelian konsumen yang ada pada toko warga. Data Mining merupakan suatu teknik yang membahas mengenai penggalian atau pengumpulan data.informasi yang dikumpulkan biasanya berupa pola-pola yang tersembunyi pada data, serta hubungan setiap elemen-elemen data, ataupun model untuk keperluan data (Adinugroho & Sari, 2018).. Dalam melakukan penelitian ini penulis menerapkan metode asosiasi atau sering disebut dengan Market Basket Analysis untuk pengolahan data transaksi. Menurut (Ikhwan, dkk, 2015: 217). Pada penelitian ini algoritma yang digunakan yaitu FP-Growth dan Apriori. Hasil penelitian dari data transaksi sebanyak 1641 data dengan minimum support 0,09 dan confidence 0.9 didapatkan hasil yaitu algoritma Fp-Growth 6 second menghasilkan 19 rules dan terbentuk kombinasi sebanyak 3 item dengan kekuatan aturan 112,66% dan akurasi sebesar 217%. Sedangkan algoritma Apriori 30 second menghasilkan 6 rules dan membentuk kombinasi 3 item dengan kekuatan aturan 52,47% dan akurasi sebesar 46%. Dari hasil perbandingan algoritma dapat ditarik kesimpulan bahwa algoritma Fp-Growth lebih baik dibanding algoritma Apriori. Keywords: Data Mining, Market Basket Analysis, Association Rule, Algorithm, Apriori, FP-Growth Algorithm, Rapid Miner
Pada saat ini, perkembangan teknologi sangatlah pesat terutama pada bidang bisnis. Pemanfaatan teknologi dalam dunia bisnis dapat membantu pelaku bisnis dalam menyusun strategi untuk dapat bersaing dengan pelaku bisnis lainnya. Sehingga, perusahaan dapat menjalankan bisnisnya dengan baik. Perusahaan dapat memanfaatkan data penjualan untuk mengetahui informasi lebih banyak yang dapat membantu pelaku bisnis untuk mengambil keputusan. Penggunaan data mining dapat menjadi salah satu cara untuk mengolah data transaksi guna untuk mengetahui pola pembelian konsumen yang ada pada toko warga. Data Mining merupakan suatu teknik yang membahas mengenai penggalian atau pengumpulan data.informasi yang dikumpulkan biasanya berupa pola-pola yang tersembunyi pada data, serta hubungan setiap elemen-elemen data, ataupun model untuk keperluan data (Adinugroho & Sari, 2018).. Dalam melakukan penelitian ini penulis menerapkan metode asosiasi atau sering disebut dengan Market Basket Analysis untuk pengolahan data transaksi. Menurut (Ikhwan, dkk, 2015: 217). Pada penelitian ini algoritma yang digunakan yaitu FP-Growth dan Apriori. Hasil penelitian dari data transaksi sebanyak 1641 data dengan minimum support 0,09 dan confidence 0.9 didapatkan hasil yaitu algoritma Fp-Growth 6 second menghasilkan 19 rules dan terbentuk kombinasi sebanyak 3 item dengan kekuatan aturan 112,66% dan akurasi sebesar 217%. Sedangkan algoritma Apriori 30 second menghasilkan 6 rules dan membentuk kombinasi 3 item dengan kekuatan aturan 52,47% dan akurasi sebesar 46%. Dari hasil perbandingan algoritma dapat ditarik kesimpulan bahwa algoritma Fp-Growth lebih baik dibanding algoritma Apriori. Keywords: Data Mining, Market Basket Analysis, Association Rule, Algorithm, Apriori, FP-Growth Algorithm, Rapid Miner
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
