OPTIMALISASI PENENTUAN TATA LETAK BARANG MENGGUNAKAN ALGORITMA FP-GROWTH PADA DATA TRANKSAKSI PENJUALAN
Main Article Content
Abstract
Penentuan tata letak barang yang optimal di sebuah toko memiliki peran penting dalam meningkatkan efisiensi operasional dan pengalaman pelanggan. Dalam penelitian ini, diusulkan penerapan algoritma FP-Growth untuk menganalisis pola asosiasi dari data transaksi penjualan guna mengoptimalkan tata letak barang. Algoritma FP-Growth dipilih karena kemampuannya dalam menemukan asosiasi frekuensi tinggi antar produk tanpa harus melalui tahap pencarian kandidat yang memerlukan waktu komputasi besar. Dengan menganalisis hubungan antar produk yang sering dibeli bersamaan, hasil penelitian ini memberikan rekomendasi penempatan produk yang strategis untuk memaksimalkan peluang pembelian dan meningkatkan kepuasan pelanggan. Studi kasus dilakukan pada data transaksi sebuah toko ritel yang diperoleh di internet, dengan hasil menunjukkan peningkatan efisiensi dalam pengaturan tata letak barang serta potensi peningkatan penjualan. Implementasi FP-Growth terbukti efektif dalam mengurangi waktu analisis dan memberikan hasil yang akurat dalam menentukan hubungan antar produk. Penelitian ini diharapkan dapat menjadi acuan bagi pengelola toko ritel dalam mengoptimalkan tata letak barang secara lebih ilmiah dan data-driven
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) STMIK TIMEReferences
[1] F. Dwi Insani and H. Al Fatta, “PERBANDINGAN ALGORITMA APRIORI DAN FP-GROWTH UNTUK REKOMENDASI ITEM PAKET PADA KONTEN PROMOSI DI PERUSAHAAN MU-MART,” 2023.
[2] I. Gede, I. Sudipa, and M. Darmawiguna, “BUKU AJAR DATA MINING.” [Online]. Available: https://www.researchgate.net/publication/377415198
[3] E. and A. U. luthfi, Algortima Data Mining. Penerbit Andi, 2009.
[4] J. Mambaya, M. Sofwan Adha, and S. Yacobus Padang, “Evaluasi Pola Penataan Barang Di Toko Jaya dengan Algoritma FP-Growth 33 INFINITY,” 2021.
[5] E. Munanda and S. Monalisa, “PENERAPAN ALGORITMA FP-GROWTH PADA DATA TRANSAKSI PENJUALAN UNTUK PENENTUAN TATALETAK BARANG 1,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 7, no. 2, pp. 173–184, 2021.
[6] R. P. , H. R. Dewi, Data Mining konsep dan aplikasi dalam bisnis. Yogyakarta: Andi, 2019.
[7] M. , & K. R. Hofmann, RapidMiner: Data Mining Use Cases and Business Analytics Applications. CRC Press, 2016.
[8] S. Hadianti et al., “ANALISIS SENTIMENT COVID-19 DI TWITTER MENGGUNAKAN METODE NAIVE BAYES DAN SVM,” Jurnal Teknologi Informasi), vol. 6, no. 1, [Online]. Available: www.Kaggle.com.
[9] P. Bhatia, Data Mining and Data Warehousing: Principles and Practical Techniques. Cambridge University Press., 2019.
[10] A. Ardianto and D. Fitrianah, “Penerapan Algoritma FP-Growth Rekomendasi Trend Penjualan ATK Pada CV. Fajar Sukses Abadi,” Jurnal Telekomunikasi dan Komputer, vol. 9, no. 1, p. 49, Apr. 2019, doi: 10.22441/incomtech.v9i1.3263.