IMPLEMENTASI ALGORITMA FP-GROWTH PADA DATASET SINTETIS UNTUK PENENTUAN POLA PEMBELIAN SEMBAKO DAN KEBUTUHAN HARIAN

Article Sidebar

PDF (Bahasa Indonesia)
Published: Dec 15, 2024
DOI: https://doi.org/10.51351/jtm.13.2.2024792
Keywords:
Data Mining, FP-Growth, Pola Pembelian, Sembako, Kebutuhan Harian, Dataset Sintetis

Main Article Content

As'ad Alwi
Universitas Ibrahimy
https://orcid.org/0009-0007-6316-2444
Zaehol Fatah

Abstract

Penentuan pola pembelian merupakan salah satu aspek penting dalam analisis perilaku konsumen di bidang ritel. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian sembako dan kebutuhan harian dengan menggunakan algoritma FP-Growth pada dataset sintetis. Algoritma FP-Growth dipilih karena kemampuannya yang efisien dalam menemukan frequent itemsets tanpa perlu melakukan pengulangan pada dataset, sehingga lebih cepat dibandingkan dengan algoritma lainnya seperti Apriori. Dataset sintetis yang digunakan mencerminkan transaksi pembelian di toko ritel untuk menguji kemampuan algoritma dalam menemukan pola pembelian yang relevan. Hasil penelitian menunjukkan bahwa algoritma FP-Growth dapat secara efektif mengidentifikasi kombinasi barang yang sering dibeli bersama, yang dapat dimanfaatkan oleh pelaku bisnis untuk menyusun strategi penjualan, seperti penawaran paket hemat. Implementasi algoritma ini diharapkan dapat membantu toko ritel dalam memahami kebutuhan konsumen dan meningkatkan strategi pemasaran mereka.

Article Details

How to Cite
[1]
A. Alwi and Z. Fatah, “IMPLEMENTASI ALGORITMA FP-GROWTH PADA DATASET SINTETIS UNTUK PENENTUAN POLA PEMBELIAN SEMBAKO DAN KEBUTUHAN HARIAN”, JTM, vol. 13, no. 2, pp. 221–235, Dec. 2024.
Issue
Vol. 13 No. 2 (2024): Jurnal TIMES
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Copyright (c) STMIK TIME

References

[1] F. Achmad, O. Nurdiawan, and Y. Arie Wijaya, “Analisa Pola Transaksi Pembelian Konsumen Pada Toko Ritel Kesehatan Menggunakan Algoritma Fp-Growth,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 168–175, 2023, doi: 10.36040/jati.v7i1.6210.

[2] S. G. Setyorini, Mustakim, J. Adhiva, and S. A. Putri, “Penerapan Algoritma FP-Growth dalam Penentuan Pola Pembelian Konsumen,” Semin. Nas. Teknol. Informasi, Komun. dan Ind., pp. 180–186, 2020.

[3] F. Liantoni, “Data Mining Dan Penerapan Metode,” Data Min. dan Penerapan Metod., 2022.

[4] P. Rahayu et al., Buku Ajar Data Mining, vol. 1, no. January 2024. 2018.

[5] E. Munanda and S. Monalisa, “Penerapan Algoritma Fp-Growth Pada Data Transaksi Penjualan Untuk Penentuan Tataletak,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 7, no. 2, pp. 173–184, 2021, [Online]. Available: http://ejournal.uin-suska.ac.id/index.php/RMSI/article/view/13253

[6] E. Nurarofah, R. Herdiana, and N. Dienwati Nuris, “Penerapan Asosiasi Menggunakan Algoritma Fp-Growth Pada Pola Transaksi Penjualan Di Toko Roti,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 353–359, 2023, doi: 10.36040/jati.v7i1.6299.

[7] E. Haerani and C. Juliane, “Finding Customer Patterns Using FP-Growth Algorithm for Product Design Layout Decision Support,” Sistemasi, vol. 11, no. 2, p. 402, 2022, doi: 10.32520/stmsi.v11i2.1762.

[8] L. M. Lestari and I. Ali, “Penerapan Algoritma FP-Growth Untuk Menentukan Pola Penjualan Toko Ellia Umami,” JSR J. Student Res., vol. 1, no. 3, pp. 367–378, 2023.

[9] S. Suhada, D. Ratag, G. Gunawan, D. Wintana, and T. Hidayatulloh, “Penerapan Algoritma Fp-Growth Untuk Menentukan Pola Pembelian Konsumen Pada Ahass Cibadak,” Swabumi, vol. 8, no. 2, pp. 118–126, 2020, doi: 10.31294/swabumi.v8i2.8077.

[10] A. Ardianto and D. Fitrianah, “Penerapan Algoritma FP-Growth Rekomendasi Trend Penjualan ATK Pada CV. Fajar Sukses Abadi,” J. Telekomun. dan Komput., vol. 9, no. 1, p. 49, 2019, doi: 10.22441/incomtech.v9i1.3263.