Satrio Wibisono, Thaariq (2023) ANALISIS PERBANDINGAN ALGORITMA APRIORI DAN FP-GROWTH DALAM MENENTUKAN POLA PENJUALAN BARANG. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) Thaariq Satrio Wibisono_190155201027_Teknik Informatika - COVER.pdf - Published Version Download (1MB)
	Text (Abstrak) Thaariq Satrio Wibisono_190155201027_Teknik Informatika - ABSTRAK.pdf - Published Version Download (948kB)
	Text (BAB I) Thaariq Satrio Wibisono_190155201027_Teknik Informatika - BAB I.pdf - Published Version Download (735kB)
	Text (Daftar Pustaka) Thaariq Satrio Wibisono_190155201027_Teknik Informatika - DAFTAR PUSTAKA.pdf - Published Version Download (927kB)
	Text (Full Text) Thaariq Satrio Wibisono_190155201027_Teknik Informatika - Full Teks.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Dalam rangka meningkatkan penjualan menjadi lebih baik diperlukannya analisa pada penjualan barang agar pihak pemilik usaha dapat menyusun strategi yang tepat untuk kedepannya. Metode Market Basket Analysis merupakan cara yang populer digunakan pada penelitian penjualan. Diantara penerapan Market Basket Analysis yaitu Algoritma Apriori dan FP-Growth. Algoritma apriori bermanfaat untuk mempelajari aturan asosiasi, dan menemukan pola hubungan antar satu lebih item dalam dataset. Algoritma FP-Growth menggunakan proses pengompresan data menjadi FP-Tree dan kemudian membagi database yang terkompresi ini menjadi satu set database kondisional. Oleh karena itu peneliti mengusulkan penelitian dengan menggunakan metode data mining yang menerapkan algoritma apriori dan FP-Growth, penelitian ini bertujuan untuk membandingkan hasil aturan asosiasi terbesar yang didapat dari kedua algoritma dan menentukan algoritma yang paling optimal untuk digunakan pada penjualan barang di usaha tersebut. Untuk mendapatkan data, peneliti menggunakan data Toko Roti Edinburgh dari Kaggle. Data terdiri dari 20507 data barang yang berisi sampai 9687 transaksi yang telah terjadi dari Januari-Desember 2016. Dengan menerapkan Algoritma Apriori dan FP-Growth menggunakan Python pada Google Colab, program menghasilkan 20 aturan pada Algoritma Apriori dan 20 aturan pada Algoritma FP-Growth. Nilai minimum support yang ditentukan pada pembentukan aturan asosiasi adalah 0.02. Dari kedua Algoritma tidak ditemukan perbedaan yang signifikan dan dapat disimpulkan bahwa Algoritma Apriori dan FP-Growth optimal digunakan pada data Toko Roti Edinburgh.

Actions (login required)

View Item