ANGGRAENI, SISKA and Bettiza, Martaleli and Rathomi, Muhamad Radzi (2025) ANALISIS PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA ECLAT DALAM MENEMUKAN POLA ASOSIASI PADA DATA TRANSAKSI PAKAN IKAN DI TOKO OKY PERTANIAN. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) Siska_Anggraeni_2001020002_Teknik_Informatika - Cover.pdf - Published Version Download (953kB)
	Text (Abstrak) Siska_Anggraeni_2001020002_Teknik_Informatika - Abstrak.pdf - Published Version Download (327kB)
	Text (Bab 1) Siska_Anggraeni_2001020002_Teknik_Informatika - Bab 1.pdf - Published Version Download (304kB)
	Text (Daftar Pustaka) Siska_Anggraeni_2001020002_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (303kB)
	Text (Full Teks) Siska_Anggraeni_2001020002_Teknik_Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Industri perikanan di Indonesia memiliki potensi besar dalam perekonomian, terutama dalam penyediaan sumber protein hewani. Namun, pengelolaan persediaan pakan ikan di Toko Oky Pertanian masih belum optimal, yang mengakibatkan kekurangan stok pada jenis pakan tertentu dan penumpukan stok pada jenis lainnya. Penelitian ini bertujuan untuk menganalisis perbandingan antara algoritma Apriori dan Eclat dalam menemukan pola asosiasi dari data transaksi pakan ikan. Metode yang digunakan adalah kuantitatif dengan pengumpulan data transaksi harian dari Januari hingga Desember 2023, yang berjumlah 838 transaksi. Algoritma Apriori, dengan pendekatan berbasis tingkat (level-wise), dan algoritma Eclat, yang memanfaatkan metode TID-set intersection, diterapkan pada dataset dengan parameter minimum support 0,10 dan confidence 0,05. Kedua algoritma secara konsisten mengidentifikasi pola kunci, seperti "Super 2" => "Super 3" dan "Multi 3" => "Multi 2," yang menunjukkan frekuensi pembelian bersama (co-purchase) yang tinggi. Namun, algoritma apriori menunjukkan kinerja yang lebih baik dalam waktu eksekusi, yaitu 0,0149 detik dibandingkan dengan eclat yang memerlukan 0,0024 detik. Hasil penelitian juga menunjukkan dampak dari penyesuaian parameter: peningkatan minimum support dari 0,10 menjadi 0,20 mengurangi jumlah pola asosiasi dari 16 menjadi 2, yang berfokus pada item dengan frekuensi tinggi. Temuan ini menegaskan efisiensi Eclat untuk dataset yang lebih kecil dan kesesuaian Apriori untuk dataset yang lebih besar.

Actions (login required)

View Item