Penerapan Algoritma FP-Growth untuk Menentukan Pola Asosiasi pada Data Transaksi Penjualan
DOI:
https://doi.org/10.35473/jamastika.v5i1.4569Abstract
Dalam dunia bisnis ritel, analisis data transaksi menjadi hal penting untuk memahami perilaku konsumen dan meningkatkan strategi penjualan. Dengan jumlah transaksi yang tinggi, data penjualan menjadi sumber berharga untuk mengumpulkan informasi dan pola yang dapat meningkatkan efisiensi bisnis. Harus dipahami bahwa Toko Lidya masih belum memiliki panduan tertentu untuk mengevaluasi kenaikan pendapatan dan pengisian barang berdasar strategi bisnis yang dijalankan, dengan kata lain Toko Lidya hanya menggunakan perkiraan saja. Willermark dan Islind melakukan penelitian untuk menemukan kombinasi barang yang kerap dibeli bersama oleh konsumen dengan memanfaatkan algoritma FP-Growth. Dan dalam rangka menyusun strategi promosi serta penempatan produk di toko, digunakan analisis Market Basket Analysis. Hasil penelitian ini dengan menggunakan ambang batas dukungan minimal 20% dan tingkat kepercayaan 80% berhasil mengungkap perilaku pembelian konsumen yang bisa dimanfaatkan untuk meningkatkan strategi penjualan.
Kata Kunci: Penjualan, Asosiasi, Algoritma, FP-Growth, Market Basket Analysis
In the retail business world, transaction data analysis is crucial for understanding consumer behavior and improving sales strategies. With a high number of transactions, sales data is a valuable resource for gathering information and patterns that can improve business efficiency. It should be noted that Toko Lidya still lacks specific guidelines for evaluating revenue growth and inventory replenishment based on its business strategy; in other words, Toko Lidya only relies on estimates. Willermark and Islind conducted research to identify product combinations frequently purchased together by customers using the FP-Growth algorithm. Market Basket Analysis was used to develop promotional strategies and product placement in stores. The results of this study, using a minimum support threshold of 20% and an 80% confidence level, successfully revealed consumer purchasing behavior that can be used to improve sales strategies.
Keyword: Sales, Association, Algorithm, FP-Growth, Market Basket Analysis
References
Algoritma‚ I․‚ Untuk‚ C․‚ & Indramayu‚ D․ I․ (2025)․ Implementasi algoritma c4․5 untuk meningkatkan akurasi klasifikasi penerima bantuan sosial di indramayu․ 02(1)‚ 1–8․
Atalya Angelus Leza‚ M․‚ Widya Utami‚ N․‚ & Anugrah Cahya Dewi‚ P․ (2024)․ Prediksi Prestasi Siswa Smas Katolik Santo Yoseph Denpasar Berdasarkan Kedisiplinan Dan Tingkat Ekonomi Orang Tua Menggunakan Metode Knowledge Discovery in Database Dan Algoritma Regresi Linier Berganda․ JATI (Jurnal Mahasiswa Teknik Informatika)‚ 8(1)‚ 373–379․ https꞉//doi․org/10․36040/jati․v8i1․8754
Cirebon‚ S․ I․ (2023)․ PENERAPAN ASOSIASI MENGGUNAKAN ALGORITMA FP-GROWTH PADA․ 7(1)․
Indahsari‚ D․ (2021)․ Penerapan Metode Asosiasi Dengan Algoritma FP-Growth Pada Data Transaksi PT John Tampi Group․ Computer Based Information System Journal‚ 9(2)‚ 1–9․ https꞉//doi․org/10․33884/cbis․v9i2․3835
Komariyah‚ S․‚ Saeful Anwar‚ & Bani Nurhakim․ (2023)․ Implementasi Data Mining FP-Growth Untuk Analisis Pola Pembelian Pada Transaksi Penjualan․ Jurnal Manajemen Dan Bisnis Ekonomi‚ 1(2)‚ 62–75․ https꞉//doi․org/10․54066/jmbe-itb․v1i2․128
Korczak‚ J․‚ & Skrzypczak‚ P․ (2012)․ FP-growth in discovery of customer patterns․ Lecture Notes in Business Information Processing‚ 116 LNBIP‚ 120–133․ https꞉//doi․org/10․1007/978-3-642-34044-4_7
Mamahit‚ N․‚ & Qoiriah‚ A․ (2020)․ Penerapan Algoritma Fp-Growth dan K-Means pada Data Transaksi Minimarket․ Journal of Informatics and Computer Science (JINACS)‚ 1(02)‚ 78–83․ https꞉//doi․org/10․26740/jinacs․v1n02․p78-83
Prasetyo‚ F․‚ & Hasugian‚ H․ (2024)․ Analisis Pola Pembelian Produk Makanan Menggunakan Algoritma Fp-Growth Untuk Strategi Penjualan․ IDEALIS ꞉ InDonEsiA JournaL Information System‚ 7(1)‚ 11–20․ https꞉//doi․org/10․36080/idealis․v7i1․3085
Pujiono‚ S․‚ Astuti‚ R․‚ & Muhamad Basysyar‚ F․ (2024)․ Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering․ JATI (Jurnal Mahasiswa Teknik Informatika)‚ 8(1)‚ 615–620․ https꞉//doi․org/10․36040/jati․v8i1․8360
Salsabila‚ P․‚ Wahyudin‚ E․‚ Dwilestari‚ G․‚ Kaslani‚ K․‚ & Subhiyanto‚ F․ (2024)․ Penerapan Algoritma Fp-Growth Untuk Mengetahui Pola Pembelian Konsumen Di Warung Makan Dede․ JATI (Jurnal Mahasiswa Teknik Informatika)‚ 8(1)‚ 1221–1128․ https꞉//doi․org/10․36040/jati․v8i1․8964
Suhada‚ S․‚ Ratag‚ D․‚ Gunawan‚ G․‚ Wintana‚ D․‚ & Hidayatulloh‚ T․ (2020)․ Penerapan Algoritma Fp-Growth Untuk Menentukan Pola Pembelian Konsumen Pada Ahass Cibadak․ Swabumi‚ 8(2)‚ 118–126․ https꞉//doi․org/10․31294/swabumi․v8i2․8077
Syach Putra‚ Y․‚ Kurniawan‚ R․‚ & Arie Wijaya‚ Y․ (2024)․ Penerapan Data Mining Menggunakan Algoritma Fp-Growth Pada Data Penjualan Sembako․ JATI (Jurnal Mahasiswa Teknik Informatika)‚ 8(1)‚ 561–567․ https꞉//doi․org/10․36040/jati․v8i1․8391
Valencia‚ S․‚ & Tisno Atmojo‚ W․ (2024)․ Analisis Pola Pembelian pada Data Penjualan CanNgopi menggunakan Algoritma FP-Growth․ Jurnal Komtika (Komputasi Dan Informatika)‚ 8(2)‚ 214–224․ https꞉//doi․org/10․31603/komtika․v8i2․12672
Zidane‚ M․ Y․‚ Nurina Sari‚ B․‚ Maulana‚ I․‚ Primaya‚ A․‚ & Garno‚ G․ (2024)․ Penerapan Data Mining Dalam Klasifikasi Data Transaksi Produk Koperasi Di Smk Pgri 2 Karawang․ JATI (Jurnal Mahasiswa Teknik Informatika)‚ 9(1)‚ 263–269․ https꞉//doi․org/10․36040/jati․v9i1․12196
