IMPLEMENTASI MARKET BASKET ANALYSIS PADA DATA PENJUALAN CV. XYZ MENGGUNAKAN ALGORITMA FP-GROWTH
DOI:
https://doi.org/10.23960/jitet.v12i3.4541Abstract Views: 407 File Views: 309
Abstract
Market Basket Analysis (MBA) merupakan sebuah metode analisis yang dapat memberikan informasi tentang produk apa saja yang sering dibeli secara bersamaan yang dapat dijadikan dasar dalam penentuan strategi penjualan. CV. XYZ perusahaan yang bergerak di bidang produksi dan penjualan seminar kit seperti lanyard, blocknote, goodie bag, mug, dan barang lainnya sesuai dengan kebutuhan pelanggan. CV. XYZ telah melakukan pencatatan transaksi secara cermat antara perusahaan dan pelanggan. Informasi transaksi dapat menjadi sumber wawasan berharga dalam menganalisis pola pembelian pelanggan dengan menggunakan market basket analysis atau analisis keranjang belanja. Implementasi analisis keranjang belanja dilakukan dengan menggunakan algoritma FP-Growth. Algoritma FP-Growth merupakan pengembangan dari metode apriori sebagai salah satu alternatif untuk menentukan himpunan data yang paling sering muncul (Frequent itemset) dalam sebuah kumpulan data, algoritma FP-Growth dinilai lebih cepat dibanding algoritma apriori. Data transaksi yang digunakan berjumlah 138 transaksi yang terdiri dari 21 jenis item. Setelah melalui proses penerapan algoritma FP-Growth dengan menggunakan nilai minimum support 5% dan nilai minimum confidence 40% diperoleh total 12 association rules dengan 2 itemset. Adapun rule dengan nilai confidence tertinggi yaitu jika membeli blocknote, maka membeli pulpen dengan nilai support 13% dan nilai confidence 94,74%.Downloads
References
Diani, R., & Kusuma, M. (2020). Persekutuan Komanditer (Commanditaire Vennootschap atau CV) sebagai badan usaha dalam kajian hukum perusahaan. Justici, 12(1), 79–97.
Rorong, J. J. (2023). Market Basket Analysis Menggunakan Algoritma FP-Growth Untuk Menentukan Pola Pembelian Konsumen (Studi Kasus: Mitra Swalayan). Universitas Kristen Satya Wacana Salatiga.
Suhada, S., Ratag, D., Gunawan, G., Wintana, D., & Hidayatulloh, T. (2020). Penerapan algoritma fp-growth untuk menentukan pola pembelian konsumen pada ahass cibadak. Jurnal Khatulistiwa Informatika, 8(2), 118–126.
Nursyani, U. A. (2020). Penerapan Data Mining Menggunakan Algoritma Fp–Growth Untuk Menentukan Pola Pembelian Produk Makanan. Universitas Islam Negeri Sumatera Utara.
Silitonga, D. A., & Windarto, A. P. (2022). Implementasi market basket analysis menggunakan assocation rule menerapkan algoritma FP-growth. Journal of Information System Research (JOSH), 3(2), 101–109.
Umar, E., Manongga, D., & Iriani, A. (2022). Market Basket Analysis Menggunakan Association Rule dan Algoritma Apriori Pada Produk Penjualan Mitra Swalayan Salatiga. Jurnal Media Informatika Budidarma, 6(3), 1367–1377.
Qoniah, I., & Priandika, A. T. (2020). Analisis Market Basket Untuk Menentukan Asossiasi Rule Dengan Algoritma Apriori (Studi Kasus: Tb. Menara). Jurnal Teknologi Dan Sistem Informasi, 1(2), 26–33.
Nurdin, N. (2024). Analisa Data Mining Dalam Memprediksi Masyarakat Kurang Mampu Menggunakan Metode K-Nearest Neighbor. Jurnal Informatika Dan Teknik Elektro Terapan, 12(2).
Zai, C. (2022). Implementasi Data Mining Sebagai Pengolahan Data. Jurnal Portal Data, 2(3), 1–12.
Sabrina, R., Ernawati, I., & Chamidah, N. (2020). Implementasi Market Basket Analysis Untuk Menentukan Product Bundling Menggunakan Algoritma Fp-Growth. PROSIDING SEINASI-KESI, 3(1), 19–25
Gama, A., Putra, I., & a Bayupati, I. P. (2016). Implementasi Algoritma Apriori Untuk Menemukan Frequent Itemset Dalam Keranjang Belanja. Majalah Ilmiah Teknologi Elektro, 15, 21–26. https://doi.org/10.24843/MITE.1502.04
Akbar, R. M. D. B., Palupiningsih, P., & Prayitno, B. (2023). Implementasi Algoritma Fp-Growth Untuk Penentuan Rekomendasi Produk Umkm Berdasarkan Frekuensi Pembelian. Jurnal Teknoinfo, 17(2), 493–501.
Pelawi, B. P. (2019). Penerapan Algoritma Fp-Growth Dalam Menemukan Hubungan Data Prestasi Akademik Dengan Etika Mahasiswa (Study Kasus: POLTEKKES KEMENKES RI Medan). JURIKOM (Jurnal Riset Komputer), 6(2), 196–203.
