IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK ANALISIS POLA ASOSIASI PENJUALAN PADA MINI RESTO JURAGAN NASBAK
DOI:
https://doi.org/10.23960/jitet.v13i2.6188Abstract Views: 77 File Views: 58
Abstract
Kemajuan teknologi informasi telah memberikan pengaruh besar di berbagai bidang, termasuk sektor kuliner. Mini Resto Juragan Nasbak menghadapi kendala berupa kurangnya sistem analisis data yang memadai, sehingga pola pembelian pelanggan belum dapat dioptimalkan untuk menunjang strategi pemasaran. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan dengan menggunakan algoritma FP-Growth. Tahapan sistematis yang dilakukan, yaitu pengumpulan data, seleksi data, pre-processing, transformasi data, analisis dengan algoritma FP-Growth, evaluasi hasil, hingga interpretasi. Analisis dilakukan dengan menggunakan perangkat lunak RapidMiner untuk memastikan hasil yang akurat dan proses yang lebih mudah dalam mengolah data yang kompleks. Parameter yang digunakan adalah minimum support sebesar 40% dan confidence 80%, guna memastikan relevansi pola yang ditemukan. Hasil analisis menunjukkan adanya pola pembelian yang signifikan, seperti kombinasi antara Nasi Bakar Tongkol dan Nasi Bakar Ayam kecap dengan Cireng Baso, yang memiliki tingkat confidence hingga 82,6% merupakan kombinasi dengan nilai Confidence tertinggi. Temuan ini membuka peluang bagi Mini Resto Juragan Nasbak untuk mengembangkan strategi promosi, seperti penawaran paket menu. Penelitian ini juga memberikan ruang bagi studi lanjutan, seperti eksplorasi algoritma lain atau penambahan variabel, seperti waktu transaksi dan preferensi pelanggan, untuk menghasilkan analisis yang lebih komprehensif.Downloads
References
F. S. Amalia, S. Setiawansyah, and D. Darwis, “Analisis Data Penjualan Handphone Dan Elektronik Menggunakan Algoritma Apriori (Studi Kasus: Cv Rey Gasendra),” J. Telemat. Inf. Technolgy, vol. 2, no. 1, pp. 1–9, 2021, [Online]. Available: https://ejurnal.teknokrat.ac.id/index.php/telefortech/article/view/1810
B. Anwar, Ambiyar, and Fadhilah, “Application of the FP-Growth Method to Determine Drug Sales Patterns,” Sink. J. dan Penelit. Tek. Inform., vol. 7, no. 1, pp. 405–414, 2023.
D. Hartanti and V. Atina, “Product Stock Supply Analysis System with FP Growth Algorithm,” J. Inf. Syst. Informatics, vol. 5, no. 4, pp. 1312–1320, 2023, doi: 10.51519/journalisi.v5i4.580.
F. U. Faruq and L. Bachtiar, “ALGORITMA FP-GROWTH UNTUK MENENTUKAN REKOMENDASI PENJUALAN TANAMAN HIDROPONIK DI MENTAYA PONIK,” J. Sist. Inf., vol. 5, no. 3, pp. 441–451, 2023.
E. A. Pratiwi, B. Irawan, A. Bahtiar, and N. Rahaningsih, “PENERAPAN FP-GROWTH DALAM MENGANALISIS,” J. Mhs. Tek. Inform., vol. 7, no. 6, pp. 3549–3556, 2023.
Nuri, N. Suarna, and W. Prihartono, “PENERAPAN ALGORITMA FREQUENT PATTERN-GROWTH UNTUK REKOMENDASI MENU MAKANAN DAN MINUMAN,” J. Mhs. Tek. Inform., vol. 7, no. 6, pp. 3773–3780, 2023.
A. P. Nurjanah, “Metode Bercerita Untuk Meningkatkan Kemampuan Berbicara Pada Anak Usia 5-6 Tahun,” J. Ilm. Potensia, vol. 5, no. 1, pp. 1–7, 2020, [Online]. Available: www.jleukbio.org
E. P. Cynthia and E. Ismanto, “Metode Decision Tree Algoritma C.45 Dalam Mengklasifikasi Data Penjualan Bisnis Gerai Makanan Cepat Saji,” Jurasik (Jurnal Ris. Sist. Inf. dan Tek. Inform., vol. 3, no. July, p. 1, 2018, doi: 10.30645/jurasik.v3i0.60.
S. Shevira, I. M. A. D. Suarjaya, and P. W. Buana, “Pengaruh Kombinasi dan Urutan Pre-Processing pada Tweets Bahasa Indonesia,” JITTER J. Ilm. Teknol. dan Komput., vol. 3, no. 2, p. 1074, 2022, doi: 10.24843/jtrti.2022.v03.i02.p06.
I. W. Saputro and B. W. Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Creat. Inf. Technol. J., vol. 6, no. 1, p. 1, 2020, doi: 10.24076/citec.2019v6i1.178.
Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.2016.v2i2.1465.
M. Mayasari, “Laporan dan Evaluasi Penelitian,” ALACRITY J. Educ., vol. 1, no. 2, pp. 30–38, 2021, doi: 10.52121/alacrity.v1i2.24.
