Penggunaan Algoritme FP-Growth Untuk Mengetahui Pola Pembelian di Toko Kelontong
Abstract
Ci”n”Ci store is a grocery store that aims to provide essential supplies for the residents around Pucung village. However, the issue of mismatched stock has resulted in suboptimal sales and profits. FP-Growth algorithm is on of the algorithms that can help address the mentioned problem, with the cashier system and digital data storage that has been implemented, research become possible and can be conducted effectively. The obtained results is a set of purchasing rules with metrics, minimum support 4%, minimum confidence 60%, and lift ratio as a measure of the strength and benefit of the rules. Using 1514 historical transaction data in October 2022, a total of 22 rules were generated that include the most purchased by customers. These rules can be reference or consideration for stocking.
Keywords: Grocery Store; Frequent Pattern Growth; Market Basket Analysis
Abstrak
Toko Ci”n”Ci merupakan toko kelontong yang hadir untuk menyediakan kebutuhan pokok bagi warga sekitar desa Pucung, namun masalah kebutuhan stok yang tidak sesuai berdampak pada tidak optimumnya penjualan dan keuntungan. Algoritme FP-Growth merupakan salah satu algoritme yang dapat membantu menjawab masalah tersebut, dengan adanya sistem kasir dan penyimpanan data digital yang telah diterapkan memungkinkan penelitian dapat dilakukan. Hasil yang didapat merupakan aturan pembelian barang dengan nilai acuan, minimum support 4%, minimum confidence 60% dan lift ratio sebagai penguji kekuatan dan manfaat aturan, dengan penggunaan data riwayat transaksi sebanyak 1514 transaksi pada bulan Oktober 2022 didapat hasil sebanyak 22 aturan yang memuat barang yang paling dibeli atau dibutuhkan pelanggan yang dapat menjadi bahan acuan atau pertimbangan dalam persediaan barang.
Kata kunci: Toko Kelontong; Frequent Pattern Growth; Market Basket Analysis
References
M. L. Rhussary, “Persepsi Toko Kelontong terhadap Ritel Modern di Samarinda Tahun 2019,” Pendidik. dan Pengajaran, vol. 4, no. 2, pp. 1–10, 2020.
M. Hossain, A. H. M. S. Sattar, and M. K. Paul, “Market basket analysis using apriori and FP growth algorithm,” 2019 22nd Int. Conf. Comput. Inf. Technol. ICCIT 2019, pp. 18–20, 2019, doi: 10.1109/ICCIT48885.2019.9038197.
Aditiya, R., Defit, S. and Nurcahyo, G.W., “Prediksi Tingkat Ketersediaan Stock Sembako Menggunakan Algoritme FP-Growth dalam Meningkatkan Penjualan”, Jurnal Informatika Ekonomi Bisnis, vol. 2, no. 3, pp. 67–73, 2020, Available at: https://doi.org/10.37034/infeb.v2i3.44.
Simanjuntak, O. et al., “Implementasi Data Mining Dalam Menganalisa Pola Penjualan Perlengkapan Menjahit Busana Dengan Menggunakan Metode FP-Growth Pada Toko Nazwa Collection”, Jurnal CyberTech, vol. 3, no. 2, pp. 1-11, 2020.
S. Herdyansyah, E. H. Hermaliani, L. Kurniawati, and S. R. Sri Rahayu, “Analisa Metode Association Rule Menggunakan Algoritme Fp-Growth Terhadap Data Penjualan (Study Kasus Toko Berkah),” J. Khatulistiwa Inform., vol. 8, no. 2, pp. 127–133, 2020, doi: 10.31294/jki.v8i2.9277.
Sandi, Pastika, A. and Widya, V., “Implementasi Data Mining Sebagai Penentu Persediaan Produk Dengan Algoritme Fp-Growth Pada Data Penjualan Sinarmart’, Jurnal Publikasi Ilmu Komputer, vol. 1, no. 2, pp. 111–122, 2022, Available at: http://ejurnal.stie-trianandra.ac.id/index.php/jupikom/article/view/343.
W. P. Nurmayanti et al., “Market Basket Analysis with Apriori Algorithm and Frequent Pattern Growth (Fp-Growth) on Outdoor Product Sales Data,” Int. J. Educ. Res. Soc. Sci., vol. 2, no. 1, pp. 132–139, 2021, doi: 10.51601/ijersc.v2i1.45.
Y. A. Ünvan, “Market basket analysis with association rules,” Commun. Stat. - Theory Methods, vol. 50, no. 7, pp. 1615–1628, 2021, doi: 10.1080/03610926.2020.1716255.
K. N. Wijaya, “Analisa Pola Frekuensi Keranjang Belanja Dengan Dengan Perbandingan Algoritme Fp-Growth (Frequent Pattern Growth) dan Eclat pada minimarket,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 364–373, 2020, doi: 10.35957/jatisi.v7i2.380.
I. H. Sarker, “Machine Learning: Algorithms, Real-World Applications and Research Directions,” SN Comput. Sci., vol. 2, no. 3, pp. 1-21 2021, doi: 10.1007/s42979-021-00592-x.
C. Networks, M. J. Manurung, S. R. Andani, and M. Safii, “Marketing Strategy Using Frequent Pattern Growth,” vol. 3, no. 2, pp. 42–51, 2021, doi: 10.47709/cnahpc.v3i2.1039.
Amelia et al., “Penerapan Algoritme Frequent Pattern-Growth Dalam Menentukan Pola Penjualan”, KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer, vol. 4, no. 2, pp. 65–71, 2022, Available at: https://doi.org/10.32485/kopertip.v4i2.121.
Biehler, R. and Fleischer, Y., “Introducing students to machine learning with decision trees using CODAP and Jupyter Notebooks”, Teaching Statistics, vol. 43, no. S1, pp. S133–S142, 2021, Available at: https://doi.org/10.1111/test.12279.
Indah, S.T.C., “Analisi Pembelian Sayuran Menggunakan Metode Association Rule Market Basket Analysis (AR-MBA) (Studi Kasus pada Toko Sayur Keluarga)”, Skripsi, Program Studi Teknik Industri, Universitas Islam Indonesia, Yogyakarta, 2020, Available at: http://dspace.uii.ac.id/123456789/23673.
Raschka, S., “MLxtend: Providing machine learning and data science utilities and extensions to Python’s scientific computing stack”, Journal of Open Source Software, vol. 3, no. 24, p. 1-2, 2018, Available at: https://doi.org/10.21105/joss.00638.
How To Cite This :
Refbacks
- There are currently no refbacks.
