Analisis Perbandingan Algoritma Apriori Dan FP-Growth Dalam Pembentukan Pola Asosiasi Keranjang Belanja Pelanggan
Abstract
To increase product sales, sales companies need to think of various strategies in achieving them, one of which is utilizing sales transaction data to support sales strategies in a better direction. This article examines and compares the performance of the Apriori and FP-Growth algorithms in forming customer shopping cart association patterns, to be used as a reference for company management in planning sales strategies. The CRIPS-DM method is used in the data mining process, following 5 main phases, including: Business Understanding, Data Understanding, Data Preparation, Modeling Model, and evaluation model. A total of 749 samples of sales transaction data were tested to understand the association pattern generated by each method. Based on the test results with minimum support = 0.06 and confidence = 0.02, the Apriori algorithm produces 9 rules (association rules) with a total rule strength of 0.72 (0.08 average per rule), while the Fp-growth algorithm produces 14 rules with a total rule strength of 2.32 (average 0.17 per rule). Thus, the FP-Growth algorithm can be stated to perform better in generating association rules when compared to the Apriori algorithm.
Keywords: Data mining; Association rules; Sales strategy
Abstrak. Untuk meningkatkan penjualan produk, perusahaan penjualan perlu memikirkan berbagai strategi dalam pencapaiannya, salah satu diantaranya memanfaatkan data transaksi penjualan untuk mendukung strategi penjualan ke arah yang lebih baik. Artikel ini mengnguji dan membandingkan kinerja algoritma Apriori dan FP-Growth dalam pembentukan pola asosiasi keranjang belanja pelanggan, untuk dapat menjadi acuan manajemen perusahaan dalam merencanakan strategi penjualan. Metode CRIPS-DM digunakan dalam proses data mining, dengan mengikuti 5 fase utama, meliputi: Business Understanding, Data Understanding, Data Preparation, Modelling Model, dan avaluation model. Sejumlah 749 sampel data transaksi penjualan diuji untuk memahami pola asosiasi yang dihasilkan masing-masing metode. Berdasarkan hasil pengujian dengan minimum support=0,06 dan confidence=0,02, algoritma Apriori menghasilkan 9 rules (aturan asosiasi) dengan total kekuatan rules sebesar 0,72 (rerata 0,08 setiap rule), sedangkan algorima Fp-growth menghasilkan 14 rules dengan total kekuatan rule sebesar 2,32 (rerata 0,17 setiap rule). Dengan demikian, algoritma FP-Growth dapat dinyatakan berkinerja lebih baik dalam menghasilkan aturan asosiasi jika dibandingkan dengan algoritma Apriori.
Kata Kunci: Data mining; Aturan asosiasi; Strategi penjualan
References
N. A. Rahmadita, B. M. Wibawa, & M. S. Hakim. “Identifikasi Permasalahan Pemanfaatan Data sebagai Dasar Pengambilan Keputusan Bisnis pada UMKM Sektor Jasa: Kasus di Surabaya”. Jurnal Sains dan Seni ITS, vol. 7, no. 1, pp. 21-25, 2018.
P. S. C. Moonallika, K. Q. Fredlina, & I.K. Sudiatmika. “Penerapan Data Mining Untuk Memprediksi Kelulusan Mahasiswa Dengan Algoritma Naive Bayes Classifier (Studi Kasus STMIK Primakara)”. Progresif: Jurnal Ilmiah Komputer, vol. 16, no. 1, pp. 47-56, 2020.
B. Bahar. "Model Pengujian Akurasi Berbasis Empiris Pada Algoritma A-Priori". Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 8, no. 2, pp. 45-56, 2019.
S. Dewi. "Komparasi Metode Algoritma Data Mining pada Prediksi Uji Kelayakan Credit Approval pada Calon Nasabah Kredit Perbankan. Jurnal Khatulistiwa Informatika", vol. 7, no. 1, pp. 59-65, 2019.
A.D. Alfarizi, A. Andri. "Pemanfaatan data mining dalam memprediksi produksi pada PT Pupuk Sriwidjaja Palembang menggunakan algoritma regresi liniear berganda". Jurnal Nasional Ilmu Komputer, vol. 2, no. 1, pp. 51-63, 2021.
Wahyuni, F. S., & Zahro, H. Z. (2022). Penerapan Teknik Data Mining untuk Menentukan Rencana Strategi Penjualan. Jupiter (Jurnal Pendidikan Teknik Elektro), 7(1), 47-54.
F. Aris, B. Benyamin. "Penerapan Data Mining untuk Identifikasi Penyakit Diabetes Melitus dengan Menggunakan Metode Klasifikasi. Router Research, vol. 1, no. 1, pp. 1-6, 2019.
S. Mujilahwati. "Pemanfaatan Algoritma ID3 untuk Klasifikasi Penjualan Obat". In Prosiding Seminar Nasional Teknologi Dan Rekayasa Informasi, vol. 1, pp. 25-29, 2017.
M.A.A. Ahmad, Z. Saharuna, M.F. Raharjo. "Pemanfaatan Data Mining dalam Penentuan Rekomendasi Mustahik ". Elektron: Jurnal Ilmiah, vol. 12, no. 2, pp. 67-73, 2020.
R. Yanto, H. Kesuma,"Pemanfaatan Data Mining Untuk Penempatan Buku Di Perpustakaan Menggunakan Metode Association Rule". JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), vol. 4, no. 1, pp. 1-10, 2017.
E. Irfiani, F. Indriyani. "Data Mining Untuk Sistem Pengambilan Keputusan Menentukan Kenaikan Kelas Berbasis Web". INFORMATICS FOR EDUCATORS AND PROFESSIONAL: Journal of Informatics, vol. 2, no. 1, pp. 19-28, 2017.
T. Setiadi, T. Haryadi. "Aplikasi Data Mining untuk Mencari Pola Asosiasi Tracer Study Menggunakan Algoritma FOLDARM". Jurnal Nasional Teknologi dan Sistem Informasi, vol. 4, no. 1, pp. 37-43, 2018.
N. Barkah, E. Sutinah, & N. Agustina. "Metode Asosiasi Data Mining Untuk Analisa Persediaan Fiber Optik Menggunakan Algoritma Apriori". Jurnal Kajian Ilmiah, vol. 20, no. 3, pp. 237-248, 2020
A.R. Riszky, M. Sadikin. "Data Mining dengan Algoritma Apriori untuk Rekomendasi Produk bagi Pelanggan". Jurnal Teknologi dan Sistem Komputer, vol. 7, no. 3, pp. 103-108, 2019.
A. R. Wijaya and A. Jananto, “Mencari Pola Pembelian Konsumen Menggunakan Algoritma Fp-Growth”, Dinamika Informatika, vol. 10, no. 1, pp. 1–7, 2018.
A. R. Wibowo, A. Jananto. “Implementasi Data Mining Metode Asosiasi Algoritma Fp-Growth Pada Perusahaan Ritel”. Inspiration: Jurnal Teknologi Informasi dan Komunikasi, vol. 10, pp. 200–212, 2020.
C. Olivia, “Penerapan Aturan Asosiasi Algoritma Apriori Terhadap Penjualan Thai Tea Pada PT . Nyonya Besar Lestari”. Paradig. J. Komput. dan Inform, vol. 22, no. 1, pp. 4–7, 2020.
J. H. M. Jhoni. “Penerapan Data Mining Menggunakan Algoritma Fp-Tree Dan Fp-Growth Pada Data Transaksi Penjualan Obat". Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2015), pp. 60–65, 2015.
H. Maulidiya, A. Jananto, “Asosiasi Data Mining Menggunakan Algoritma Apriori Dan Fp-GROWTH Sebagai Dasar Pertimbangan Penentuan Paket Sembako,” Proceeding SENDIU 2020, vol. 6, pp. 36–42, 2020.
A.K. Fauziyyah. "Market Base Analysis in Dropship Business with Apriori Algorithm in Determining R-Based Product Bundling". Indonesian Journal of Business Intelligence (IJUBI), vol. 2, no. 1, pp. 25-31, 2019.
D. Matovani, K. Hadiono. "Implementasi Algoritma Apriori Untuk Membantu Proses Persediaan Barang". Dinamika Informatika, vol.10, no.2, pp. 53-59, 2018
E. Alma'arif, E. Utami, & F.W. Wibowo. "Implementasi Algoritma Apriori Untuk Rekomendasi Produk Pada Toko Online". Creative Information Technology Journal, vol. 7, no. 1, pp. 63-74, 2021.
How To Cite This :
Refbacks
- There are currently no refbacks.
