Penerapan Data Mining Menggunakan Algoritma FP-Growth Dalam Analisis Data Penjualan

Camila Rustam; Sarjon Defit; Gunadi Widi Nurcahyo

doi:10.35134/komtekinfo.v11i4.547

Authors

Camila Rustam Universitas Putra Indonesia "YPTK" Padang
Sarjon Defit Universitas Putra Indonesia YPTK Padang
Gunadi Widi Nurcahyo Universitas Putra Indonesia YPTK Padang

DOI:

https://doi.org/10.35134/komtekinfo.v11i4.547

Keywords:

Data Penjualan, FP-Growth, Data Mining, Big Data, Rule Asosiasi

Abstract

Pertumbuhan data penjualan dari waktu ke waktu yang signifikan terlebih pada bisnis berskala besar dengan melakukan analisa secara manual dapat menjadi tidak efesien dan kurang mampu mengungkapkan pola yang tersembunyi. Perubahan pola pembelian konsumen dapat mempengaruhi strategi penjualan. CV Tiga Putra adalah perusahaan yang bergerak di bidang makanan ringan dan minuman. Berbagai barang yang tersedia di perusahaan tersebut tanpa adanya pengelompokkan antara barang yang diminati dan yang tidak diminati oleh konsumen dengan jumlah barang yang tidak releva sehingga terjadi penumpukan barang dan penjualan barang yang mengakibatkan kerugian. Penelitian ini bertujuan untuk meningkatkan strategi penjualan dan mengoptimalkan hasil analisis data penjualan dengan memanfaatkan algoritma FP Growth. Data Mining adalah metode yang umum digunakan untuk mencari informasi dalam big data. FP-Growth adalah salah satu dari algoritma yang diterapkan untuk mengidentifikasi catatan yang sering muncul dalam kumpulan data. Data yang digunakan data penjualan selama 2 minggu pada bulan Maret 2024 dengan 30 item barang dan 12 data transaksi. Metode yang digunakan adalah algoritma FP-Growth. Dengan menerapkan nilai minimum support 75% dan nilai minimum confidence 80%. Hasil Analisa ialah terdapat 36 pengetahuan dari kombinasi 2 item yang memenuhi nilai minimum support dan confidence. Salah satu rule asosiasinya yakni ‘Jika membeli Spix Mie Goreng 500 (K26) maka akan membeli Golda (K8)’ dengan nilai support 75% dan nilai confidence 82%. Penelitian ini berhasil menerapkan Data Mining menggunakan algoritma FP-Growth untuk meningkatkan strategi penjualan CV Tiga Putra, sehingga perusahaan dapat ebih efektif dalam mengurangi kerugian, dan meningkatkan keuntungan secara signifikan. Oleh karena itu, CV Tiga Putra dapat meningkatkan penjualan dan mengoptimalkan hasil analisis data penjualan.

References

I. Ramdhani, “Perbandingan Metode Data Mining Model Klasifikasi Naive Bayes, Decission Tree Dan K-Nearest Neighbour Dalam Memprediksi Ketepatan Kelulusan Mahasiswa Prodi Teknik Informatika di Universitas Pamulang,” J. Ilmu Komput., vol. VI, no. 01, pp. 88–94, 2023, [Online]. Available: https://jurnal.pranataindonesia.ac.id/index.php/jik/article/view/156%0Ahttps://jurnal.pranataindonesia.ac.id/index.php/jik/article/download/156/105

A. Srirahayu and L. S. Pribadie, “Review Paper Data Mining Klasifikasi Data Mining,” J. Ilm. Inform. Glob., vol. 14, no. 1, 2023, doi: 10.36982/jiig.v14i1.2981.

M. Rianto, R. Rusdiah, and H. Ichwan, “Penerapan Data Mining Dengan Metode Naïve Bayes Dan Learning Vector Quantization Credit Rating Dalam Memprediksi Kelayakan Pemberian Kredit Oleh PT. BPR Lebak Sejahtera,” Respati, vol. 17, no. 1, pp. 69–76, 2022, doi: 10.35842/jtir.v17i1.443.

Salmon, S. Lailiyah, Nursobah, and R. Andrea, “Penerapan Algoritma Hash Based Terhadap Penentuan Rule Asosiasi Transaksi Penjualan Sparepart Sepeda Motor,” vol. 8, no. 2, pp. 866–877, 2024, doi: 10.30865/mib.v8i2.7410.

D. B. Akbar, P. Palupiningsih, and B. Prayitno, “Implementasi Algoritma Fp-Growth Untuk Penentuan Rekomendasi Produk UMKM Berdasarkan Frekuensi Pembelian,” J. TEKNOINFO, vol. 17, no. 2, pp. 493–501, 2023, doi: https://doi.org/10.33365/jti.v17i2.2585.

V. K. Rai, S. Chakraborty, and S. Chakraborty, “Association Rule Mining for Prediction of Covid-19,” Decis. Mak. Appl. Manag. Eng., vol. 6, no. 1, pp. 365–378, 2023, doi: 10.31181/dmame0317102022r.

S. Mohammed et al., “A statistical method for predicting quantitative variables in association rule mining,” Inf. Syst., vol. 118, p. 102253, 2023, doi: 10.1016/j.is.2023.102253.

S. R. Wakchaure and R. G. Vishwakarma, “Sequential Pattern Mining Using Apriori and Fp Growth Algorithm,” J. Data Acquis. Process., vol. 38, no. 3, pp. 1451–1462, 2023, doi: 10.5281/zenodo.9854883.

Yulani, R. Kurniawan, and Y. A. Wijaya, “IMPLEMENTASI ALGORITMA FP-GROWTH PADA DATA TRANSAKSI PENJUALAN SEBLAK JONTOR,” JIKA (Jurnal Inform. Univ. Muhammadiyah Tangerang, vol. 8, no. 1, pp. 112–122, 2024.

M. Fathurrahman, A. Rizky Pratama, T. Al-Mudzakir, and U. Buana Perjuangan, “Perbandingan Algoritma Apriori Dan Fp Growth Terhadap Market Basket Analysis Pada Data Penjualan Bakery,” Kesatria J. Penerapan Sist. Inf. (Komputer dan Manajemen), vol. 4, no. 2, pp. 266–274, 2023, [Online]. Available: https://tunasbangsa.ac.id/pkm/index.php/kesatria/article/view/161

E. C. Vidiya and G. Testiana, “Analisis Pola Pembelian di Lathansa Cafe & Ramen dengan Menggunakan Algoritma FP-Growth Berbantuan RapidMiner,” G-Tech J. Teknol. Terap., vol. 7, no. 3, pp. 1118–1126, 2023, doi: 10.33379/gtech.v7i3.2739.

C. A. Sugianto and D. Sukmawati, “Penerapan Algoritma FP-Growth Untuk Mengetahui Pola Pada Data Transaksi Percetakan (Studi Kasus Java Printing Batujajar),” vol. 05, no. 01, pp. 20–26, 2023.

R. Fauzi, A. W. Aranski, N. Nopriadi, and E. Hutabri, “Implementasi Data Mining Pada Penjualan Pakaian dengan Algoritma FP-Growth,” JURIKOM (Jurnal Ris. Komputer), vol. 10, no. 2, p. 436, 2023, doi: 10.30865/jurikom.v10i2.5795.

W. Yao, S. Yan, and Y. Wang, A Study on Religious Beliefs among College Students Based on FP-Growth Algorithm, no. Icbdss 2023. Atlantis Press International BV, 2023. doi: 10.2991/978-94-6463-276-7_29.

G. Jitri Pabutungan and H. Dwi Purnomo, “Analisa Market Basket Analysis untuk Melihat Pola Transaksi Customer Menggunakan Algoritma Apriori dan FP-Growth,” J. Media Inform. Budidarma, vol. 7, pp. 966–974, 2023, doi: 10.30865/mib.v7i3.6152.