PENDEKATAN DATA MINING UNTUK SOLUSI PROMOSI DAN PERSEDIAAN PRODUK MENGGUNAKAN ALGORITMA FP-GROWTH

HARTONO, HARTONO (2020) PENDEKATAN DATA MINING UNTUK SOLUSI PROMOSI DAN PERSEDIAAN PRODUK MENGGUNAKAN ALGORITMA FP-GROWTH. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) Jurnal-Yudisium-Hartono.pdf Restricted to Registered users only Download (1MB)

Abstract

This study aims to find interesting patterns on the database transaction so that it can be used as a recommendation sales promotion and inventory product. Companies have difficulty finding interesting transaction patterns in large databases, so it will be difficult to determine the right product promotions and inventory. To resolve these problems is to use data mining techniques with association rule. In previous studies, most studies adopt Apriori algorithm to analyze the association rules. In this study, the data mining technique used is the association rules algorithm FP-Growth. In the FP-Growth algorithm did generate candidat as in Apriori algorithm but using a development concept Tree in frequent itemset search so that it requires faster than Apriori. Some of the analyzes produced in this study are higher minimum support values and minimum trust used will result in fewer items and association rules. The association rule in this study has a lift ratio value of more than 1.00, meaning that item K and L are actually bought together. The higher the lift ratio produced shows the stronger the association rules are formed. The results of this study are the minimum confidence of 97.63%, the maximum trust is 99.37% and the lift ratio is 1,00013798. These results can be used as recommendations for optimizing product promotions and inventory. Keyword: Promotion, Knowledge Discovery Database Data Mining, Association Rule, Fp-Growth, frequent itemset. Penelitian ini bertujuan untuk menemukan pola yang menarik pada basis data transaksi sehingga dapat digunakan sebagai rekomendasi promosi penjualan dan persediaan produk. Perusahaan mengalami kesulitan untuk menemukan pola transaksi yang menarik dalam Database yang besar, sehingga akan sulit dalam menentukan promosi dan pengaturan persediaan produk yang tepat. Salah satu solusi yang tepat untuk mengatasi masalah tersebut adalah dengan menggunakan teknik Data Mining. Pada penelitian sebelumnya, sebagian besar penelitian mengadopsi algoritma Apriori dalam menganalisa aturan asosiasi. Dalam penelitian ini teknik Data Mining yang digunakan adalah aturan asosiasi dengan algoritma FP- Growth. Pada algoritma FP-Growth tidak melakukan Generate Candidat seperti pada algortima Apriori tetapi menggunakan konsep pembangunan Tree dalam pencarian Frequent Itemset sehingga memerlukan waktu yang lebih cepat dibandingkan Apriori. Beberapa analisa yang dihasilkan dalam penelitian ini adalah semakin tinggi nilai Minimum Support dan Minimum Confidence yang digunakan akan menghasilkan Itemset serta aturan asosiasi yang semakin sedikit. Aturan asosiasi yang dihasilkan dalam penelitian ini memiliki nilai Lift Rasio lebih dari 1,00 yang berarti bahwa dalam transaksi tersebut, produk K dan L benar-benar dibeli secara bersamaan. Semakin tinggi nilai Lift Rasio yang dihasilkan menunjukan semakin kuat aturan asosiasi yang terbentuk. Dalam penelitian ini menghasilkan Minimum Confidence adalah 97,63%, Maximum Confidence adalah 99,37% dan Lift Ratio tertinggi adalah 1.00013798. Hasil tersebut dapat digunakan sebagai rekomendasi untuk mengoptimalkan promosi dan pengaturan persediaan produk yang tepat. Kata kunci: Promosi, Knowledge Discovery Database, Data Mining, Association Rule, Fp-Growth, frequent itemset.

Actions (login required)

View Item