ANGRAINI, SILVIA (2025) IMPLEMENTASI ASSOCIATION RULE MINING (ARM) PADA TRANSAKSI PENJUALAN DAN RETUR PRODUK MAINAN MENGGUNAKAN FP-GROWTH DAN ECLAT. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 Cover.pdf Download (383kB) | Preview |
|
![]() |
Text (BAB I)
02 Bab 1.pdf Restricted to Registered users only Download (186kB) |
|
![]() |
Text (BAB II)
03 Bab 2.pdf Restricted to Registered users only Download (374kB) |
|
![]() |
Text (BAB III)
04 Bab 3.pdf Restricted to Registered users only Download (179kB) |
|
![]() |
Text (BAB IV)
05 Bab 4.pdf Restricted to Registered users only Download (700kB) |
|
![]() |
Text (BAB V)
06 Bab 5.pdf Restricted to Registered users only Download (139kB) |
|
![]() |
Text (DAFTAR PUSTAKA)
07 Daftar Pustaka.pdf Restricted to Repository staff only Download (154kB) |
|
![]() |
Text (LAMPIRAN)
08 Lampiran.pdf Restricted to Registered users only Download (283kB) |
Abstract
The dataset generated from transaction activities can be utilized by companies to make decisions and design business strategies, such as sales transactions and sales return transactions. The tag-N returns at PT. XYZ occur due to the replacement of new products and the company’s inability to fulfill the demands of convenience store customers within a certain period. Most of the returned products are in damaged packaging, which reduces their resale value. Therefore, data mining is conducted to identify patterns of items frequently purchased together to understand customer preferences. This enables better stock provisioning to avoid stockouts, using sales transaction data. Furthermore, data mining is applied to sales return transactions to uncover association patterns of frequently returned items. Accordingly, this study implements Association Rule Mining (ARM) using the FP-Growth algorithm, which is suitable for large datasets such as sales transactions. It also employs the Equivalence Class Transformation (ECLAT) algorithm for sales return transaction data to enhance processing efficiency. This study compares the resulting association patterns from sales transactions and return transactions to determine whether there is a correlation between sales patterns and return patterns. Keywords: Association Rule Mining (ARM), FP-Growth, ECLAT, sales transactions, sales return transactions Kumpulan data yang dihasilkan dari aktivitas transaksi dapat dimanfaatkan perusahaan dalam membuat keputusan dan merancang strategi bisnis, seperti transaksi penjualan dan transaksi retur penjualan. Retur tag-N pada PT. XYZ yang terjadi karena replacement produk baru dan tidak terpenuhinya permintaan pelanggan convenience store dalam periode tertentu. Mayoritas produk yang dikembalikan dalam kondisi kemasan rusak, sehingga dapat menurunkan nilai jual. Maka dilakukan data mining untuk menemukan pola barang yang sering dibeli secara bersamaan guna mengetahui preferensi pelanggan sehingga dapat dilakukan penyediaan stock yang lebih baik untuk menghindari stockout dengan menggunakan data transaksi penjualan. Kemudian dilakukan data mining pada transaksi retur penjualan untuk menemukan pola asosiasi barang yang sering dikembalikan. Oleh karena itu penelitian ini mengimplementasikan Assosiation Rule Mining (ARM) dengan algoritma FP-Growth yang cocok dengan data yang besar seperti data transaksi penjualan. Kemudian menggunakan algoritma Equivalence Class Transformation (ECLAT) untuk data transaksi retur penjualan untuk efisiensi waktu pemrosesan. Melalui penelitian ini dilakukan perbandingan hasil antara pola asosiasi transaksi penjualan dan retur penjualan untuk mencari apakah pola penjualan terkait dengan pola retur. Kata kunci: Association Rule Mining (ARM), FP-Growth, ECLAT, transaksi penjualan, transaksi retur penjualan
Actions (login required)
![]() |
View Item |