Analisa data transaksi penjualan barang menggunakan algoritme Apriori dan FP-Growth
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Transaksi penjualan barang pada sebuah perusahaan terjadi setiap hari mengakibatkan semakin bertambah banyaknya catatan transaksi penjualan. Tidak banyak dari perusahaan menjadikan transaksi penjualan itu hanya sebagai arsip belaka. Yang pada akhirnya mengakibatkan sebuah perusahaan mengalami kekurangan stok barang. Tentunya hal demikian terjadi karena transaksi penjualan barang tidak dianalisa dan dipelajari polanya.
Ada beberapa banyak metode data mining yang digunakan untuk menganalisa pola pembelian barang secara bersamaan oleh pembeli. Diantara metode yang sering sekali digunakan adalah Apriori dan FP-Growth. Pada penelitian ini, bertujuan untuk menemukan pola pembelian barang secara bersamaan berdasarkan bulan selama satu tahun. Untuk menemukan pola pembelian tersebut digunakan Algoritma Apriori dan FP-Growth kemudian membandingkan hasil dalam menemukan pola kombinasi yang dihasilkan dalam dataset. Hasil dari penelitian ini algoritma Apriori membutuhkan waktu yang lebih sedikit dalam memperoses dan menampilkan hasil tapi rules yang didapatkan lebih sedikit dibandinkan algoritma FP-Growth. Sedangkan algoritma FP- Growth membutuhkan waktu yang lebih lama dbandingkan algoritma Apriori tapi menghasilkan rules yang lebih banyak dibandingkan algoritma Apriori.
##plugins.themes.bootstrap3.displayStats.downloads##
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Hak cipta pada setiap artikel adalah milik penulis, dan penulis mengakui bahwa Jnanaloka sebagai pihak yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution (CC BY). Lisensi ini mengijinkan untuk, Berbagi yakni menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun; dan Adaptasi yakni menggubah, mengubah, dan membuat turunan dari materi iniuntuk kepentingan apapun, termasuk kepentingan komersial dengan ketentuan Atribusi
Cara Mengutip
Referensi
N. Isa, N. Kamaruzzaman, M. Ramlan, N. Mohamed, and M. Puteh, “Market basket analysis of customer buying patterns at corm café,” International Journal of Engineering & Technology, vol. 7, no. 4.42, pp. 119–123, 2018.
I. Surjandari and A. Seruni, “Design of product placement layout in retail shop using market basket analysis,” Makara Journal of Technology, vol. 9, no. 2, pp. 43–47, 2010.
N. M. Kawale and D. Snehil, “Market basket analysis using apriori algorithm in r language,” nternational Journal of Trend in Scientific Research and Development, vol. 2, no. 4, pp. 2628–2633, 2018.
A. Valarmathi, M. Durga, and M. Fathima, “Market basket analysis for mobile showroom.” International Journal for Research in Applied Science & Engineering Technology, vol. 5, no. X, pp. 1279–1284, 2017.
M. Kaur and S. Kang, “Market basket analysis: Identify the changing trends of market data using association rule mining,” Procedia computer science, vol. 85, pp. 78–85, 2016.
N. Maheshwari, N. K. Pandey, and P. Agarwal, “Market basket analysis using association rule learning,” International Journal of Computer Applications, vol. 975, p. 8887, 2016.
A. Mansur and T. Kuncoro, “Product inventory predictions at small medium enterprise using market basket analysis approach-neural networks,” Procedia Economics and Finance, vol. 4, pp. 312–320, 2012.
A. Izang, U. Okoro, T. Olarewaju, T. Fasanu, and A. Adeyinka, “Automated market basket analysis system,” International Journal of Computer Applications, vol. 180, no. 39.
K. S. Kumar and R. M. Chezian, “A survey on association rule mining using apriori algorithm,” International Journal of Computer Applications, vol. 45, no. 5, pp. 47–50, 2012.
R. Gupta, A. Ratan, C. Rajesh, R. Chen, H. L. Kim, R. Burhans, W. Miller, S. Santhosh, R. V. Davuluri, A. J. Butte et al., “Sequencing and analysis of a south asian-indian personal genome,” BMC genomics, vol. 13, no. 1, p. 440, 2012.
P. Devi, M. Rao, A. Sigamani, A. Faruqui, M. Jose, R. Gupta, P. Kerkar, R. Jain, R. Joshi, N. Chidambaram et al., “Prevalence, risk factors and awareness of hypertension in india: a systematic review,” Journal of human hypertension, vol. 27, no. 5, pp. 281–287, 2013.
B. Patel, V. K. Chaudhari, R. K. Karan, and Y. Rana, “Optimization of association rule mining apriori algorithm using aco,” International Journal of Soft Computing and Engineering, vol. 1, no. 1, pp. 24–26, 2011.
S. S. Kumar, S. S. Karanth, K. Akshay, A. Prabhu, and B. M. Kumar, “Improved aprori algorithm based on bottom up approach using probability and matrix,” International Journal of Computer Science Issues (IJCSI), vol. 9, no. 2, p. 242, 2012.
F. Fatihatul, A. Setiawan, and R. Rosadi, “Asosiasi data mining menggunakan algoritma fp-growth untuk market basket analysis,” Jatinangor Univ. Padjadjaran, pp. 1–8, 2011.
A. N. Sagin and B. Ayvaz, “Determination of association rules with market basketanalysis: Application in the retail sector,”Southeast Europe Journal of Soft Computing,vol. 7, no. 1, 2018.
K. Tatiana and M. Mikhail, “Market basket analysis of heterogeneous data sources forrecommendation system improvement,”Procedia Computer Science, vol. 136, pp. 246–254,2018.
S. F. Rodiyansyah, “Algoritma apriori untuk analisis keranjang belanja pada datatransaksi penjualan,”INFOTECH journal, vol. 1, no. 2, 2015.
G. K. ADALI and M. E. BALABAN, “A dynamic application of market basket analysiswith r and shiny in the electric materials sector,”Bilişim Teknolojileri Dergisi, vol. 12,no. 2, pp. 93–102.
R. Fitria, W. Nengsih, and D. H. Qudsi, “Implementasi algoritma fp-growth dalampenentuan pola hubungan kecelakaan lalu lintas,”Jurnal Sistem Informasi, vol. 13, no. 2,pp. 118–124, 2017.