Implementasi Data Mining Menggunakan Algoritma FP-Growth dan Algoritma Apriori Pada Analisis Penjualan Barang

Alfianto, Hendry Sethia and Alfianto, Alfianto and Irma, Irma (2023) Implementasi Data Mining Menggunakan Algoritma FP-Growth dan Algoritma Apriori Pada Analisis Penjualan Barang. Skripsi thesis, Universitas Pakuan.

Text Skripsi_065116045_Henry Sethia Alfianto.pdf Download (1MB)

Abstract

Implementasi Data Mining Menggunakan Algoritma FP-Growth dan Algoritma Apriori Pada Analisis Penjualan Barang. Dibawah bimbingan Dr. Prihastuti Harsani, M.Si. dan Irma Anggraeni, M.Kom. Proses menganalisis pada toko sembako bertujuan untuk mengetahui pola transaksi penjualan yang terjadi agar dapat membantu pihak toko untuk mengoptimalkan stok barang melalui kombinasi transaksi penjualan barang yang terjadi. Pada penelitian ini dilakukan proses data mining, dimana proses tersebut untuk menemukan pola-pola yang terbentuk dalam sebuah data yang besar. Data yang digunakan yaitu sebanyak 65.534 transaksi yang terdiri dari 9 baris kolom yaitu no faktur, tgl jual, nama barang,quantity barang (terdiri dari quantity besar, quantity sedang dan quantity kecil) dan harga jual (terdiri dari harga jual besar, harga jual sedang, harga jual kecil). Untuk kolom yang digunakan yaitu terdiri dari no faktur, tgl jual,nama barang dan quantity barang. Adapun Metode yang digunakan pada penelitian ini yaitu Knowledge Discovery in Database (KDD). Data yang sudah didapat selanjutkan dilakukan pemrosesan menggunakan tahapan KDD. Data yang ada kemudian dilakukan seleksi serta dibersihkan dari data yang duplikasi, data yang kosong, ataupun data yang tidak di perlukan. Kemudian data yang telah dibersihkan dilakukan transformasi agar data siap untuk dilakukan proses mining. Pada percobaan ini dilakukan analisis total 65.534 data transaksi yang telak di seleksi. Data kemudian dilakukan proses analisis dengan menetapkan nilai minimum support 5% serta nilai minimum confidence 35%. Pada percobaan pertama dengan menggunakan variable item yang terjual, terlihat kombinasi itemset yang terbentuk cenderung sama pada Algoritma FP-Growth dan Algoritma Apriori, yang membedakan yakni pada hasil dari waktu eksekusi data atau running time yang terjadi dimana pada Algoritma Apriori lebih cepat dibandingkan dengan Algoritma FP�Growth. Pada percobaan kedua dengan menggunakan variable quantity barang, terlihat kombinasi itemset yang terbentuk cenderung lebih banyak dengan menggunakan Algoritma Apriori dibanding Algoritma FP-Growth serta dari segi eksekusi waktu atau running time yang terjadi, Algoritma Apriori lebih cepat dibandingkan dengan Algoritma FP-Growth.

Item Type:	Thesis (Skripsi)
Subjects:	Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer
Depositing User:	PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK
Date Deposited:	03 Jul 2024 06:20
Last Modified:	03 Jul 2024 06:20
URI:	http://eprints.unpak.ac.id/id/eprint/7881

Actions (login required)

View Item