Analisa Data Transaksi Penjualan Barang Menggunakan Algoritma Apriori Dan FP-Growth

Abstract

Abstract—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, akibatnya perusahaan mengalami kekurangan stok barang. Tentunya hal demikian terjadi karena transaksi penjualan barang tidak dianalisa dan dipelajari polanya. Pada penelitian ini, bertujuan untuk menemukan pola pembelian barang secara bersamaan berdasarkan bulan selama satu tahun. Ada 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. Untuk menemukan pola pembelian tersebut digunakan algoritma Apriori dan FP-Growth kemudian membandingkan hasil dalam menemukan pola kombinasi yang dihasilkan. Algoritma mana yang lebih banyak menghasilkan pola dengan waktu yang sedikt. Analisis prilaku pelanggan untuk transaksi pembelian selama satu tahun,
Algoritma FP-Growth lebih banyak menampilkan pola yang dihasilkan dibandingkan dengan algoritma Apriori baik pada Rules Support >=0.5 paling banyak Apriori menghasilkan 5 Rules dan FP-Growth 338 Rules sedangkan pada Rules Lift Apriori 14 Rules 0.0051 detik dan FP-Growth 137 Rules 0.0068 detik.