PERBANDINGAN METODE DATA MINING DALAM MENGETAHUI POLA PEMBELIAN MENGGUNAKAN ALGORITMA APRIORI DAN FP-GROWTH

Susanto, Ferdian (2025) PERBANDINGAN METODE DATA MINING DALAM MENGETAHUI POLA PEMBELIAN MENGGUNAKAN ALGORITMA APRIORI DAN FP-GROWTH. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (3MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text BAB V.pdf - Published Version Download (2MB)

Abstract

Di era digital saat ini, data transaksi konsumen menjadi sumber informasi yang penting dalam pengambilan keputusan strategis dalam sektor ritel. salah satu cara untuk memanfaatkan data transksi tersebut dengan menggunakan data mining untuk menganalisis data, khususnya dengan menggunakan teknik association rule. Penelitian ini bertujuan untuk membandingkan dua algoritma data mining, yaitu Apriori dan FP-Growth, dalam mengidentifikasi pola pembelian konsumen. Data yang digunakan merupakan data sekunder yang didapatkan dari situs kaggle jumlah data sebelum di bersihkan 541,910 dan setelah dilakukan pembersihan adalah 396,353 dan terdapat 8 atribut. Masalah utama yang diangkat adalah kurangnya pemanfaatan data transaksi untuk merumuskan strategi bisnis yang tepat, serta belum diketahui algoritma mana yang paling efisien dan efektif dalam menemukan pola pembelian. Penelitian ini menggunakan pendekatan CRISP-DM dengan implementasi algoritma Apriori dan FP-Growth menggunakan perangkat lunak R. Hasil analisis menunjukkan bahwa kedua algoritma menghasilkan aturan asosiasi yang serupa, namun berbeda dari sisi efisiensi. Apriori menunjukkan performa lebih baik dengan penggunaan memori sebesar 138 MB dan waktu eksekusi 1,91 detik, dibandingkan dengan FP-Growth yang menggunakan 140,3 MB memori dan waktu eksekusi 2 detik. Selain itu, penelitian ini juga berhasil mengembangkan sebuah aplikasi berbasis algoritma tersebut yang dapat digunakan untuk membantu pelaku bisnis dalam memahami perilaku konsumen dan merancang strategi pemasaran yang lebih tepat sasaran.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Algoritma Apriori, Algoritma Fp-growth, Data mining, association rule, R
Subjects:	000 Karya Umum > 005 Pemograman > 005.73 Struktur Data
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	25 Feb 2026 03:22
Last Modified:	25 Feb 2026 03:22
URI:	https://repositori.buddhidharma.ac.id//id/eprint/3060

Actions (login required)

View Item