PERBANDINGAN KINERJA ALGORITMA APRIORI DAN FP-GROWTH TERHADAP MARKET BASKET ANALYSIS PADA DATA PENJUALAN BAKERY

Gulo Karni, Julywenty (2025) PERBANDINGAN KINERJA ALGORITMA APRIORI DAN FP-GROWTH TERHADAP MARKET BASKET ANALYSIS PADA DATA PENJUALAN BAKERY. 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 (5MB) | Request a copy
	Text BAB V.pdf - Published Version Download (1MB)

Abstract

Perkembangan teknologi informasi telah mendorong berbagai sektor bisnis untuk memanfaatkan data sebagai aset berharga, salah satunya melalui analisis pola pembelian konsumen dengan metode Market Basket Analysis (MBA). Penelitian ini bertujuan untuk membandingkan kinerja algoritma Apriori dan FP-Growth dalam menganalisis data transaksi penjualan pada toko bakery menggunakan dataset Bakery.csv. Metode penelitian yang digunakan meliputi tahap pra-pemrosesan data, penerapan algoritma Apriori dan FP-Growth, pengujian berdasarkan kombinasi parameter, serta evaluasi kinerja berdasarkan waktu eksekusi, penggunaan memori, dan jumlah aturan asosiasi yang dihasilkan. Hasil penelitian menunjukkan bahwa pada kombinasi support 0,01 & confidence 0,5, kedua algoritma menghasilkan 11 aturan asosiasi, dengan Apriori lebih cepat (0,0543 detik, 6,02 MB) dibanding FP-Growth (4,0944 detik, 10,38 MB). Pada kombinasi support 0,02 & confidence 0,6, keduanya menghasilkan 1 aturan, dengan Apriori (0,0191 detik, 2,50 MB) tetap lebih efisien dibanding FP-Growth (2,1680 detik, 10,38 MB). Sedangkan pada kombinasi support 0,05 & confidence 0,7, kedua algoritma tidak menghasilkan aturan, namun Apriori tetap unggul dari segi waktu (0,0204 detik vs 0,3369 detik) dan penggunaan memori (0,57 MB vs 10,38 MB). Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma Apriori lebih efisien dalam hal waktu eksekusi dan penggunaan memori pada dataset skala menengah seperti Bakery.csv. Hasil analisis asosiasi dapat dimanfaatkan untuk strategi pemasaran berbasis data, seperti cross-selling dan rekomendasi produk. Penelitian ini merekomendasikan penggunaan algoritma Apriori untuk dataset serupa, serta pengembangan antarmuka pengguna yang lebih interaktif dan pengoptimalan algoritma untuk dataset berskala besar.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Algoritma Apriori, Dataset Bakery, Data mining, FP-Growth, Market Basket Analysis (MBA).
Subjects:	600 Teknologi dan Ilmu Terapan (Bisnis) > 650.0285 Pengolahan dan Analisa Data di Bidang Bisnis
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	02 Mar 2026 12:13
Last Modified:	02 Mar 2026 12:13
URI:	https://repositori.buddhidharma.ac.id//id/eprint/3065

Actions (login required)

View Item