scholarly journals Penerapan Data Mining Untuk Analisa Pola Pembelian Produk Menggunakan Algoritma Frequent Pattern – Growth

Rekayasa ◽  
2022 ◽  
Vol 14 (3) ◽  
pp. 456-460
Author(s):  
Paisal Soleh ◽  
Abu Tholib ◽  
M. Noer Fadli Hidayat
Keyword(s):  
Data Mining ◽  
Frequent Pattern ◽  
Pattern Growth

scholarly journals Rekomendasi Paket Menu Angkringan Waru Tanjung Bias Dengan Algoritma Frequent Pattern Growth Berbasis Web

2021 ◽  
Vol 3 (2) ◽  
pp. 92-98
Author(s):  
Lalu Aldila Maulana Fajar ◽  
Ria Rismayati
Keyword(s):  
Data Mining ◽  
Millennial Generation ◽  
Frequent Pattern ◽  
Growth Data ◽  
Transaction Data ◽  
Data Mining Techniques ◽  
Pattern Growth ◽  
The Many ◽  
Package Recommendations ◽  
Data Mining Application

Culinary business using carts selling various kinds of heavy food, light and drinks, is favored by many people to just fill their stomachs, gather with friends and even family. Culinary businesses or culinary destinations like this are known as Angkringan which are increasingly mushrooming in the millennial generation. Angkringan Waru, located in Tanjung Bias, is a gathering destination for all people to enjoy a relaxed atmosphere on the beach. Angkringan Waru provides 85 types of menus for its customers, the many menus often confuse customers in choosing snacks while enjoying the beachside atmosphere. Starting from these problems, data mining techniques are used with the Frequent Pattern Growth (Fp-Growth) algorithm to recommend items in producing a menu package consisting of 1 snack item and 1 drink item. The dataset used is transaction data from Angkringan Waru as many as 870 transactions, the resulting output is a menu package recommendation rule and implemented in a web for Angkringan Waru. The Fp-Growth Data Mining Application by providing a minimum support value of 20% and Confident 50% with a lift ratio > 1 produces 57 rules or menu package recommendations that will be offered to Angkringan Waru customers. The results of the application in the form of 57 menu package recommendations are then used as recommendations for Angkringan Waru customers, where these menus are the favorite menus of customers at Angkringan Waru.

ANALISIS KINERJA ALGORITMA FREQUENT PATTERN GROWTH (FP-GROWTH) PADA PENAMBANGAN POLA ASOSIASI DATA TRANSAKSI

2019 ◽  
Vol 1 (1) ◽  
pp. 9-12
Author(s):  
Putri Kurnia Handayani ◽  
Nanik Susanti
Keyword(s):  
Data Mining ◽  
Frequent Itemset ◽  
Frequent Pattern ◽  
Pattern Growth

Data transaksi penjualan yang setiap hari bertambah menyebabkan banjir data dalam database. Data transaksi tersebut hanya digunakan sebagai laporan penjualan yang dicetak setiap bulannya. Data mining merupakan kegiatan menambang/menggali data untuk mengenali pola atau aturan tertentu dari sejumlah dataset yang sangat besar dan mempunyai dimensi tinggi. Asosiasi adalah teknik data mining untuk menemukan aturan suatu kombinasi item. Pola asosiasi yang berhasil diketahui dapat membantu pihak manajemen untuk mendukung pengambilan keputusan berkaitan dengan strategi penjualan, promosi produk, reward bagi pelanggan dan kendali stok. Penggalian pola asosiasi menggunakan algoritma FP-Growth melalui 3 tahap, yaitu pembangkitan conditional pattern base, conditional pattern tree dan pencarian frequent itemset. Metode perancangan sistem menggunakan UML. Tujuan penelitian ini adalah untuk menghasilkan sebuah sistem yang dapat mengenali pola asosiasi produk pada database.

scholarly journals Analisa Pola Frekuensi Keranjang Belanja Dengan Dengan Perbandingan Algoritma Fp-Growth (Frequent Pattern Growth) dan Eclat pada minimarket

2020 ◽  
Vol 7 (2) ◽  
pp. 364-373
Author(s):  
Krisna Nata Wijaya
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Frequent Pattern ◽  
Minimum Support ◽  
Pattern Growth

Dalam kegiatan transaksi jual beli di minimarket ataupun toko pemilik harus mengerti apa yang diinginkan komsumen dalam memberikan kenyaman berbelanja, terutama kemudahan dalam pemilihan barang yang disesuaikan dengan tata letak atau penempatan barang. Dengan menerapkan association rule pada data transaksi akan memudahkan pemilik dalam mengelolah informasi penjualan dan mencari itemset. Oleh karena itu, penelitian ini Melakukan analisis pola data transaksi penjualan dengan menerapkan metode asosiasi pada data mining. Selanjutnya dengan melakukan perbandingan algoritma Fp-Growth dan Eclat dengan minimum support dan confidence sebesar 0.01% untuk menentukan jumlah aturan yang terbentuk sebagai bahan pengambil keputusan yang ditunjukan untuk frekuensi keranjang belanja.

scholarly journals PENENTUAN STRATEGI PEMASARAN MENGGUNAKAN FREQUENT PATTERN GROWTH (FP-GROWTH) PADA TOKO KOMPUTER

2020 ◽  
Vol 1 (2) ◽  
pp. 59-62
Author(s):  
Erlina Nofianti ◽  
Wiwit Agus Triyanto ◽  
Noor Latifah
Keyword(s):  
Data Mining ◽  
Frequent Pattern ◽  
Pattern Growth

Transaksi pemasaran pada Rusdianto Komputer yang banyak setiap hari menghasilkan data tertumpuk pada excel, meskipun tertumpuknya data sudah diarsipkan akan tetapi belum dimanfaatkan untuk penentuan strategi pemasaran. Data Mining merupakan proses penambangan suatu informasi yang terdapat pada himpunan data besar sehingga bermanfaat untuk mendapatkan pengetahuan mutakhir dan bermanfaat dalam mengambil keputusan. Ketatnya dunia persaingan pemasaran PC pada toko komputer, diperlukanlah suatu metode yang terbaik bagi Rusdianto Komputer dalam menentukan strategi pemasaran dengan memanfaatkan keterkaitan produk-produk PC yang dipasarkan. Algoritma untuk mengetahui hubungan antar item menggunakan metode asosiasi, yaitu Algoritma FP-Growth. Sistem yang dibuat dalam menetukan pola asosiasi pada rusdianto komputer berbasis web. Algoritma FP-Growth dapat diterapkan pada transaksi pemasaran sehingga didapatkan suatu hasil analisa pola pembelian konsumen. Pola pembelian yang dihasilkan dapat digunakan sebagai strategi pemasaran rusdianto komputer, yaitu penempatan posisi produk yang sering dibeli secara bersamaan. Kata kunci: Transaksi, Pemasaran, Komputer, Asosiasi, FP-Growth

scholarly journals Penerapan Association Rule Mining Berbasis Algoritma Frequent Pattern Growth untuk Rekomendasi Penjualan

2020 ◽  
Vol 7 (2) ◽  
pp. 135-148
Author(s):  
Didi Supriyadi
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Association Rule Mining ◽  
Frequent Itemset ◽  
Frequent Pattern ◽  
Rule Mining ◽  
Minimum Support ◽  
Pattern Growth ◽  
Mining Association Rule

Tingkat persaingan dan kompleksitas permasalahan penjualan pada perusahaan retail, menuntut setiap perusahaan retail untuk mampu berkompetisi dengan perusahaan lain. Salah satu yang dapat dilakukan adalah melalui pengambilan keputusan terkait penjualan yang lebih tepat dan efektif. Besarnya data transaksinonal penjualan perusahaan retail dapat dilakukan ekstraksi informasi yang bermanfaat. Metode yang dapat digunakan untuk menggali informasi adalah melalui penerapan association rule mining. Association Rule Mining merupakan suatu metode data mining yang berfokus pada pola transaksi dengan cara mengekstraksi asosiasi atau hubungan suatu kejadian. Keranjang belanja yang terdapat pada perusahaan retail yang terkomputerisasi merupakan cara terbaik untuk memberikan dukungan rekomendasi keputusan secara ilmiah dengan cara menentukan hubungan antara barang yang dibeli secara bersamaan dalam setiap transaksi. Algoritma FP-growth digunakan untuk menentukan himpunan dataset yang paling sering muncul (frequent itemset) pada sekeompok data. Penelitian ini menghasilkan nilai minimum support 0,1% dan nilai minimum confidence 60% jumlah rule yang dihasilkan berjumlah 116457, nilai minimum confidence 70% jumlah rule yang dihasilkan berjumlah 84086, dan nilai minimum confidence 80% jumlah rule yang dihasilkan berjumlah 48623 dari data yang diolah sebanyak 22191. Hasil rule ini dapat digunakan untuk strategi pemasaran produk. Nilai minimum support 0,1% dimana semakin besar nilai minimum confidence maka menghasilkan rule yang semakin sedikit.

scholarly journals PENERAPAN DATA MINING UNTUK ANALISIS MARKET BASKET DENGAN ALGORITMA FP-GROWTH PADA PD PASAR TOHAGA

2020 ◽  
Vol 9 (1) ◽  
pp. 119
Author(s):  
Rusnandi Rusnandi ◽  
Suparni Suparni ◽  
Achmad Baroqah Pohan
Keyword(s):  
Data Mining ◽  
Frequent Pattern ◽  
Market Basket Analysis ◽  
Market Basket ◽  
Pattern Growth ◽  
Study Support ◽  
To Come ◽  
Relationship Of ◽  
The Relationship

Sales data in 3 different shops (shop, Shop Maker Fernando and Son) at Tohaga Market in the form of PD book transactions are only seen in the absence of follow-up to determine the decision on who will come. Party owner only records the transactions of products sold and only see income per month. But with that data should be utilized to strategize on sales to come. By using the method of Frequent Pattern Growth Algorithm, the store can take decisions which require goods inventory more compared to other goods, and the placement of the goods in accordance with the relationship between the goods that are usually purchased a consumer can also be determined based on a Minimum Support and Minimum Confidence. Based on Market Basket Analysis obtained from the calculation of the Association by using the method of Frequent Pattern Growth Algorithm, then search for the value of the support and confidence to use Association Rules, Rules that are generated will be test by using Software RapidMiner. Then the placement of goods and inventory items in 3 different stores can be controlled with either the service so that the consumer will be increased, which in turn can increase the sales turnover. In this study Support is determined using threshold 40% and 83% Confidence. Having regard to the relationship of support and confidence the store owner can provide and put the items to be sold

scholarly journals PENENTUAN POLA YANG SERING MUNCUL UNTUK PENJUALAN PUPUK MENGGUNAKAN ALGORITMA FP-GROWTH

2019 ◽  
Vol 9 (2) ◽  
pp. 1
Author(s):  
Chandra Eri Firman
Keyword(s):  
Data Mining ◽  
Association Rule ◽  
Frequent Itemsets ◽  
Frequent Itemset ◽  
Frequent Pattern ◽  
Pattern Growth

<p class="AbstractText">Aturan asosiasi dengan melakukan analisis suatu transaksi penjualan. Analisis transaksi penjualan bertujuan untuk merancang strategi yang efektif dengan memanfaatkan data transaksi penjualan produk pupuk yang dibeli oleh konsumen. Association rule adalah teknik data mining untuk mencari hubungan antar-item dalam suatu dataset yang ditentukan dengan menggunakan Algoritma FP-Growth. Frequent Pattern Growth (FP-Growth) adalah salah satu alternatif algoritma yang dapat digunakan untuk menentukan himpunan data yang paling sering muncul (frequent itemset) dalam sebuah kumpulan data. Algoritma FP-Growth menggunakan konsep pembangunan tree dalam pencarian frequent itemsets. Dari perhitungan nilai confidence dari rule yang dihasilkan menggunakan  Rapidminer-studio 7.3.0.</p><p class="AbstractText"> </p><p class="AbstractText"><strong>Kata Kunci</strong> : Data Mining, Assosiation Rule, FP-Growth, Penjualan Produk</p>

scholarly journals Data Mining Untuk Menganalisa Pola Pembelian Perak Dengan Menggunakan Algoritma Fp-Growth Pada Toko Emas Dan Perak Adi Saputra Tanjung

2020 ◽  
Vol 3 (2) ◽  
pp. 96
Author(s):  
Latifa Suryani Nasution ◽  
Widiarti Rista Maya ◽  
Jufri Halim ◽  
Marsono M
Keyword(s):  
Data Mining ◽  
Frequent Itemset ◽  
Frequent Pattern ◽  
Frequent Pattern Tree ◽  
Pattern Growth

Pencatatan data transaksi pembelian perak harian pada took emas dan perak Adi Saputra Tanjung belum dilakukan dengan rapi dan data transaksinya dicatat ke dalam buku besar masih secara manual  sehingga membuat pemilik toko kesulitan dalam menentukan barang apa saja yang laris di tokonya yang mengakibatkan promosi yang digunakan untuk meningkatkan penjualan di nilai kurang maksimal.Berdasarkan penelitian sebelumnya yang ditulis oleh Agus Nuryanto yaitu Penerapan Data Mining Menggunakan Algoritma Apriori Dan K-Means Untuk Meningkatkan Penjualan Toko Perhiasan Emas Setia Kawan, peneliti menganalisa pola pembelian perak untuk penemuan pola barang yang dibeli oleh pelanggan dengan harapan hasil penelitian dapat membantu rekomendasi promosi sehingga strategi pemasaran menjadi lebih tepat sasaran. algoritma yang digunakan adalah Frequent Pattern- Growth (FP-Growth) yaitu pengembangan dari metode Apriori yang merupakan salah satu alternatif untuk menentukan himpunan data yang paling sering muncul (frequent itemset) dalam sebuah kumpulan data dengan membangkitkan struktur data Tree atau disebut dengan Frequent Pattern Tree (FP-Tree).Hasil penelitian dari tahapan yang telah dilakukan, didapatkan nilai support sebesar 9% dan nilai confidence sebesar 30%  dengan jenis perak yang dibeli konsumen yaitu cincin putar, mainan kalung, kalung nama, cincin rantai pilin dan anting. Hasilnya dapat membantu pemilik toko untuk mengambil keputusan dalam penentuan stok perak yang perlu diperbanyak sehingga meningkatkan keuntungan dan meminimalisir kerugian.

scholarly journals Implementasi Algoritma FP-Growth Untuk Strategi Pemasaran Ritel Hidroponik (Studi Kasus : PT. HAB)

2019 ◽  
Vol 10 (1) ◽  
pp. 11
Author(s):  
Adi Nugroho Susanto Putro ◽  
Richardus Indra Gunawan
Keyword(s):  
Data Mining ◽  
Open Source ◽  
Association Rule ◽  
Research Community ◽  
Frequent Itemset ◽  
Frequent Pattern ◽  
Frequent Itemset Mining ◽  
Interestingness Measure ◽  
Itemset Mining ◽  
Pattern Growth

Bisnis di bidang tanaman sayuran mengalami peningkatan yang cukup signifikan beberapa tahun belakangan ini. Salah satu cara untuk menghasilkan produk sayuran yang berkualitas tinggi secara kontinyu adalah budidaya dengan sistem hidroponik [1]. Bisnis hidroponik mempunyai peluang yang baik akan tetapi mempunyai kelemahan yaitu karena tanaman segar tanpa obat dan pengawet maka sayur dan buah hidroponik tidak dapat bertahan lama. Maka jika sayur dan buah ini tidak segera terjual akan mengakibatkan kerugian. Data mining merupakan proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Apriori merupakan salah satu dari sepuluh algoritma yang paling berpengaruh dalam research community. Sejak algoritma Apriori pertama kali diperkenalkan, ada banyak upaya untuk merancang algoritma frequent itemset mining yang lebih efisien. Perbaikan yang paling menonjol pada Apriori menjadi sebuah metode yang disebut FP-Growth (frequent pattern growth) yang berhasil menghilangkan candidate generation [2]. Penelitian ini mengusulkan implementasi Algoritma FP-Growth dengan Software Open Source Weka untuk membantu menganalisa dan merancang katalog produk ritel hidroponik untuk mendorong buah atau sayur terjual secara bersama-sama. Dalam menentukan association rule, terdapat suatu interestingness measure (ukuran kepercayaan), yaitu support dan confidence. Penelitian ini, dengan menggunakan minimum suport 0,05 dan minimum confidence 0,9 menghasilkan 21 rule yang dapat digunakan sebagai strategi pemasaran PT. HAB.Kata Kunci: Algoritma FP-Growth, Strategi Pemasaran, Ritel Hidroponik.

Sign in / Sign up

Export Citation Format

Share Document