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

Putri Kurnia Handayani
Nanik Susanti

Abstract


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.


Keywords


data mining, asosiasi, PR-Growth

Teks Lengkap:

PDF

Referensi


Han, J. & Micheline, K., 2000. Data Mining: Concept and Techniques. Simon Fraser University: Morgan Kaufmann.

Listriani, D., Setyaningrum, A. H. & M.A, F. E., 2016. Penerapan Metode Asosiasi Menggunakan Algoritma Apriori pada Aplikasi Analisa Pola Belanja Konsumen (Studi Kasus Toko Buku Gramedia Bintaro). Jurnal Teknik Informatik, Volume Vol. 9 No. 2, pp. 120-127.

Pramudiono, 2006. Indo Datamining, online. 21 June, p. Retrieved 21 June 2010 From http://datamining.japati.net.

Turban, E., 2005. Decision Support System and Intellegent Systems. Yogyakarta: Andi Offset.




DOI: https://doi.org/10.24176/ijtis.v1i1.4596

Article Metrics

Abstract views : 36| PDF views : 33

Refbacks

  • Saat ini tidak ada refbacks.