Implementasi Data Mining Menggunakan Algoritma Fp-Growth Untuk Menganalisa Transaksi Penjualan Ekspor Online

Abstract

In today's online technology, we have to learn various things so that we can adjust to social behavior, for example, buying and selling activities that cover all walks of life, now everyone doesn't hesitate to shop online. The online market is growing fast, especially in Indonesia. Anyone can sell and buy goods easily through online stores, so that people's purchasing power and sales increase due to the proliferation of online stores, XYZ stores are still beginners in terms of sales strategies so they try all efforts without careful preparation, one of the ways to do this is to expand its market coverage even to export goods abroad. the process of exporting goods in the current era is not a difficult thing to do, but it requires knowledge and preparation of a good strategy. from existing sales data can be analyzed to determine the right strategy in marketing goods. Data Mining is a science that helps analyze large amounts of data with the aim of gaining new knowledge that can be utilized. In Data Mining Analysis there is the FP-Growth algorithm which is a data mining technique for finding association rules from lots of data. This is known as the Association rule, where the rule will be determined from the minimum support and confidence results. the rules that are formed produce 10 rules out of 51 existing data, these rules help determine the export sales strategy at the XYZ store.

Penerapan Algoritma Fp-Growth Pada Data Transaksi Penjualan Untuk Menentukan Pola Pembelian Pelanggan

“…Dari hasil tersebut, berhasil terbentuk 9 rules terbaik dari total 51 data yang ada. Rules-rules ini memiliki peran penting dalam membantu menentukan strategi penjualan ekspor pada toko XYZ [9].…”

“…Dalam asosiasi, terdapat dua pengukuran yang penting, yaitu support dan confidence. Semakin rendah nilai minimum support semakin banyak pula aturan asosiasi yang didapatkan begitupun dengan nilai minimum confidence [9]. a) Support Support yaitu seberapa sering nilai X muncul dalam konteks seluruh transaksi [4].…”

“…Dari hasil pengujian menghasilkan jumlah rules yang berbeda-beda. Seperti halnya pada penelitian M.Hafizh dalam kajiannya menyatakan bahwa semakin rendah nilai minimum support semakin banyak pula aturan asosiasi yang didapatkan begitupun dengan nilai minimum confidence [9]. Dari percobaan dengan nilai minimum support 2% dengan nilai minimum confidence 40% mendapatkan rules terbanyak yaitu 27 rules dan didapatkan nilai confidence tertinggi yaitu 60,5% serta mendapatkan nilai lift tertinggi sebesar 2,109 sehingga dinyatakan memiliki tingkat kekuatan asosiasi yang tinggi dan rules ini yang akan digunakan untuk mengetahui kombinasi item yang menarik dari kumpulan data.…”

Perbandingan Teknik Klasifikasi Catatan Medis untuk Indeks Antropometri Status Gizi Balita

“…Tujuan utama dari data mining adalah untuk menggali pengetahuan yang dapat membantu dalam pengambilan keputusan, prediksi masa depan, dan pemahaman yang lebih baik tentang data. Teknik-teknik dalam data mining berbentuk estimasi, prediksi, klasifikasi, dan asosiasi [1]. Belakangan ini, teknik data mining sering digunakan dalam sektor kesehatan, termasuk dalam menilai status gizi balita berdasarkan indeks antropometri.…”