Risna Lailatun Najmi, - (2023) ANALISIS POLA ASOSIASI DATA TRANSAKSI PENJUALAN MINUMAN MENGGUNAKAN ALGORITMA FP-GROWTH DAN ECLAT. BUILDING OF INFORMATICS, TECHNOLOGY AND SCIENCE (BITS), 5 (1). pp. 126-133. ISSN e-ISSN 2685-3310, p-ISSN 2684-8910

Preview	Text ARTIKEL PUBLIKASI RISNA LAILATUN NAJMI 11950120055.pdf Download (1MB) | Preview
	Text bits/article/view/3592 - Published Version Download (50kB)

Abstract

Setiap hari aktivitas transaksi antara perusahaan dan konsumen terus dilakukan. Hal tersebut membuat data-data transaksi semakin banyak dan menumpuk. Data-data transaksi tersebut dapat diolah menjadi berupa informasi yang lebih bermanfaat menggunakan teknologi. Data mining merupakan teknologi yang dapat mengerjakan kumpulan data transaksi tersebut menjadi sebuah keterangan yang dapat diambil oleh perusahaan sebagai pengambil keputusan. Metode Association Rule digunakan sebagai metode untuk melihat hubungan antara item di dalam sebuah data transaksi. Peneliti menganalisis data transaksi menggunakan algoritma FP-Growth dan Eclat. Terdapat tiga tahapan asosiasi pada penelitian ini yang dibedakan dari nilai confidence. Hasil pada tahap pertama nilai minimal confidence 0.4, algoritma FP-Growth menghasilkan 41 aturan pola asosiasi, sedangkan algoritma Eclat menghasilkan 32 aturan pola asosiasi. Kemudian, pada tahap kedua nilai minimal confidence 0.5, algoritma FP-Growth menghasilkan 40 aturan pola asosiasi, untuk algoritma Eclat menghasilkan 32 aturan pola asosiasi. Pada tahap ketiga nilai minimal confidence 0.6, algoritma FP-Growth menghasilkan 32 aturan pola asosiasi, sedangkan untuk algoritma Eclat menghasilkan 30 aturan pola asosiasi. Dari hasil aturan pola asosiasi menunjukkan bahwa algoritma Eclat lebih efisien dalam menentukan aturan pola asosiasi dari algoritma Fp-Growth.

Actions (login required)

View Item