Penerapan Algoritma FP-Growth untuk Menentukan Strategi Promosi Berdasarkan Waktu dan Pembelian Produk

Abstract

Sales is the main activity in every business. In making business decisions, sales patterns can be used to provide useful information such as strategies for promotion. Wandri Mart is a business engaged in the sale of products or goods commonly referred to as minimarkets in the city of Payakumbuh. In conducting promotional strategies, the owner of Wandri Mart does not know when to do promotions and what promotions are needed in order to increase sales. The purpose of this study is to obtain purchasing patterns related to the time of purchase and the type of goods purchased, so that a more effective promotional strategy can be developed. The method used by researchers is data mining techniques with the FP-Growth algorithm. The data used was taken as much as 5471 sales transaction data for 1 year. The results of this study indicate that the FP-Growth algorithm can be used to determine association rules using a minimum support of 1%, 2%, 3% and a minimum confidence of 10%. Experiments using Minimum Support 1% and Minimum Confidence 10% have the highest lift ratio value and produce more rules compared to other experiments so that it is obtained if on Tuesdays in August, customers buy instant noodles and packaged drinks with 6% and 5% support respectively and 50% and 45% confidence respectively with a lift ratio of 1.75 and 1.59 respectively. The lift ratio means that the rules have high association accuracy, and this also has a positive impact on sales and can be used as useful information for Wandri Mart to increase sales

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

“…Dalam konteks analisis Association rules, terdapat dua parameter penting yang digunakan, yaitu support dan confidence [3]. Sehingga, untuk menerapkan teknik Association rules pada data transaksi penjualan toko kenzi olshop perlu dilakukannya analisis terhadap parameter Confidence, Support dan Lift dengan menentukan nilai minimumnya untuk mendapatkan aturan asosiasi pembelian pelanggan pada toko Kenzi Olshop [4].…”

“…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]. Berikut merupakan rumus untuk mengetahui nilai support 1 item:…”

“…Confidence adalah mengukur sejauh mana peraturan asosiasi diidentifikasi dan dianggap valid, serta mengevaluasi frekuensi kemunculan item B dalam transaksi saat terdapat item A juga. [4]. Berikut merupakan rumus untuk mengetahui nilai confidence:…”

“…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. Hasil ini sejalan dengan penelitian oleh Anandeanivha Wilrose dalam penelitiannya menyatakan bahwa nilai minimum support yang dipilih adalah yang menghasilkan nilai lift tertinggi dan aturan asosiasi terbanyak [4].…”