APLIKASI PENENTUAN ITEMSET BARANG MENGGUNAKAN ALGORITMA ECLAT DAN ALGORITMA FP-GROWTH (Studi Kasus: Toko Bangunan Sinar Terang, Yogyakarta)

Harahap, Rasoki Salas (2021) APLIKASI PENENTUAN ITEMSET BARANG MENGGUNAKAN ALGORITMA ECLAT DAN ALGORITMA FP-GROWTH (Studi Kasus: Toko Bangunan Sinar Terang, Yogyakarta). Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text Skripsi Full.pdf Restricted to Repository staff only Download (3MB)
	Text Abstrak.pdf Download (83kB)
	Text Cover.pdf Download (166kB)
	Text Daftar Isi.pdf Download (49kB)
	Text Daftar Pustaka.pdf Download (154kB)

Abstract

TB. Sinar Terang merupakan sebuah toko yang khusus menjual berbagai
perlengkapan kebutuhan bahan bangunan yang memiliki sistem seperti pada swalayan yaitu
pembeli mengambil sendiri barang yang akan dibeli. Dengan transaksi yang sangat banyak
maka perusahaan harus memiliki kebutuhan bahan bangunan yang banyak pula. Dari data
penjualan pada TB. Sinar Terang selama ini kurang tersusun dengan baik, sehingga data
tersebut hanya berfungsi sebagai arsip bagi toko dan tidak dapat dimanfaatkan untuk
pengembangan strategi pemasaran. Selain itu, pihak toko menyimpan barang hanya
berdasarkan kerapihan display saja.
Algoritma ECLAT (Equivalence Class Transformation) merupakan algoritma yang
sangat sederhana untuk menemukan itemset yang paling sering muncul, pada dasarnya
algoritma ECLAT melakukan pencarian secara depth-first search pada database dengan tata
letak vertikal, jika database berbentuk horizontal maka harus dikonversikan ke bentuk
vertikal terlebih dahulu. Sedangkan, algoritma FP-Growth merupakan salah satu alternatif
algoritma yang cukup efektif untuk mencari himpunan data yang paling sering muncul
(frequent itemset) dalam sebuah kumpulan data yang besar. Algoritma ECLAT dan algoritma
FP-Growth digunakan karena memiliki kemampuan untuk menentukan himpunan data yang
paling sering muncul (frequent itemset) dan terjadi secara bersamaan dalam sebuah
kumpulan data. Data yang digunakan adalah data penjualan bulan Februari 2018 – Desember
2019 di TB. Sinar Terang.
Dari proses pengolahan dengan teknik data mining dan metode association rule yaitu
bahwa kategori yang dominan dibeli di TB. Sinar Terang adalah Paint & Colouring dan
Tools & Hardware dengan support 0.036814024390244% dan confidence
0.66164383561644%. Dan dari penerapan algoritma ECLAT dan algoritma FP-Growth yaitu
bahwa dengan algoritma FP-Growth banyak menghasilkan rule dalam pola pembelian
dibandingkan dengan algoritma ECLAT. Jadi, semakin sedikit rule yang terbentuk karena
tingginya nilai support dan confidence maka akan semakin kuat aturan (strong rule) yang
dihasilkan.
Kata Kunci: Toko Bangunan, Data Mining, ECLAT, FP-Growth, Association Rule

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Toko Bangunan, Data Mining, ECLAT, FP-Growth, Association Rule
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	19 May 2022 04:45
Last Modified:	19 May 2022 05:00
URI:	http://eprints.upnyk.ac.id/id/eprint/29824

Actions (login required)

View Item