ANALISIS POLA PEMBELIAN MELALUI ATURAN ASOSIASI MENGGUNAKAN ALGORITMA FP-GROWTH DAN ALGORITMA FUZZY C- MEANS (Studi Kasus: Transaction History Pada Minimarket)

Prayoga, Rasyid Prayoga (2020) ANALISIS POLA PEMBELIAN MELALUI ATURAN ASOSIASI MENGGUNAKAN ALGORITMA FP-GROWTH DAN ALGORITMA FUZZY C- MEANS (Studi Kasus: Transaction History Pada Minimarket). Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

[thumbnail of Skripsi_RasyidPrayoga_123160009_Informatika.pdf] Text
Skripsi_RasyidPrayoga_123160009_Informatika.pdf
Restricted to Repository staff only

Download (3MB)
[thumbnail of cover.pdf]
Preview
Text
cover.pdf

Download (123kB) | Preview
[thumbnail of abstrak.pdf]
Preview
Text
abstrak.pdf

Download (32kB) | Preview
[thumbnail of daftar isi.pdf]
Preview
Text
daftar isi.pdf

Download (288kB) | Preview
[thumbnail of daftar pustaka.pdf]
Preview
Text
daftar pustaka.pdf

Download (153kB) | Preview
[thumbnail of halaman pengesahan pembimbing.pdf]
Preview
Text
halaman pengesahan pembimbing.pdf

Download (204kB) | Preview
[thumbnail of halaman pengesahan penguji.pdf]
Preview
Text
halaman pengesahan penguji.pdf

Download (227kB) | Preview

Abstract

Setiap minimarket, mengalami kerugian apabila informasi mengenai strategi
penjualan yang kurang baik. Kurangnya informasi inilah yang dapat merugikan pedagang.
Informasi tersebut didapatkan dari hasil data transaksi pembelian, yang mana akan
memunculkan strategi untuk pengadaan bundling dan pengelompokan barang-barang
dengan frekuensi paling diminati dan dibeli. Namun, tidak sedikit pula pihak minimarket
yang biasanya mengabaikan data transaksi hasil pembelian. Maka dari itu, diperlukan proses
analisis keterkaitan antar barang yang terjadi sehingga membentuk pola pembeliannya.
Penelitian ini menggunakan metode asosiasi dan metode clustering berupa algoritma
fp-growth dan algoritma fuzzy c-means (FCM). Proses pertama yang dilakukan yaitu
pengumpulan data transaksi yang kemudian akan dilakukan data peprocessing untuk
menghapus atribut yang tidak digunakan. Lalu, Fp-growth akan mengolah data transaksi
yang kemudian akan dilakukan proses pencarian itemset hingga terbentuk aturan asosiasi.
Kemudian, data association rule dilakukan proses clustering menggunakan metode fuzzy ̧
yaitu fuzzy c-means untuk menetukan tingkat frekuensi data. Hasil asosiasi yang dihasilkan
akan dilakukan pengujian validasi untuk menghasilkan aturan antar item yang kuat.
Berdasarkan pengujian yang dilakukan untuk tingkat korelasi antar item dengan hasil
yang baik sebesar 4.408 untuk lift ratio dengan nilai dukungan 0.008 untuk support dan
0.359 untuk confidence pada 3-itemsets dan memakan waktu komputasi selama 1.765 detik,
kemudian dengan sekema silhouette coefficient didapatkan cluster terbaik dari 5 percobaan
cluster dengan hasil 0.92 pada cluster ke-2 dengan 4 jumlah cluster.

Kata kunci: Minimarket, Data Transaksi, Data Mining, Fp-Growth, FCM

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Minimarket, Data Transaksi, Data Mining, Fp-Growth, FCM
Subjek: Z Bibliography. Library Science. Information Resources > ZA Information resources
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions: x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Eny Suparny
Date Deposited: 04 Aug 2021 07:13
Last Modified: 04 Aug 2021 07:13
URI: http://eprints.upnyk.ac.id/id/eprint/26441

Actions (login required)

View Item View Item