Analisa Perbandingan Metode Data Mining Dalam Menemukan Aturan Asosiasi Pada Data Transaksi Belanja Dengan Algoritma Apriori Dan Frequent Pattern Growth (FP-Growth)

Data mining merupakan proses menganalisa data untuk menemukan pengetahuan dari sekumpulan data yang sebelumnya tidak diketahui polanya. Data transaksi penjualan yang telah tersimpan berbulan-bulan bahkan berpuluh tahun dapat menghasilkan informasi yang lebih bermanfaat untuk masa mendatang melalui pemanfaatan teknologi data mining, serta memudahkan pelaku bisnis dalam menganalisa pola beli konsumen. Data mining juga dapat membantu dalam pengambilan keputusan untuk menentukan tata letak barang sehingga dapat meningkatkan hasil penjualan. Salah satu teknik data mining yang sering digunakan dalam dunia bisnis adalah association rules atau dikenal dengan istilah market basket analysis. Market basket analysis diilustrasikan sebagai suatu itemset yang dibeli oleh konsumen secara bersamaan dalam suatu transaksi. Tahapan metode ini dimulai dengan mencari sejumlah data yang sering muncul (frequent itemsets) kemudian dilanjutkan dengan pembentukan aturan-aturan asosiasi (association rules). Dalam menemukan sejumlah frequent itemset, digunakan dua algoritma yang sangat populer yaitu algoritma Apriori dan FP-Growth (Frequent Pattern Growth). Dalam penyusunan tugas akhir ini algoritma Apriori dan FP-Growth digunakan untuk membantu menemukan sejumlah aturan asosiasi dari data transaksi penjualan item barang pada Moshi-Moshi Petshop, sehingga dapat digunakan sebagai analisa perbandingan metode mana yang lebih efektif dalam meningkatkan strategi pemasaran dan penjualan barang