Rahman, RijalFaizin (2014) Penerapan Algoritma Fold-Growth dan Metode Market Basket Analysis untuk Rekomendasi Penempatan Barang pada Toko Retail. Sarjana thesis, Universitas Brawijaya.
Abstract
Bisnis retail merupakan bisnis yang membutuhkan strategi untuk semakin menarik minat konsumen. Strategi yang bisa digunakan yaitu dengan menganalisis data transaksi penjualan agar bisa diketahui kebiasaan konsumen dari barang yang mereka beli. Teknik yang biasa dilakukan oleh toko retail adalah dengan melakukan Market basket Analisys yaitu menganalisis keterkaitan dari barang-barang yang dibeli konsumen dalam satu kali pembelian. Untuk mengetahui kebiasaan konsumen tersebut dibutuhkan algoritma yang bisa melakukan penggalian data terhadap data yang besar yaitu algoritma FOLD-GROWTH. Algoritma ini lebih cepat dalam proses penggalian data dibandingkan algoritma sebelumnya semisal FP Growth dan Apriori. Algoritma Fold-Growth ini menggunakan struktur data SOTRieIT dan memiliki 4 langkah dalam menggali pola asosiasi yaitu penggalian 1-2 itemset frequent, pemangkasan item-item yang tidak frequent, membangun fp-tree dan penggalian itemset frequent untuk mencari rule. Setelah pola asosiasi ditemukan maka dilakukan penghitungan terhadap kekuatan pola asosiasi dengan nilai lift ratio dan akurasi. Dalam penelitian ini, penggalian data menggunakan data transaksi penjualan dari KPRI UB sebanyak 549 sebagai data latih dan 334 sebagai data uji. Penelitian dilakukan dengan memproses data transaksi penjualan berdasarkan kategori barang yang dibeli konsumen. Hasil dari penelitian dengan menggunakan minimum support sebesar 1%,5%,10% dan minimum confidence sebesar 40%,50%,60% adalah didapatkan nilai lift ratio tertinggi sebesar 13 % dan terendah sebesar 2,35 %. Sedangkan pada tingkat akurasi dihasilkan 5 pola asosiasi yang memiliki tingkat akurasi di atas 0% dengan capaian akurasi tertinggi adalah 3,30 % dan terendah 0,3%.
English Abstract
Retail business requires a strategy to attract more customers. Strategies that can be used is by analyzing the sales transaction data that can be known habits of the consumer goods they buy. Conventional practices by retail stores is to do Market Basket Analysis which is to analyze the relationship of the goods bought by consumers in a one-time purchase. To know the consumer habits need algorithms that can perform data mining on large data such as algorithm FOLD-GROWTH. This algorithm is faster in data mining process than the previous algorithms such as Apriori and the FP Growth. Fold-Growth algorithm uses a data structure SOTRieIT and has 4 steps in exploring the association pattern of frequent itemset 1-2 excavation, trimming items which are not frequent, fp-tree building and excavation frequent itemset to find the rule. Once the pattern is found, the association carried out the calculation of the strength of the pattern of association with the lift value ratio and accuracy. In this study, using data mining sales transaction data from KPRI UB as many as 549 as the training data and 334 as test data. The study was conducted by processing sales transaction data by category of goods bought by consumers. The results of the study by using a minimum support of 1%, 5%, 10% and minimum confidence of 40%, 50%, 60% produced highest value lit ratio by 13% and the lowest was 2.35%. While the level of accuracy of generated 5 pattern association has an accuracy rate above 0% to achieving the highest accuracy is 3.30% and the lowest 0.3%.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2014/200/051406215 |
Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 30 Oct 2014 11:22 |
Last Modified: | 20 Oct 2021 04:44 |
URI: | http://repository.ub.ac.id/id/eprint/145988 |
Preview |
Text
SKRIPSI_-_071093001.pdf Download (5MB) | Preview |
Actions (login required)
![]() |
View Item |