Komparasi Algoritma Pincer Search dan Algoritma FP-Growth
DOI:
https://doi.org/10.33633/tc.v21i2.5803Keywords:
Data Mining, Aturan Asosiasi, Algoritma Pincer Search, Algoritma FP-GrowthAbstract
Jumlah pembelian barang setiap harinya berbeda-beda karena itu permasalahan kekurangan stock barang dapat terjadi dan mengakibatkan ketidakpuasan pelanggan dalam berbelanja karena tidak tersedianya produk yang diinginkan. Permasalahan kekurangan stock barang dapat diminimalisir dengan melakukan penelitian mengenai data mining asosiasi menggunakan data transaksi penjualan dari Toko X berdasarkan metode algoritma pincer search dan algoritma FP-Growth. Penelitian ini bertujuan untuk mendapatkan association rule dan jumlah kemunculan frequent item set dalam data transaksi melalui minimum support yang dimanfaatkan untuk mengatasi permasalahan kekurangan stock barang di Toko X serta melakukan komparasi algoritma pincer search dan algoritma FP-Growth terhadap waktu pemrosesan data, frequent item set, rule, confidence dan lift ratio dengan bahasa pemrograman Python. Komparasi algoritma pincer search dan algoritma FP-Growth terhadap frequent item set, rule, confidence dan lift ratio dengan bahasa pemrograman Python memperoleh hasil yang sama, tetapi waktu yang dibutuhkan dalam pemprosesan data berbeda yang disebabkan oleh minimum support, jumlah transaksi dan jumlah item serta alur proses data yang berbeda dari kedua metode.References
I. M. S. P. Ni Putu Ratindia Apriyanti, I Ketut Gede Darma Putra, “Peramalan Jumlah Kecelakaan Lalu Lintas Menggunakan Metode Support Vector Regression,” Menara Penelit. Akad. Teknol. Inf., vol. 8, no. 2, hal. 72–80, 2020.
D. P. S. P. Putu Githa Pratiwi, I Ketut Gede Darma Putra, “Peramalan Jumlah Tersangka Penyalahgunaan Narkoba Menggunakan Metode Multilayer Perceptron,” Menara Penelit. Akad. Teknol. Inf., vol. 7, no. 2, hal. 0–7, 2019.
K. C. Rahma Wati Br Sembiring Berahmana, Fahd Agodzo Mohammed, “Customer Segmentation Based on RFM Model Using K-Means, K-Medoids, and DBSCAN Methods,” Lontar Komput., vol. 11, no. 1, hal. 32–43, 2020.
A. B. P. Rusnandi, Suparni, “Penerapan Data Mining Untuk Analisis Market Basket Dengan Algoritme FP-Growth Pada PD Pasar Tohaga Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI | 120,” J. Nas. Pendidik. Tek. Inform., vol. 9, no. 1, hal. 119–133, 2020.
M. N. Biman Giri, Sivagami M, “Frequent Item Set Mining for Data Streaming using Spark with Pincer Search Algorithm,” Int. J. Recent Technol. Eng., vol. 7, no. 6, hal. 40–45, 2019.
N. A. Novalia Barkah, Entin Sutinah, “Metode Asosiasi Data Mining Untuk Analisa Persediaan Fiber Optik Menggunakan Algoritma Apriori,” J. Kaji. Ilm., vol. 20, no. 3, hal. 237–248, 2020.
S. Laili Zami Saputri, “Penerapan Data Mining Pembuatan Produk Baru Tinta Menggunakan Metode Algoritma Apriori,” J. Manaj. Inform. Jayakarta, vol. 1, no. 9, hal. 320–335, 2021.
S. Kurniawan, W. Gata, dan H. Wiyana, “Analisis Algoritma FP-Growth Untuk Rekomendasi Produk Pada Data Retail Penjualan Produk Kosmetik ( Studi Kasus : Mt Shop Kelapa Gading ),” in Seminar Nasional Teknologi Informasi dan Komunikasi, 2018, vol. 2018, no. Sentika, hal. 23–24.
T. M. Satrio Junaidi, “Metode Data Mining Association Rule Dengan Algoritma FP-Growth Untuk Mengetahui Kelulusan Tepat Waktu Mahasiswa (Studi Kasus STIKIP PGRI Sumatera Barat),” J. Edik Inform., vol. 5, hal. 41–53, 2018.
A. R. Wijaya dan A. Jananto, “Mencari Pola Pembelian Konsumen Menggunakan Algoritma FP-Growth,” Din. Inform., vol. 10, no. 1, hal. 1–7, 2018.
I. F. Rozi, H. Pradibta, S. Windy, dan K. Putri, “Penerapan Market Basket Analysis Pada Data Penjualan Menggunakan Algoritma Pincer Search,” in Seminar Informatika Aplikatif Polinema, 2020, hal. 30–34.
A. F. R. AuzanWidyan, “Analisis Rekomendasi Produk Menggunakan Algoritma Eclat Berdasarkan Riwayat Data Penjualan PT XYZ,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 3, no. 2, hal. 395–411, 2021.
M. D. Lisnawita, “Analisis Perbandingan Algoritma Apriori Dan Algoritma Eclat Dalam Menentukan Pola Peminjaman Buku Di Perpustakaan Universitas Lancang Kuning,” J. Inovtek Polbeng - Seri Inform., vol. 3, no. 2, hal. 118–130, 2018.
S. S. Fironika Mayuni, “Perbandingan Algoritma Apriori dan Algoritma Eclat Dalam Penentuan Pola Peminjaman Buku Pada Perpustakaan Universitas Bina Darma Palembang,” in Bina Darma Conference on Computer Science, 2018, hal. 87–100.
S. N. Krisna Nata Wijaya, Reza Firsandaya Malik, “Analisa Pola Frekuensi Keranjang Belanja Dengan Perbandingan Algoritma Fp-Growth ( Frequent Pattern Growth ) Dan Eclat Pada Minimarket,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 2, hal. 364–373, 2020.
A. K. Siregar et al., “Perbandingan Algoritme FP-Growth dan Eclat untuk Analisis Pola Pembelian Konsumen pada Toko ‘ X ,’” in Conference on Information Technology, Information System and Electrical Engineering, 2018, hal. 125–128.
H. Maulidiya dan A. Jananto, “Asosiasi Data Mining Menggunakan Algoritma Apriori dan FP-Growth Sebagai Dasar Pertimbangan Penentuan Paket Sumbako,” in Seminar Nasional Multi Disiplin Ilmu, 2020, hal. 978–979.
A. Anggrawan dan C. Satria, “Menentukan Akurasi Tata Letak Barang dengan Menggunakan Algoritma Apriori dan Algoritma FP-Growth,” J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, hal. 125–138, 2021.
R. N. Kahar, “Perbandingan Analisa Marker Basket Terhadap Data Penjualan Minimarket Dengan Algoritma Apriori , FP-Growth , Dan Fuzzy C-Covering,” in Prosiding Seminar Nasional Informatika, 2021, vol. 3, hal. 250–268.
Y. Fakir, C. Esaili, M. Fakir, dan R. Elayachi, “Extraction of Itemsets Frequents,” Int. J. Math. Res., vol. 12, no. 1, hal. 23–32, 2020.
A. Sharma dan A. Ganpati, “Association Rule Mining Algorithms : A Comparative Review,” Int. Res. J. Eng. Technol., vol. 08, no. 11, hal. 848–853, 2022.
Downloads
Published
Issue
Section
License
Copyright (c) 2022 Putu Ratih Wulandari, I Made Agus Dwi Suarjaya, Ni Kadek Dwi Rusjayanthi
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Pernyataan Lisensi
Artikel yang diterbitkan dalam jurnal Techno.Com dilisensikan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional (CC BY-NC 4.0).
Anda diperbolehkan untuk menyalin, mendistribusikan, menampilkan, dan melakukan karya dari artikel ini serta membuat karya turunan selama Anda memberikan kredit yang sesuai kepada penulis asli dan tidak menggunakan karya ini untuk tujuan komersial. Untuk melihat salinan lisensi ini, kunjungi [Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/).
---
Contoh pengkreditan:
- Penulis: [Nama Penulis]
- Judul Artikel: [Judul Artikel]
- Jurnal: Techno.Com, Vol. [Nomor Volume], No. [Nomor Edisi], Tahun [Tahun Penerbitan]
Jika Anda ingin menggunakan karya ini untuk tujuan komersial, Anda harus mendapatkan izin terlebih dahulu dari penulis atau penerbit.
---
