COMPARATIVE STUDY OF FP - GROWTH AND APRIORI IN GROCERY ANALYSIS

Ahmad Cahyono Adi

Abstract


Abstract: The growing business environment causes the business world to create in order to continue to survive, one of which is by increasing sales. One way is to use the data approach. One method of data approach that is widely used is Market Basket Analysis. This study uses the Market Basket Analysis method with the a priori algorithm and FP-Growth. Grocery dataset analysis using two algorithms, Apriori and FP-Growth using a minimum support parameter of 0.45, has results sorted by the top 10 associations with the best confidence value. The association with the highest support value found is "Whole Milk -> Other Vegetables" with a support value of 0.0748347737. The analysis concludes that both algorithms produce the same association "Other Vegetables -> Whole Milk" with a Support value of 0.0748347737. 

           
Keywords: apriori; FP-Growth; market basket analysis.

 

 

Abstrak : Lingkungan bisnis yang semakin berkembang menyebabkan dunia bisnis harus berkreasi agar dapat terus bertahan, salah satunya dengan cara meningkatkan penjualan. Salah satu caranya adalah dengan menggunakan pendekatan data. Salah satu metode pendekatan data yang banyak digunakan adalah Market Basket Analysis. Penelitian ini menggunakan metode Market Basket Analysis dengan algoritma apriori dan FP-Growth. Analisis dataset grosir menggunakan dua algoritma, Apriori dan FP-Growth dengan menggunakan parameter support minimum 0,45, memiliki hasil yang diurutkan berdasarkan 10 asosiasi teratas dengan nilai confidence terbaik. Asosiasi dengan nilai support tertinggi yang ditemukan adalah “Whole Milk -> Other Vegetables” dengan nilai support sebesar 0,0748347737. Analisis menyimpulkan bahwa kedua algoritma tersebut menghasilkan asosiasi yang sama “Other Vegetables -> Whole Milk” dengan nilai Support sebesar 0,0748347737.

 

Kata Kunci: apriori; FP-Growth; market basket analysis

 


Full Text:

PDF

References


A. Setiawan And and R. Mulyanti, “Market Basket Analysis Dengan Algoritma Apriori Pada Ecommerce Toko Busana Muslim Trendy (Market Basket Analysis With Apriori Algorithms In Ecommerce Trendy Muslim Clothing Stores),” Juita: Jurnal Informatika, vol. 8, pp. 11–18, 2020.

H. Hernawati, “Analisis Market Basket Dengan Algoritma Apriori (Study Kasus Toko Alief),” Ikraith Informatika, vol. 2, no. 1, pp. 13–17, 2018.

M. Prabukusumo And and N. Azhar, “Pemodelan Pola Belanja Pelanggan Produk Infrastruktur Dan Security Menggunakan Algoritma Fp-Growth,” Jurnal Ilmiah Komputasi, vol. 21, pp. 305–316, 2022.

I. W. Anwar Arifin, “PERBAIKAN TATA LETAK PASAR INDUK TRADISIONAL DI SANGATTA DENGAN METODE MARKET BASKET ANALYSIS (MBA),” Res. J. Account. Bus. Manag., vol. 5, no. 2, p. 113, 2022.

A. I. Idris Et, “Comparison Of Apriori, Apriori-Tid And Fp-Growth Algorithms In Market Basket Analysis At Grocery Stores,” Ijics, vol. 6, no. 2, 2022.

H. Harianto And and H. Eddy, “Analisa Data Transaksi Penjualan Barang Menggunakan Algoritme Apriori Dan Fp-Growth,” Jnanaloka, pp. 35–43, 2020.

A. N. Sagin And and B. Ayvaz, “Determination Of Association Rules With Market Basket Analysis: Application In The Retail Sector,” Southeast Eur. J. Soft Comput, vol. 7, no. 1, 2018.

H. Patron, “A Market Basket Analysis Of The Usauto-Repair Industry,” Journal Of Business Analytics Taylor & Francis, vol. 3, no. 2, pp. 79–92.

G. Shmueli, Data Mining For Bussiness Analysis. Hoboken: John Wiley & Sons, 2018.

A. Aldi And and D. Fitrianah, “Penerapan Algoritma Fp-Growth Rekomendasi Trend Penjualan Atk Pada Cv. Fajar Sukses Abadi,” Jurnal Telekomunikasi Dan Komputer, vol. 9, no. 1, pp. 49–60, 2019.

A. H. Nasyuha Et, “Frequent Pattern Growth Algorithm For Maximizing Display Items,” Telkomnika, vol. 19, no. 2, 2020.

S. Hu, Q. Liang, H. Qian, J. Weng, W. Zhou, and P. Lin, “Frequent-pattern growth algorithm based association rule mining method of public transport travel stability,” Int. J. Sustain. Transp., vol. 15, no. 11, pp. 879–892, 2021.

A. Wijaya and A. Raka, Mencari Pola Pembelian Konsumen Menggunakan Algoritma Fp-Growth. 2018.

H. Mauliiya And and A. Jananto, Asosiasi Data Mining Menggunakan Algoritma Apriori Dan Fpgrowth Sebagai Dasar Pertimbangan Penentuan Paket Sembako. 2020.

A. Harahap, A. L. R. Perangin-Angin, K. Kumar, and S. P. Parsaoran, “ANALISIS PENERAPAN DATA MINING DALAM PENENTUAN TATA LETAK BARANG MENGGUNAKAN ALGORITMA APRIORI DAN FP-GROWTH,” Tekinkom, vol. 5, no. 2, p. 291, 2022.

K. Maharana, S. Mondal, and B. Nemade, “A review: Data pre-processing and data augmentation techniques,” Global Transitions Proceedings, 2022.

R. Ramadhan And and E. I. Setiawan, “Market Basket Analysis Untuk Swalayan Ksu Sumber Makmur Dengan Algoritma Fp Growth,” Journal Of Intelligent System And Computation, vol. 2, no. 1, pp. 34–39, 2021.

I. Musdalifah And and A. Jananto, “Analisis Perbandingan Algoritma Apriori Dan Fp-Growth Dalam Pembentukan Pola Asosiasi Keranjang Belanja Pelanggan,” Progresif J. Ilmi. Kom, vol. 18, no. 2, 2022.

A. R. Wibowo And and A. Jananto, “Implementasi Data Mining Metode Asosiasi Algoritma Fp Growth Pada Perusahaan Ritel”,” Jurnal Teknologi Informasi Dan Komunikasi, vol. 10, pp. 200–212, 2020.




DOI: https://doi.org/10.33330/jurteksi.v11i1.3164

Article Metrics

Abstract view : 19 times
PDF - 23 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Royal

Copyright © LPPM UNIVERSITAS ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.