IMPLEMENTASI ALGORITMA FP-GROWTH DALAM MENGANALISA POLA PESANAN BERBASIS WEBSITE PADA DAPUR D3

Penulis

  • Danang Widianto Universitas Budi Luhur
  • Mohammad Syafrullah Teknik Informatika, Universitas Budi Luhur
  • Wahyu Pramusinto Teknik Informatika, Universitas Budi Luhur
  • Painem Painem Teknik Informatika, Universitas Budi Luhur

Kata Kunci:

Data Mining, algoritma fp-growth, Association Rule, Penggalian Data, FP-Growth, Aturan Asosiasi, Dapur D3

Abstrak

Keuntungan adalah salah satu tujuan dari setiap pemilik usaha, keuntungan yang sangat besar dapat diperoleh dari setiap penjualan yang sesuai bahkan melebihi tujuan yang telah ditetapkan. UMKM Dapur D3 merupakan tempat usaha yang baru berdiri sejak tahun 2019 dan bergerak di bidang industri makanan dengan fokus pada produk utamanya yaitu masakan rumahan.  Tempat usaha ini sering kali membuat paket menu makanan namun belum terlaksanakan dengan baik dilihat dari transaksi penjualan yang belum meningkat. Untuk menaikan keuntungan tempat usaha serta untuk mengambil langkah yang tepat dalam menentukan strategi penjualan. Pemilik usaha membutuhkan cukup banyak sumber informasi untuk analisis lebih lanjut. Data mining merupakan bidang dari beberapa bidang keilmuan yang menyatukan teknik dari pembelajaran mesin, pengenalan pola, statistik, database, dan visualisasi untuk penanganan permasalahan pengambilan informasi dari database. Untuk memenuhi kebutuhan tersebut, dengan mengunakan data mining algoritma Frequent Pattern Growth (Fp-Growth) bisa mendapatkan pola pesanan yang paling sering dipesan. Banyak tidaknya suatu pesanan dapat terlihat pada ketiga tolak ukur yaitu : support, confidence dan lift. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam basis data, confidence (nilai kepastian) adalah kuatnya hubungan antar-item, sedangkan lift adalah nilai korelasi antara support dan confidence. Dari hasil penelitian ini didapatkan satu aturan asosiasi terbesar adalah ayam goreng, tongkol balado dan tempe. Dengan nilai support 6.61%, confidence 81.48% dan lift ratio 3.35.

Referensi

A. N. Wawan Adi Purwanto, “Pencarian Pola Asosiasi Data Transaksi Penjulan Sparepart Motor Menggunakan Algoritma Fp-Growth,” pp. 1–6, 2019.

Randi Rian Putrai and Cendra Wadisman, “Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K-Means,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2019, doi: 10.1017/CBO9781107415324.004.

L. Lestari and A. M. Zakiyyah, “Penerapan Algoritma Fp-Growth Untuk Menganalisa Pola Pembelian Konsumen Pada Data Transaksi Penjualan Toko Delima Jaya,” 2020.

I. R. Mahartika and A. Wibowo, “Data Mining Klasterisasi dengan Algoritme K-Means untuk Pengelompokkan Provinsi Berdasarkan Konsumsi Bahan Bakar Minyak Nasional,” Pros. Semin. Nas. SISFOTEK (Sistem Inf. dan Teknol., vol. 3, no. 1, pp. 87–91, 2019.

S. Zuhri Harahap and A. Nastuti, “Teknik Data Mining Untuk Penentuan Paket Hemat Sembako,” vol. 7, no. 3, pp. 111–119, 2019.

M. Subianto, F. AR, and M. Hijriyana P., “Pola peminjaman buku di perpustakaan Universitas Syiah Kuala menggunakan Algoritma Eclat,” Berk. Ilmu Perpust. dan Inf., vol. 14, no. 1, p. 35, 2018, doi: 10.22146/bip.32089.

W. Edi and Nabawi, “Implementasi Data Mining Dengan Metode Algoritma Apriori Untuk Menentukan Pola Pembelian Di Pt Dong Sung Tools,” J. SIGMA, vol. 10, no. 9–1 (87), pp. 153–167, 2019.

H. Budianto and J. Riana, “Penerapan Data Mining menggunakanalgoritma Fp-Growth Untuk Penentuan Strategi Promosi Fakultas Ilmu Komputer Universitas Kuningan,” J. Cloud Inf., vol. 5, no. 1, pp. 22–29, 2020.

K. N. Wijaya, “Analisa Pola Frekuensi Keranjang Belanja Dengan Dengan Perbandingan Algoritma Fp-Growth (Frequent Pattern Growth) dan Eclat pada minimarket,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 364–373, 2020, doi: 10.35957/jatisi.v7i2.380.

Y. D. Lestari, “Penerapan Data Mining Menggunakan Algoritma Fp-Tree Dan Fp-Growth Pada Data Transaksi Penjualan Obat,” Snastikom, no. Snastikom, pp. 60–65, 2015.

M. Rajagukguk, “Implementasi Association Rule Mining Untuk Menentukan Pola Kombinasi Makanan Dengan Algoritma Apriori,” J. Fasilkom, vol. 10, no. 3, pp. 248–254, 2020, doi: 10.37859/jf.v10i3.2308.

A. K. Ningsih and W. Witanti, “Sistem Rekomendasi Penjualan Menu Makanan di UMKM Kuliner Menggunakan Association Rule,” J. ICT Inf. Commun. Technol., vol. 19, no. 2, pp. 87–90, 2021, doi: 10.36054/jict-ikmi.v20i2.265.

I. G. T. ISA and D. Jhoansyah, “Implementasi Association Rules Dalam Menentukan Posisi Gerobak (Studi Kasus: Foodcourt Universitas Muhammadiyah Sukabumi),” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 13, no. 2, p. 65, 2019, doi: 10.30872/jim.v13i2.1273.

Unduhan

Diterbitkan

30-04-2023

Cara Mengutip

Widianto, D., Syafrullah, M., Pramusinto, W., & Painem, P. (2023). IMPLEMENTASI ALGORITMA FP-GROWTH DALAM MENGANALISA POLA PESANAN BERBASIS WEBSITE PADA DAPUR D3 . Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(1), 34–44. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/504

Terbitan

Vol 2 No 1 (2023): Prosiding SENAFTI Ke-2 April 2023

Bagian

Cyber Security

Lisensi

Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 3 4 5 6 > >>