TEKNIK DATA MINING UNTUK PENENTUAN PAKET HEMAT SEMBAKO DAN KEBUTUHAN HARIAN DENGAN MENGGUNAKAN ALGORITMA FP-GROWTH (STUDI KASUS DI ULFAMART LUBUK ALUNG)

Abstract

Dalam  sebuah  bisnis,  diperlukan  upaya  memaksimalkan  keuntungan.Diantaranya dengan melakukan promosi.Minimarket Ulfamart belum melakukan inovasi berupa promosi paket  hemat  kepada  pelanggan.Ketepatan  promosi  dapat  dipelajari  dari  database  sebuah perusahaan ritel utamanya pola belanja pada produk yang biasa dibeli bersamaan. Informasi tentang pola belanja pelanggan yang tidak akurat menyebabkan kebijakan promosi tidak tepat dan efisien.Salah satu upaya lazim untuk memperoleh dan menggali pola belanja pelanggan adalah menggunakan data mining yang dikenal sebagai Knowledge Discovery in Database(KDD).Salah satu teknik data mining adalah Association Rule yang merupakan prosedur dalam Market Basket Analysis.Market basket didefinisikan sebagai suatu itemset yang dibeli secara bersamaan oleh pelanggan dalam suatu transaksi.Market basket analysis adalah suatu alat yang ampuh untuk strategi cross-selling.Suatu pola ditentukan oleh dua parameter, yaitu support (nilai penunjang) dan confidence (nilai kepastian).Algoritma Frequent Pattern Growth (FP-Growth) digunakan untuk membantu menemukan sejumlah aturan asosiasi dari basis data dengan menerapkan struktur data Tree atau disebut dengan FP-Tree.Implementasi menggunakan RapidMiner untuk membantu menemukan pola yang akurat sehingga didapatkan kombinasi item yang dapat dijadikan sebuah paket hemat.

 

Kata kunci :data mining, aturan asosiasi, fp-growth, fp-tree, analisis keranjang belanja

 

Abstract

In a business, it takes effort to maximize profits. Among them by doing promotions. Minimarket Ulfamart has not done innovation in the form of promotion of frugal packages to customers. The precision of promotion can be learned from the database of a retail company primarily  shopping  patterns  on  products  commonly  purchased  simultaneously.  Information about inaccurate customer spending patterns results in inaccurate and efficient promotional policies. One of the most common attempts to acquire and explore customer spending patterns is to use data mining known as Knowledge Discovery in Database (KDD). One of the data mining techniques is the Association Rule which is a procedure in Market Basket Analysis. Market basketball is defined as an itemset purchased simultaneously by the customer in a transaction. Market basket analysis is a powerful tool for cross-selling strategies. A pattern is determined by two parameters, namely support (value of support) and confidence (value of certainty). The Frequent Pattern Growth (FP-Growth) algorithm is used to help find some association rules from the database by applying a Tree Tree structure or called FP-Tree. Implementation using RapidMiner to help find accurate patterns to get a combination of items that can be used as a frugal package.

 

Keywords: data mining, association rule mining, fp-growth,fp-tree,market basket analysis.