ANALISIS KOMPARASI ALGORITMA APRIORI DAN FP-GROWTH DALAM MENEMUKAN POLA ASOSIASI PRODUK PADA SUPERMARKET

Rahayu, Vita (2022) ANALISIS KOMPARASI ALGORITMA APRIORI DAN FP-GROWTH DALAM MENEMUKAN POLA ASOSIASI PRODUK PADA SUPERMARKET. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 19.52.1280 Vita Rahayu.pdf Download (3MB)

Abstract

Data mining adalah proses dengan menggunakan berbagai teknik seperti asosiasi dengan menggunakan algoritma tertentu untuk mengidentifikasi informasi yang bermanfaat dan pengetahuan yang yang terdapat pada dataset. Algoritma apriori dan fp-growth merupakan beberapa algoritma untuk mencari pola hubungan antara satu atau lebih item dalam suatu dataset. Penelitian ini melakukan perbandingan kedua algoritma tersebut untuk mengetahui tingkat dari kepercayaan dan keakuratan suatu data asosiasi yang dihasilkan berdasarkan nilai support, confidence dan lift rasio dengan menggunkan data transakasi pada supermarket Al-baik sebagai dataset. Proses analisis dimulai dengan melakukan rekapitulasi datasets dari format .pdf kedalam format .csv dan selajutnya dilakukan transformasi data untuk meyesuakian format yang telah ditentukan oleh library mlxtend sehingga dapat dijadikan sebagai data masukan untuk kedua algoritma tersebut. Proses pengujian untuk kedua algoritma tersebut menggunakan parameter minimum nilia support 5% dan 3% dengan menggunakan data transaksi pada awal, tenga dan akhir bulan November 2018 sampai dengan Januari 2019. Hasil analisis terhadap perbandingan kedua algoritma tersebut menunjukkan adanya kemasaan terhadap jumlah dan niliai tingkat kepercaan terhadap association rules yang dihasilkan dimana julah rules yang dihasilkan dengan menggunakan parameter minimal support 5% dan minimal confidence 50% adalah 16 rules dengan lift rasio tertinggi 5,49 yaitu “jika seseorang membeli pelembut pakaian maka akan membeli deterjen” yang terjadi pada awal Desember 2018 dan yang dihasilkan dengan menggunakan parameter minimal support 3% dan minimal confidence 50% adalah 61 rules dengan lift rasio tertinggi 8,60 yaitu “jika seseorang membeli sabun dan makanan ringan maka akan membeli shampo” yang terjadi pada awal November 2018. Meskipun association rules yang dihasilkan oleh kedua algoritma tersebut sama tetapi tidak dengan waktu proses dimana pengujian yang dilakukan masing-masing sebanyak 9 kali dengan menggunakan datasets yang berbeda hasilnya menunjukkan algoritma fp-growth lebih cepat dengan waktu proses rata-rata 29,94 ms untuk mimimal support 5% dan 36,64 ms untuk minimal support 3% dibandingkan dengan algoritma apriori yang melakukan proses dengan waktu rata-rata 35,20 ms untuk mimimal support 5% dan 40,18 ms untuk minimal support 3%.

Actions (login required)

View Item