PENERAPAN ALGORITMA FP-GROWTH UNTUK MENGANALISA POLA PEMBELIAN KONSUMEN PADA DATA TRANSAKSI PENJUALAN DI TOKO DELIMA JAYA

Lestari, Lutvi (2021) PENERAPAN ALGORITMA FP-GROWTH UNTUK MENGANALISA POLA PEMBELIAN KONSUMEN PADA DATA TRANSAKSI PENJUALAN DI TOKO DELIMA JAYA. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text a. PENDAHULUAN.pdf Download (1MB)
	Text b. abstrak.pdf Download (324kB)
	Text c. BAB I.pdf Download (391kB)
	Text d. BAB II.pdf Restricted to Repository staff only Download (468kB) \| Request a copy
	Text e. BAB III.pdf Restricted to Repository staff only Download (680kB) \| Request a copy
	Text f. BAB IV.pdf Restricted to Repository staff only Download (768kB) \| Request a copy
	Text g. BAB V.pdf Restricted to Repository staff only Download (198kB) \| Request a copy
	Text h. DAFTAR PUSTAKA.pdf Download (202kB)
	Text i. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text j. ARTIKEL.pdf Download (803kB)

Abstract

Toko Delima Jaya merupakan sebuah toko yang berada di bidang penjualan barang seperti kosmetik dan peralatan rumah tangga. Permasalahan yang terjadi pada toko Delima Jaya yaitu terjadinya kekurangan di suatu produk dan kelebihan di produk yang lain, oleh sebab itu toko harus mencari keputusan dengan melihat produk yang penjualan paling tinggi untuk mengelola barang yang dijual secara optimal, agar karyawan dapat melayani konsumen dengan mudah sesuai pola pembelian konsumen. Dengan metode association rule dapat membantu toko untuk mengetahui berapa rule yang dihasilkan dengan menggunakan batasan minimum support dan minimum confidence untuk rekomendasi produk. Algoritma FP-Growth merupakan algoritma yang efektif dalam pencarian frequent itemset dalam sebuah kumpulan data dengan membangkitan struktur FP-Tree. Hasil perhitungan dari 623 data transaksi penjualan pada tahun 2020 dengan minimum support 5%, 10%, 20% dan minimum confidence 10%, 15%, 20%. Ditemukan 9 rule pada minimum support 5% dan minimum confidence 10%, sedangkan ditemukan 3 rule pada minimum support 10% dan minimum confidence 15%, dan ditemukan 3 rule pada minimum support 10% dan minimum confidence 20%. Sedangkan rule tidak ditemukan pada minimum support 20% dan minimum confidence 20% di karenakan item yang memenuhi minimum support 20% hanya 3 item.

Item Type:

Thesis (Undergraduate)

Subjects:

000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data

Divisions:

Faculty of Engineering > Department of Informatics Engineering (S1)

Department:

S1 Teknik Informatika

Depositing User:

Lestari Lutvi

Contributors: