Pencarian Pola Asosiasi Data Transaksi Penjualan Sparepart Motor Menggunakan Algoritma FP-Growth

Pada saat ini dunia bisnis semakin berkembang pesat, terutama dalam dunia perdagangan, banyaknya data transaksi penjualan yang disimpan menyebabkan penumpukan data, yang mana data tersebut dapat proses lebih lanjut menjadi suatu informasi yang berguna dalam pengambilan keputusan. PT. Part Station merupakan perusahaan di Indonesia yang bergerak dibidang retail dengan produk utama otomotif. Perusahaan tersebut memiliki kendala dalam mengelola penempatan barang yang beragam, dari banyaknya barang yang terdapat pada data transaksi penjualan, dapat diketahui kebiasaan pelanggan mengenai barang apa saja yang sering dibeli secara bersamaan. Oleh sebab itu perusahaan harus mengambil keputusan yang tepat dalam menentukan strategi pengaturan tata letak barang untuk meletakkan barang secara optimal, agar karyawan bisa melayani pembeli dengan lebih cepat dan mudah. Dengan adanya metode association rule diharapkan dapat membantu perusahaan mengetahui berapa rule yang dihasilkan dengan batasan minimum support dan minimum confidence untuk rekomendasi peletakan barang. Algoritma FP-Growth merupakan algoritma yang sangat efisien dalam pencarian frequent itemset dalam sebuah kumpulan data dengan membangkitkan struktur prefix-tree atau disebut dengan FP-Tree. Hasil perhitungan dari 383 data transaksi tahun 2017 dengan eksperimen minimum support 10% sampai dengan 100% dan minimum confidence 10% sampai dengan 100% dengan kenaikan pertingkat 10% Ditemukan 4 rule pada minimum support 10% dan minimum confidence 10% sampai dengan 20%, sedangkan 2 rule ditemukan pada minimum confidence 30% sampai dengan 60%, sedangkan 1 rule ditemukan pada minimum confidence 70%. Sedangakan rule tidak ditemukan pada minimum confidence 80% sampai dengan 100% dan Pada minimum support 20% atau lebih.