Penerapan Algoritma Apriori dan FP-Growth untuk Market Basket Analisis pada Data Transaksi Non Promo

Abstract

Penelitian ini bertujuan untuk mencari aturan asosiasi berdasarkan transaksi member Aksesmu pada item non promo. Metode pada penelitian ini menggunakan Association rules dengan menggunakan algoritma apriori dan FP-Growth untuk mendapatkan Frequent Itemset. Tahap analisis data dilakukan mulai dari Exploratory Data Analysis, Pre-Processing Data, Transformation Data, Data Mining, hingga mengevaluasi hasil aturan asosiasi yang terbentuk. Peneliti melakukan 4 kali percobaan dengan minimal support 0.02 dan minimal confidence 0.25 pada apriori dan FP-Growth merupakan yang terbaik dengan menghasilkan 52 frequent itemset dan 17 aturan asosiasi. Dengan dataset berjumlah 379.635, apriori lebih cepat dalam memproses frequent itemset dengan waktu 1.10 detik sedangkan FP-Growth dengan 1.86 detik. Apriori dan FP-Growth menghasilkan frequent itemset yang sama yaitu kategori tertinggi diperoleh SKT dengan support 0.32 dan SKM dengan support 0.26, tetapi untuk aturan asosiasi terbaik dihasilkan oleh kategori Extruded & Pellet dan Sweetened Condensed Milk dengan confidence 0.47.

This research aims to find association rules based on the transactions of Aksesmu members on non-promo items. The method in this study uses Association rules using the a priori algorithm and FP-Growth to obtain Frequent Itemsets. The data analysis phase is carried out starting with Exploratory Data Analysis, Pre-Processing Data, Transformation Data, and Data Mining, to evaluate the results of the formed association rules. Researchers conducted 4 experiments with a minimum support of 0.02 and a minimum confidence of 0.25 on a priori and FP-Growth was the best by producing 52 frequent itemsets and 17 association rules. With a dataset of 379,635, a priori is faster in processing frequent itemsets with a time of 1.10 seconds while FP-Growth is with 1.86 seconds. Apriori and FP-Growth produce the same frequent itemset, namely the highest category is obtained by SKT with a support of 0.32 and SKM with a support of 0.26, but the best association rules are produced by the Extruded & Pellet and Sweetened Condensed Milk categories with a confidence of 0.47.