Pengaturan Tata Letak Produk Fashion dengan FP-Growth untuk Peningkatan Penjualan UMKM
DOI:
https://doi.org/10.71302/jbidai.v8i1.69Kata Kunci:
Tata Letak, FP-Growth, Association Rule, PenjualanAbstrak
Penerapan teknik data mining dalam dunia bisnis memberikan kontribusi signifikan dalam pengambilan keputusan strategis. Penelitian ini mengimplementasikan algoritma FP-Growth untuk menganalisis pola pembelian konsumen di Toko Zaynthary, sebuah toko fashion di Kota Tarakan. Sebanyak 161 data transaksi penjualan dikumpulkan dan diolah untuk menemukan frequent itemset dan association rule yang merepresentasikan hubungan antar produk. Hasil penelitian menunjukkan bahwa terdapat kombinasi item yang sering dibeli secara bersamaan, seperti {Blouse → Jeans} dengan nilai confidence 55%, sehingga direkomendasikan untuk diletakkan berdekatan dalam penataan etalase toko. FP-Growth terbukti efektif dalam mengeksplorasi pola pembelian konsumen dan memberikan rekomendasi tata letak barang yang dapat menunjang peningkatan penjualan. Hasil ini dapat dijadikan acuan strategis dalam perancangan layout toko fashion berbasis data
Referensi
[1] S. Kusuma, Manajemen Pemasaran di Era Digitalisasi, 1st ed. Padang, Sumatera Barat: Takaza Innovatix Labs, 2024.
[2] A. A. Baskara, N. M. Piranti, and M. F. Romdendine, “Framework Data Mining : Sebuah Survei,” J. Mhs. Tek. Inform., vol. 9, no. 3, pp. 4886–4895, 2025.
[3] M. Shawkat, M. Badawi, S. El-ghamrawy, R. Arnous, and A. El-desoky, “An optimized FP-growth algorithm for discovery of association rules,” J. Supercomput., vol. 78, no. 4, pp. 5479–5506, 2022, doi: 10.1007/s11227-021-04066-y.
[4] W. H. Belkadi, Y. Drias, and H. Drias, “Quantum FP-Growth for Association Rules Mining,” in International Symposium on Quantum Sciences: Applications and Challenges, Springer, 2024, pp. 91–106. doi: 10.1007/978-3-031-59318-5_8.
[5] R. Fitria, W. Nengsih, and D. H. Qudsi, “Implementasi Algoritma FP-Growth Dalam Penentuan Pola Hubungan Kecelakaan Lalu Lintas,” J. Sist. Inf., vol. 13, no. 2, pp. 118–124, 2017, doi: 10.21609/jsi.v13i2.551.
[6] A. Muhamad Andika, N. Suarna, and R. D. Dana, “Analisa Dataset Asosiasi Penjualan Menggunakan Metode FP-Growth,” J. Teknol. Ilmu Komput., vol. 2, no. 1, pp. 80–88, 2023, doi: 10.56854/jtik.v2i1.108.
[7] Rhayatun Aviqah, A. Muhammad, and E. P. W. Mandala, “Penerapan Metode FP-Growth Dalam Optimalisasi Bisnis Retail,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 4, no. 3, pp. 821–831, 2023, doi: 10.37859/coscitech.v4i3.5487.
[8] M. Maulana, “Penerapan Algoritma Apriori Dan Algoritma Fp-Growth Dalam Menemukan Hubungan Data Nilai Ijazah Matematika dan Bahasa Inggris Dengan Nilai Mata Pelajaran Pemrograman Dan Web Programming (Studi Kasus SMK Sandikta Kelas X Bekasi),” JUPITER J. Comput. Inf. Technol., vol. 1, no. 2, pp. 59–75, 2020, doi: 10.53990/jupiter.v1i2.9.
[9] S. Junaidi et al., Buku Ajar Machine Learning. 2024. [Online]. Available: www.buku.sonpedia.com
[10] R. Agrawal and R. Srikant, “Fast Algorithms for Mining Association Rules,” Proc. 20th Int. Conf. Very Large Data Bases, {VLDB’94}, pp. 487–499, 1994, [Online]. Available: citeseer.ist.psu.edu/agrawal94fast.html
[11] J. Han, J. Pei, and Y. Yin, “Mining Frequent Patterns without Candidate Generation,” ACM Sigmod Rec., vol. 29, no. 2, pp. 1–12, 2000, doi: 10.1145/335191.3353.
[12] M. Tahir and N. Sitompul, “Penerapan Algoritma Fp-Growth Dalam Menentukan Kecenderungan Mahasiswa Mengambil Mata Kuliah Pilihan,” J. Ilm. NERO (Network Eng. Res. Oper., vol. 6, no. 1, pp. 59–66, 2021, doi: 10.21107/nero.v6i1.216.
[13] S. A. Rahmah, Zulham, and I. Rusydi, “Kajian Literatur Masalah - Masalah Yang Dihadapi Dengan Menggunakan Algoritma FP-Growth dan Apriori,” Proceeding Semin. Nas. Ilmu Komput., vol. 1, no. 1, pp. 235–240, 2021.
[14] Y. Syach Putra, R. Kurniawan, and Y. Arie Wijaya, “Penerapan Data Mining Menggunakan Algoritma Fp-Growth Pada Data Penjualan Sembako,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 561–567, 2024, doi: 10.36040/jati.v8i1.8391.
[15] C. H. Chee, J. Jaafar, I. A. Aziz, M. H. Hasan, and W. Yeoh, “Algorithms for frequent itemset mining: a literature review,” Artif. Intell. Rev., vol. 52, no. 4, pp. 2603–2621, 2019, doi: 10.1007/s10462-018-9629-z.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
