PROGRAM STUDI MAGISTER ILMU KOMPUTER

FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS BUDI LUHUR
JAKARTA
GASAL 2021/2022

ANALISIS METODE FPG- GROWTH DAN APRIORI UNTUK

MENENTUKAN POLA PEMBELIAN KONSUMEN DI MASA
PANDEMI
(STUDI KASUS: HENDRA MART)
Rina Megawati.H
1911601183
 Dengan adanya PSBB pemerintah melalui Peraturan Menteri
Kesehatan (Permenkes) No. 9 tahun 2020 mengenai Pedoman
PSBB. Hal ini menyebabkan terjadinya penutupan di sejumlah
pusat keramaian, seperti sekolah, tempat rekreasi, hingga tempat
kerja. Dengan adanya kebijakan tersebut beberapa sector
mengalami kinerja yang menurun dan tidak efektif. Seperti
dialami pada sector ritel (Minimarket).

Adapun pada penelitian ini mengangkat masalah yang ada di

Hendra Mart, yaitu masih belum teroganisirnya produk-produk
yang paling banyak terjual dan saling berhubungan, yang
diletakkan pada rak-rak produk, kemudian belum maksimalnya
promosi produk-produk yang dibuat dalam satu paket yang
saling berhubungan. Selain itu masih banyak produk-produk
yang di produksi namun proses penjualannya tidak atau belum
maksimal.
 Dari kasus yang terjadi di Hendra Mart tersebut penelitian ini
akan mencoba memberikan usulan terkait sebuah cara bagi
penganalisaan data penjualan produk untuk memaksimalkan
strategi pemasaran dan promosi produk dari sebuah retail. Tidak
hanya memaksimalkan strategi pada pemasaran dan promosi
produk saja, namun dapat juga memberikan rekomendasi untuk
bagian terkait. Seperti pada bagian gudang dalam memberikan
rekomendasi jumlah produk yang akan beli supplier sesuai
dengan hasil analisa data penjualan pelanggan tersebut. Selain
itu pula mencegah terjadinya over stock yang akan berdampak
pada jumlah produk yang kadaluarsa menjadi berlebihan
Identifikasi
Masalah Masih belum teroganisirnya produk-produk yang
paling banyak terjual dan saling berhubungan selama
01 pandemic Covid-19 yang mengakibatkan Persedian
Barang yang tidak Menentu dan Distibusi yang
terhambat selama Pembatasan Sosial Berskala
Besar

Belum adanya sebuah model yang memberikan

02
informasi mengenai pola pembelian barang dari
jumlah penjualan produk dengan persediaan barang
atau Stok Barang yang ada di Hendra Mart
Pembatasan
Masalah Data yang digunakan adalah Data Penjualan Barang-
Barang yang di Hendra Mart tahun 2019, 2020 dan
01 2021 (Januari sampai Agustus tahun 2021).

Perbandingan Algoritma FP-Growth dengan

02 Apriori
 Rumusan Masalah

Contents _ Graph Contents _ Graph

Bagaimana menganalisis data penjualan di Bagaimana perbedaan atura-aturan yang

Hendra mart, untuk mendapatkan pola C dihasilkan oleh algoritm Fp-Growth dan
Pe onte
produk-produk yang paling banyak terjual rfo nt Algoritma Apriori?
rm s
an t e nts ce
dan saling berhubungan di Hendra mart ce n
Co orma
n
untuk mengetahui ketersedian barang rf
Pe
digudang?

Contents
Performance

Contents _ Graph
Bagaimana perbandingan jumlah rule, waktu eksekusi,
dan nilai lift ratio dari penerapan algoritma Fp-Growth
dan Algoritma Apriori?
 Timeline Style
No Peneliti, Tahun Judul Penelitian Persamaan Perbedaan
Penelitian Sebelumnya Penelitian Sekarang
1 Kurniawan, Sigit, Analisis Algoritma FP-Growth Algoritma Fp-Growth dan Untuk rekomendasi produk Untuk informasi stok
Windu Gata, And Untuk Rekomendasi Produk Pada data retail penjualan komsestik barang di Hendra
Hari Wiyana. 2018 Data Retail Penjualan Produk mart dan tambahan
Kosmetik (Studi Kasus: MT Shop algoritma Apriori
Kelapa Gading).
2 "Penerapan Data Mining Persediaan sparepart Persediaan bahan-
Pranata, Boby Algoritma FP-Growth Untuk bengkel motor bahan primer dan
Persediaan Sparepart Pada Algoritma Fp-growth dan sekunder di Hendra
Septia, and Dito
Bengkel Motor (Study Kasus persediaan barang mart dan tambahan
Putro Utomo. 2020
Bengkel Sinar Service). algoritma apriori
3 "Penerapan Data Mining Untuk Data penjualan toko Persediaan bahan-
Menganalisa Data Penjualan Pada bangunan bahan primer dan
Toko Bangunan Restu Bunda Data penjualan dan algoritma sekunder di Hendra
Rudianto 2019
Menggunakan Metode Apriori." apriori mart dan tambahan
algoritma Fp-Growth
4 Metode Timeseries K-Nearest Metode Timeseries K- Metode FP-Growth
Hamdi, Abi, Fatma Neighbor Regression Dalam Nearest Neighbor dan Apriori
Indriani, And Prediksi Barang Keluar Pada Regression
Data barang keluar
Muliadi Muliadi Gudang Pt Putra Prenuer
2019 Banjarbaru “
5 Implementasi Data Mining Untuk Persediaan bahan kimia Persediaan bahan-
Erwansyah, Kamil Menganalisa Hubungan Data Data Penjualan dan algoritma bahan primer dan
2019 Penjualan Produk Bahan Kimia Fp-Growth sekunder di Hendra
Terhadap Persedian Stok
Hipotesis 01
Diduga data penjualan dapat dilakukan analisis untuk
memberikan informasi mengenai produk-produk yang
paling banyak terjual dan saling berhubungan di
Hendra mart untuk masa pandemic saat ini.

Diduga aturan-aturan yang dihasilkan di algoritma

02
Fp-Growth berbeda dengan Algoritma Apriori

1. Diduga dengan perbandingan waktu eksekusi dan

03 Memori yang digunakan pada nilai Lift Ratio data
penjualan barang dari transaksi yang sudah ada maka
informasi yang di hasilkan akan lebih akurat. Dan
jika metode ini berhasil memberikan informasi untuk
kebutuhan penyediaan stok barang pada Hendra mart
pada masa pandemic ini terjadi.
 Infographic Style

Observasi
Studi pustaka
Dalam tahapan ini penulis melakukan
Dalam tahapan ini penulis
observasi penelitian yang penulis
melakukan studi pustaka untuk
lakukan baik itu dalam sistem yang
mendapatkan informasi dan data
penulis buat maupun observasi tentang
yang dapat menunjang untuk
Implementasi Perbandingan Pola Stok
dasar penelitian.
Barang Supermaket Pada Masa Pandemi
Dengan Metode Fp Growth Dan Apriori
(Studi Kasus: Hendra Mart)

Dokumentasi
Dalam tahapan ini penulis
melakukan dokumentasi sebagai
bukti bahwa penulis melakukan
penelitian. Dokumentasi ini bisa
berupa foto maupun dokumen
yang lain
LANGKAH PENELITIAN

Gambar 3.1 Model Cross Standard Industries Process for Data Mining
 PEMBAHAN & HASIL
1. Pengumpulan Data
Dalam penelitian ini dilakukan beberapa tahapan pengumpulan data. Dimana tahapan tersebut sebagai berikut:
• Studi Pustaka
Dalam tahapan ini didapatkan 9 jurnal sebagai refrensi dan contoh penelitian sebelumnya. 9 jurnal tersebut ada di bab
2 tinjauan study. Serta dijabarkan perbedaan penelitian sekarang dan penelitian sebelumnnya.
• Dokumentasi
Dalam tahapan ini didapatkan dokumentasi penjualan dari Hendra Mart. Dimana dokumentasi penjualan tersebut
didapatkan data penjualan tahun 2019, 2020 dan 2021.
• Observasi
Dalam tahapan ini dilakukan pengamatan data dimana data yang akan dipakai maupun data yang tidak akan dipakai.
Data yang dipakai yaitu data yang berkaitan dengan bahan pokok seperti data makanan, susu, mie, telur dan Roti.
 PEMBAHASAN & HASIL
• Sampling
Tahapan ini dilakukan pengambilan sampling yang ada di data penjualan dimana masing-masing tahun akan
didapatkan sampling data. Pada tahun 2019 didapatkan data sampling sebanyak 1218 dimana data tersebut terdiri
dari data makanan, susu, minuman dan mie. Sedangkan data sampling tahun 2020 didapatkan data sebanyak 1194
data yang terdiri dari makanan, susu, minuman dan mie. Dan data tahun 2021 didapatkan data sebanyak 864 data
yang terdiri dari the, telur, mie dan makanan.
 KESIMPULAN
1. Dari hasil yang sudah didapatkan barang yang sering laku di data tranning pada algoritma FP-Growth dan Apriori
adalah minuman, minyak goreng, air mineral, mie, susu dan mie cup. Sedangkan pada algoritma Fp-Growth dan Apriori
pada data testing adalah mie cup, mie, minuman, susu, telur, the.
2. Didapatkan data lift ratio yang berbeda pada algoritma FP- Growth dan Apriori pada data testing maupun data tranning.
Salah satu contohnya didata testing algortima Apriori teh, mie dan susu mendapatkan support 30,43% dan Lift Ratio
1,21 sedangkan didata testing algoritma FP-Growth support 28,26% dan Lift Ratio 1,21.
3. Didapatkan waktu yang berbeda pada kedua algoritma. Salah satunya didata testing algoritma FP Growth didapatkan
0,02357 detik dengan memori yang dihasilkan 350,21 kilo byte, sedabgkan algortima Apriori mendapatkan waktu
0,04241 Detik dengan memori yang digunakan 260,15 kilo byte
 
 SARAN
1) Diharapkan dapat menganalisis lebih lanjut untuk pengembangan data penjualan pada Hendra mart agar
mendapatkan hasil yang lebih banyak untuk persedian barang yang ada.
2) Melakukan analisis lanjutan dengan metode gabungan lainnya.