PERBANDINGAN KINERJA ALGORITMA APRIORI DAN FP-GROWTH TERHADAP MARKET BASKET ANALYSIS PADA DATA PENJUALAN BAKERY

Abstrak

Perkembangan teknologi informasi telah mendorong banyak sektor bisnis untuk memanfaatkan data sebagai aset yang sangat berharga, salah satunya dalam analisis pola pembelian konsumen melalui metode Market Basket Analysis. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Apriori dan FP-Growth dalam menganalisis data transaksi penjualan pada toko bakery menggunakan dataset Bakery.csv. Kedua algoritma diuji dengan tiga kombinasi parameter minimum support dan minimum confidence yang berbeda, yaitu Support 0,01 dengan Confidence 0,5; Support 0,02 dengan Confidence 0,6; dan Support 0,05 dengan Confidence 0,7. Metode yang digunakan adalah penerapan algoritma Apriori dan FP-Growth untuk mencari aturan asosiasi yang dapat mengidentifikasi pola pembelian yang sering terjadi. Hasil penelitian menunjukkan bahwa algoritma Apriori lebih efisien dalam hal waktu eksekusi dan penggunaan memori dibandingkan dengan FP-Growth pada dataset yang lebih kecil, sehingga lebih direkomendasikan untuk digunakan dalam analisis Market Basket dengan dataset serupa Bakery.csv. Selain itu, hasil analisis asosiasi ini dapat dimanfaatkan untuk merancang strategi pemasaran berbasis data, seperti cross-selling dan rekomendasi produk, yang dapat diterapkan oleh pelaku bisnis bakery. Saran untuk pengembangan lebih lanjut mencakup peningkatan antarmuka pengguna (UI) agar lebih interaktif dan user-friendly serta pengoptimalan algoritma untuk menangani dataset yang lebih besar. Temuan ini dapat menambah pemahaman tentang aplikasi teknik analisis data dalam industri ritel dan membantu bisnis untuk membuat keputusan yang lebih berbasis data.