Pemodelan Pola Belanja Pelanggan Produk Infrastruktur dan Security menggunakan Algoritma FP-Growth

Abstract

Data transaksi pembelian produk infrastruktur dan security yang diperoleh dari departe- men produk dan sales selama ini hanya menjadi data arsip belaka. Untuk mengoptimalkan penggunaan data transaksi ini, maka dibutuhkan model pola belanja agar menghasilkan infor- masi yang bermanfaat dan dapat meningkatkan penjualan. Tujuan penelitian ini adalah untuk menghasilkan list produk dengan kombinasi item barang yang paling laku, sehingga sales bisa memaksimalkan penjualan dari hasil pemodelan yang dibuat. Metode penelitian menggu- nakan salah satu teknik data mining yang membantu mengidentifikasi dan memprediksi per- ilaku pembelian pelanggan berdasarkan pola pembelian semua pelanggan sebelumnya yang dikenal dengan Market Basket Analysis atau association rule. Data yang diambil yaitu data purchase order tahun 2016 dan 2019 dan algoritma FP- Growth dipilih dalam penelitian ini untuk menentukan himpunan data yang paling sering muncul (frequent itemset ) dalam data. Input dari algoritma ini berupa nilai minimum support dan confidence dan output nya berupa aturan asosiasi. Setelah itu algoritma fp-growth dibandingkan dengan algoritma apriori untuk memastikan kebenaran dari aturan asosiasi dari masing-masing algoritma. Hasil dari pemod- elan ini yaitu aturan asosiasi dari kombinasi itemset dengan jumlah minimum support sebesar 5% dan minimum confidence sebesar 50% menghasilkan 2 pola (rules) terbaik yaitu satu at- uran asosiasi dengan kombinasi produk item Fortinet, Cisco dengan nilai support 12,025% nilai confidence 52,778% dan nilai lift ratio 1,14 dan yang kedua aturan asosiasi dengan kom- binasi Rack, APC dengan nilai support 7,594% nilai confidence 57,143% dan nilai lift ratio 1,53 yang artinya kedua aturan asosiasi mempunyai lift ratio>1, valid dan benar dibeli se- cara bersamaan. Hasil pengujian metode blackbox testing dengan pendekatan metode McCall menyatakan bahwa sistem sesuai dan dapat memenuhi kebutuhan user dengan nilai sebesar 77,6 % (Baik)