Pola Beli Konsumen menggunakan Algoritma Fp-Growth untuk Rekomendasi Promosi penjualan pada Batik Nadya Pekalongan

Abstract

Batik Nadya merupakan toko batik yang berada di Pekalongan. Banyaknya data transaksi pada Batik Nadya yang tersimpan dalam Microsoft Excel, menyebabkan penumpukan data. Himpunan data tersebut dapat diolah sehingga akan menghasilkan informasi yang bertujuan meningkatkan volume penjualan melalui strategi rekomendasi promosi produk batik. Data mining adalah ilmu yang dapat menganalisa data dalam jumlah besar sehingga mendapatkan informasi atau pengetahuan. Association Rule atau Market basket analysis merupakan salah satu teknik dalam data mining untuk menemukan pola pembelian konsumen berdasarkan data transaksi penjualan. Aturan asosiasi memiliki 2 parameter yaitu nilai support (nilai penunjang) dan confidence (nilai kepastian). Untuk menguji kekuatan aturan asosiasi yang terbentuk adalah dengan mengukur nilai lift ratio dari masing-masing rule. Dalam penelitian ini menggunakan Algoritma FP-Growth untuk mengolah data transaksi dalam jumlah besar, sehingga menghasilkan frequent itemsets melalui pembangunan FP-Tree dan menerapkan strategi divide and conquer. Dari pengujian yang dilakukan oleh sistem dengan menerapkan minimum support 2% dan min confidence 35%, menghasilkan tiga aturan asosiasi yang dapat digunakan untuk menentukan rekomendasi promosi produk. Hasil aturan asosiasi yang akan dijadikan target pemberian rekomendasi promosi paket discount item berpasangan pada Batik Nadya adalah produk yang memiliki keterkaitan paling tinggi yaitu {hem pria cap, atasan blus wanita} dengan lift ratio sebesar 1.74564, confidence 0.41042, dan support 2.41%.