Rekomendasi Paket Produk Guna Meningkatkan Penjualan Dengan Metode FP-Growth

Abstract

Perilaku konsumen dalam membeli suatu produk memang sangat beragam. Ada pembeli yang gemar membeli produk yang telah dipaket, tetapi ada juga pembeli yang membeli produk yang mendapat diskon, dan masih banyak lagi. Keragaman perilaku konsumen dalam memilih barang yang ingin dibeli tentunya menjadi permasalahan tersendiri bagi para penjual jika ingin meningkatkan penjualannya. Algoritma FP-Growth sendiri merupakan hasil perbaikan dari algoritma Apriori. FP-Growth membangkitkan struktur data tree atau yang lebih dikenal sebagai frequent pattern tree. FP tree memerlukan dua kali scanning database untuk menentukan frequent itemset sehingga membuatnya lebih efisien dibandingkan Apriori. Hasil dari association rules menggunakan FP-Growth dijadikan rekomendasi bagi para penjual / retailer dalam memberikan paket penjualan barang bagi konsumennya dan hasil dari penelitian ini adalah ditemukan dua pasangan item barang yakni kopi, gula dan teh, susu yang memiliki support sebesar 30% dan confidence sebesar 70%.

Keywords

• fp-growth
• frequent itemset
• association rules