PENERAPAN ALGORITMA FP-GROWTH UNTUK ANALISIS POLA PEMBELIAN KONSUMEN PADA DATA TRANSAKSI RETAIL

Abstract

Perkembangan teknologi informasi membantu mencatat setiap aktivitas penjualan secara lengkap, sehingga menyebabkan jumlah data transaksi pada bidang retail semakin meningkat. Data transaksi tersebut menyimpan banyak informasi penting yang dapat dimanfaatkan untuk mendukung strategi bisnis. Permasalahan yang sering terjadi adalah data transaksi hanya disimpan sebagai arsip tanpa dilakukan analisis lebih lanjut untuk menemukan pola pembelian konsumen. Penelitian ini bertujuan untuk menganalisis pola keterkaitan produk menggunakan metode association rule dengan algoritma FP-Growth pada data transaksi retail. Metode penelitian yang digunakan adalah Knowledge Discovery in Databases (KDD) yang meliputi tahap data selection, preprocessing, transformation, data mining, dan evaluation. Dataset yang digunakan terdiri dari 3.000 transaksi penjualan dengan 119 atribut produk dan diolah menggunakan aplikasi RapidMiner. Hasil penelitian menunjukkan bahwa algoritma FP-Growth mampu menemukan hubungan antar produk yang sering dibeli secara bersamaan oleh pelanggan. Aturan asosiasi dengan nilai confidence tertinggi diperoleh pada kombinasi Olive Oil dan Shrimp terhadap Green Tea dan Mineral Water dengan nilai confidence sebesar 67,4% dan support sebesar 58,2%. Hasil penelitian menunjukkan adanya hubungan yang kuat antar produk yang sering dibeli secara bersamaan oleh pelanggan. Informasi tersebut dapat dimanfaatkan sebagai dasar dalam penyusunan strategi bisnis, seperti promosi produk, pembuatan paket bundling, optimalisasi tata letak produk, pengelolaan persediaan barang, serta penerapan strategi cross-selling untuk meningkatkan penjualan dan kepuasan pelanggan