Komparasi Metode Apriori Dan FP-Growth Untuk Meningkatkan Pola Penjualan

Abstract

Dalam era persaingan bisnis yang semakin ketat, strategi penjualan yang efektif menjadi sangat penting, terutama di sektor ritel. Data transaksi penjualan sering kali hanya disimpan sebagai arsip tanpa dimanfaatkan untuk mendukung keputusan strategis. Penelitian ini bertujuan membandingkan dua algoritma data mining populer, Apriori dan FP-Growth, dalam menganalisis pola penjualan sandal merek Peter. Data transaksi penjualan yang dikumpulkan selama lima bulan diproses menggunakan perangkat lunak RapidMiner untuk menemukan pola pembelian konsumen. Hasil analisis menunjukkan bahwa algoritma Apriori lebih sederhana dalam penerapannya namun membutuhkan waktu komputasi yang lebih lama. Di sisi lain, algoritma FP-Growth lebih cepat dan efisien, terutama untuk dataset besar, meskipun membutuhkan struktur data yang lebih kompleks. Studi ini memberikan panduan praktis bagi perusahaan untuk memilih algoritma yang sesuai dengan kebutuhan analisis data mereka, serta memberikan wawasan tentang pola pembelian konsumen yang dapat dimanfaatkan untuk meningkatkan penjualan.