Browsing by Author "Subagja Martawijaya"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA FP-GROWTH DAN APRIORI UNTUK MENGANALISIS POLA PEMBELIAN OBAT
    (Program Studi S1 Informatika, 2023) Subagja Martawijaya; Yan Puspitarani (Pembimbing)
    Rumah Sakit Umum Pusat (RSUP) Hasan Sadikin Bandung merupakan objek penelitian dalam menganalisis pola pembelian dalam industri farmasi khususnya mengenai aktivitas transaksi pola pembelian obat, dengan menggunakan pendekatan metode Analisis Keranjang Belanja (Market basket analysis). Market basket analysis merupakan jenis analisis data yang digunakan dalam mengidentifikasi pola pembelian yang relevan dari transaksi data namun dikarenakan bertambahnya jumlah transaksi dan ketersediaan produk farmasi akibatnya, analisis manual menjadi kurang efektif dan kurang dapat diandalkan sehingga diperlukan algoritma pendukung meliputi Apriori dan Fp-Growth. Apriori bekerja dengan prinsip yang berfungsi dalam mengidentifikasi item-item yang sering dibeli bersama dengan transaksi berdasarkan support dan confidence tertentu. Serta Fp-Growth menggunakan struktur pohon yang berfungsi dalam mengidentifikasi pola pembelian secara lebih efisien dan efektif. Dengan menggunakan 31.618 data transaksi obat di Rumah Sakit Umum Pusat (RSUP) Hasan Sadikin Bandung pada periode penjualan tahun 2021. Tujuan penelitian ini menganalisis perbandingan algoritma berdasarkan jumlah rules yang dihasilkan serta waktu yang dibutuhkan pada penggunaan Market basket analysis dalam mengidentifikasi transaksi pembelian obat. Pada kedua algoritma berhasil diimplementasikan serta menemukan frequent Itemset dengan iterasi hingga ke-3 dengan menggunakan nilai minimum support 0,05 dan confidence 0.2. Hasil menunjukkan bahwa Fp-Growth lebih efisien dalam menghasilkan jumlah aturan asosiasi yang lebih banyak dibandingkan dengan hasil Apriori. Algoritma FpGrowth menghasilkan 28 aturan asosiasi dan Apriori hanya menghasilkan 10 aturan asosiasi dengan lift ratio tertinggi pada kedua algoritma sama yaitu 14.393. Perlu diperhatikan bahwa Fp-Growth memiliki jumlah rules yang lebih banyak, sehingga dalam waktu eksekusi algoritma Fp-Growth sedikit lebih lambat dibandingkan dengan hasil Apriori. Fp-Growth memiliki rata-rata waktu eksekusi sekitar 0,1082 detik, sedangkan Apriori hanya 0,0260 detik. Meninjau berdasarkan jumlah rules yang dihasilkan maka algoritma Fp-Growth jauh lebih efisien dalam menghasilkan aturan asosiasi yang lebih banyak dibandingkan dengan algoritma Apriori.