Browsing by Author "Vigi, Bima Alvianto"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    PENGUNAAN ALGORITMA FP-GROWTH DALAM MENGIDENTIFIKASI ASOSIASI PRODUK YANG POTENSIAL UNTUK STRATEGI BUNDLING
    (Program Studi S1 Informatika, 2024) Vigi, Bima Alvianto; Feri Sulianta (Pembimbing)
    Dalam dunia bisnis, strategi pemasaran merupakan kunci untuk kesuksesan. Strategi bundling produk, menawarkan beberapa produk bersama dengan harga menarik, terbukti efektif meningkatkan penjualan. Namun, mengidentifikasi asosiasi produk potensial untuk bundling merupakan tugas yang sangat kompleks, terutama dengan banyak produk yang dimiliki perusahaan. Penggunaan algoritma FP-Growth, alat data mining kuat, membantu perusahaan menganalisis data penjualan dan mengidentifikasi hubungan antar produk. Ini memungkinkan perusahaan dengan lebih efisien menentukan asosiasi produk potensial untuk bundling yang sesuai. Penelitian ini fokus pada penerapan Algoritma FP-Growth dalam konteks strategi bundling produk untuk meningkatkan efektivitas pemasaran dalam era bisnis yang kompetitif. Tujuan penelitian ini adalah untuk mengidentifikasi x produk potensial yang dapat diterapkan dalam paket bundling untuk meningkatkan penjualan dan keuntungan perusahaan. Menggunakan dataset berisi 25.000 data dari Toko Griya Antapani, penelitian ini menggunaka algoritma FP-Growth dengan minimum support sebesar 0,00082 dan min confidence sekitar 0,4 untuk menganalisis pola pembelian dan membentuk aturan bundling produk. Metode penelitian melibatkan langkah-langkah seperti transformasi data transaksi, perbandingan nilai minimum support (min_sup) dengan support count, pembentukan FP-Tree, dan pembangkitan Conditional Pattern Base. Hasil identifikasi asosiasi produk potensial mencakup 1.031 aturan bundling, dengan evaluasi menunjukkan faktor-faktor yang mempengaruhi hasil bundling, seperti min_support dan min_confidence. Hasil dari penelitian dengan berhasil menggunakan algoritma FP-Growth dalam mengidentifikasi asosiasi produk yang relevan. Contoh 3 Strategi bundling yang dihasilkan dari 160 strategi bundling dengan confidence sebesar 100% yaitu (Glico Wings Haku Str N Crispy Choc Monaka100 (C24) dan Campina Concerto Midi Cookie Creamy 80ml (C22)), (Miranda Hair Col MC9 Brown Box dan Emeron Sh Soft Smooth 6x12ml_1C40P), dan (Kings Fisher Sarden Goreng Balado 155g_1C50P dan Tropical Pouch 2000 Ml_1C6P). Analisis ini juga mengungkap bahwa ukuran data, jumlah transaksi, min_support, dan min_confidence memengaruhi hasil bundling. Pemilihan nilai yang tepat untuk parameter tersebut sangat penting untuk mendapatkan hasil bundling yang relevan.