Panca Putra Solusindo is a company which sells Electronic equipment. It has a lot of transactions. Among these data, the company has not been able to provide such platform that can be used as information for management to find out which products are most preferred by consumers. Data mining is present to provide information patterns to companies in answering these needs and helping in marketing to be more effective. In this research, the function of the Apriori algorithm association is used to find out the minimum support and minimum confidence and FP-Growth in knowing the frequent itemset and both of them can find out the best rule that occurs in the transaction. These two algorithms are tested by using Weka application version 3.8.
Review Jurnal
Hagugian, P. M. (2017). Pengujian Algoritma Apriori
dengan Aplikasi Weka dalam Pembentukan Asosiation Rule. Jurnal Mantik
Penusa, 98-103.
Kennedi Tampubolon, H. S.
(2013). Implementasi Data Mining Algoritma Apriori pada Sistem Persediaan
Alat-alat Kesehatan. Majalah Ilmiah INTI, 93-106.
Khoiriah, R. Y. (2015).
Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola
Pembelian Obat. Citec Journal, 102-113.
Kusrini, E. T. (2010).
Algoritma Data Mining. In E. T. Luthfi, Algoritma Data Mining.
Yogyakarta: Andi.
Moh Sholik, A. S. (2018).
Implementasi Algoritma Apriori untuk mencari Asosiasi Barang yang dijual di
E-Commerce Ordermas. Techno Com, 158-170.
Nugroho Wandi, R. A. (2012).
Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Penggalian Association
Rule menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan dan
Kearsipan Provinsi Jawa Timur). Jurnal Teknik ITS, 445-449.
Purnamasari, D. (2013). Get
Easy Using Weka. In D. Purnamasari, Get Easy Using Weka. Jakarta: Dapur
Buku.
Samuel, D. (2008). Penerapan
Struktur FP-Tree dan Algoritma FP-Growth dalam Optimasi Penentuan Frequent
Itemset. In D. Samuel, Penerapan Struktur FP-Tree dan Algoritma FP-Growth
dalam Optimasi Penentuan Frequent Itemset. Bandung: Institut Teknologi
Bandung.
Sensuse, G. G. (2012).
Penerapan Metode Data Mining Market Basket Analysis terhadap data Penjualan
Produk Buku dengan menggunakan Algoritma Apriori dan Frequent Pattern
Growth(FP-Growth) Studi Kasus Percetakan PT Gramedia. Telematika MKOM,
118-132.
Suryadi, S. S. (2010).
Menggali Pengetahuan dan Bongkahan Data. In S. S. Suryadi, Menggali
Pengetahuan dan Bongkahan Data. Yogyakarta: Andi Publisher.
Triyanto, W. A. (2014).
Association Rule Mining untuk Penentuan Rekomendasi Promosi Produk. Simetris,
121-126.
Wiyana, S. K. (2018).
Analisis Algoritma FP Growth untuk Rekomendasi Produk pada Data Retail
Penjualan Produk Kosmetik (Studi Kasus: MT Shop Kelapa Gading). Seminar
Nasional Teknologi Informasi, 61-69.