Tugas Akhir Mahasiswa NIM 15220005

Tugas Akhir Mahasiswa NIM 15220005

• By Machdi, Handika Zaky;
• Skripsi
• 0
• 132

Penelitian ini menganalisis pola pembelian produk handuk pada Toko Karambia 1011 di marketplace Shopee, membandingkan Apriori dengan FP-Growth, serta mengimplementasikan aturan asosiasi dalam prototipe rekomendasi. Tahapan mengikuti Knowledge Discovery in Databases, meliputi seleksi, prapemrosesan, transformasi, data mining, dan interpretasi/evaluasi. Sebanyak 64.454 baris data diolah menjadi 57.044 keranjang transaksi dengan 440 item unik. Pada minimum support 0,1%, minimum confidence 30%, dan panjang itemset maksimal tiga, diperoleh 118 frequent itemset serta 11 aturan dengan lift lebih dari satu. Aturan Biru dan Maroon menuju Hijau pada Handuk Guci Jumbo memiliki support 0,1911%, confidence 37,33%, dan lift 22,2972. Eksperimen perbandingan pada data dan parameter yang sama menghasilkan itemset dan aturan identik. Median lima pengukuran waktu penambangan adalah 0,807 detik untuk Apriori dan 3,704 detik untuk FP-Growth, dengan median puncak memori proses masing-masing 835,72 MiB dan 691,13 MiB. Hasil ini berlaku pada lingkungan dan implementasi pengujian, bukan keunggulan universal algoritma. Sebelas aturan disimpan dalam SQLite dan diakses melalui REST API lokal untuk menampilkan rekomendasi berdasarkan produk yang dipilih. Prototipe menunjukkan penerapan hasil analisis, tetapi pengaruhnya terhadap penjualan belum diuji. Ketidakkonsistenan tanggal berkas kerja menjadi batasan kualitas data yang dijelaskan dalam metodologi.

• Katakunci Apriori; FP-Growth; aturan asosiasi; pola pembelian; prototipe rekomendasi
• URL http://
• Penerbit Universitas Nusa Mandiri, Jakarta DKI Jakarta

REFERENSI

[1] R. N. Dianti and J. Zeniarja, “Implementasi Algoritma Apriori untuk Analisis Pola Pembelian Konsumen pada Toserba Yusuf Semarang,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) , vol. 9, no. 2, pp. 1013 –1021, Jun. 2024, doi: 10.29100/jipi.v9i2.5421.

[2] S. R. P . Ananda et al., “Analisis Pola Pembelian Pelanggan Menggunakan Algoritma Apriori pada Transaksi Belanja Supermarket,” in Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025, Surakarta, Indonesia, Jul. 2025, pp. 407–410.

[3] D. L. Safitry et al., “Analisis Pola Pembelian Konsumen Menggunakan Algoritma Apriori untuk Menentukan Strategi Pemasaran Produk di Toko Retail X,” JATI (Jurnal Mahasiswa Teknik Informatika) , vol. 9, no. 1, pp. 505 –511, Feb. 2025, doi: 10.36040/jati.v9i1.12429.

[4] M. Badaruddin and Rayendra, “Penerapan Algoritma Apriori pada Analisis Data Penjualan E-Commerce,” Jurnal Media Informatika Budidarma, vol. 6, no. 2, pp. 1032–1037, Apr. 2022, doi: 10.30865/mib.v6i2.3976.

[5] G. Syahputra, Risqiati, and A. S. Darmawan, “Penerapan Algoritma Apriori untuk Menentukan Pola Asosiasi Penjualan di PT KOI Jaya Delapan,” INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi , vol. 28, no. 1, pp. 101 –108, Jun. 2026, doi: 10.23969/infomatek.v28i1.38023.

[6] H. Kharis, Risqiati, and A. S. Darmawan, “Analisis Pola Pembelian Konsumen Menggunakan Algoritma Apriori untuk Optimasi Penataan Produk pada Toko Snack Barokah,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 10, no. 3, pp. 5182 –5187, Jun. 2026.

[7] F. Idifitriani, Jahrawati, E. S. Susanto, and N. D. Sofya, “Analisis Inventori Produk Sembako Menggunakan Algoritma Apriori untuk Menentukan Pola Pembelian,” Digital Transformation Technology , vol. 4, no. 2, pp. 1267 –1277, Sep. 2024, doi: 10.47709/digitech.v4i2.5491.

[8] O. M. A. Claudia, H. Pratiwi, and R. Mayasari, “Analisis Pola Pembelian Konsumen di Kantin SMKN 11 Samarinda Menggunakan Algoritma Apriori,” Journal Informatics and Electronics Engineering, vol. 6, no. 1, pp. 91–96, Jun. 2026.

[9] N. A. Mustafa, R. Susetyoko, A. Fadliana, and F. M. Humaira, “Implementasi Algoritma Apriori dalam Penetapan Strategi Penjualan pada Supermarket XYZ Berbasis Streamlit Web App,” Jurnal Infomedia, vol. 10, no. 1, pp. 69–78, Jun. 2025.

[10] Z. Fatah and N. Aini, “Implementasi Algoritma Apriori untuk Analisis Pola Pembelian Konsumen pada Dataset Market Basket Analysis,” JAMASTIKA, vol. 4, no. 2, pp. 168 – 176, Oct. 2025.

[11] N. N. Autor and J. Aryanto, “Analisis Pola Pembelian Alat Kesehatan dengan Penerapan Algoritma Apriori untuk Optimalisasi Strategi Penjualan,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 1, pp. 119–128, Feb. 2025.

[12] J. Han, J. Pei, and H. Tong, Data Mining: Concepts and Techniques, 4th ed. Cambridge, MA, USA: Morgan Kaufmann, 2022.

[13] P .-N. Tan, M. Steinbach, A. Karpatne, and V . Kumar, Introduction to Data Mining, 2nd ed. New York, NY , USA: Pearson, 2019.

[14] M. J. Zaki and W. Meira, Jr., Data Mining and Machine Learning: Fundamental Concepts and Algorithms, 2nd ed. Cambridge, U.K.: Cambridge University Press, 2020.

[15] I. H. Witten, E. Frank, M. A. Hall, and C. J. Pal, Data Mining: Practical Machine Learning Tools and Techniques, 4th ed. Cambridge, MA, USA: Morgan Kaufmann, 2016.

[16] W. McKinney, Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter, 3rd ed. Sebastopol, CA, USA: O’Reilly Media, 2022.

[17] I. K. A. Viantama and Painem, “Implementasi Algoritma Apriori untuk Analisis Penjualan Produk pada Toko Perjuangan Collection,” in Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), Jakarta, Indonesia, Sep. 2022, pp. 438–444.

[18] M. R. Ritonga, M. F. Siringoringo, and S. P . Sipayung, “Analisis Pola Pembelian pada Platform E -Commerce Menggunakan Algoritma Apriori untuk Mengidentifikasi Tren Produk 2025,” Jurnal Ilmu Komputer dan Informatika, vol. 2, no. 3, pp. 122 –125, Jan.– Mar. 2026.

[19] C. Gunawan, W. Susanti, and Y . Duha, “Sistem Rekomendasi Produk E -Commerce Menggunakan Algoritma Apriori,” Jurnal Mahasiswa Aplikasi Teknologi Komputer dan Informasi, vol. 6, no. 2, pp. 84–90, 2024.

[20] F. D. Hermanto and A. Bellanov, “Penerapan Algoritma Apriori dalam Analisis Pola Pembelian Pelanggan pada Usaha Kafe,” Industrial & System Engineering Journals, vol. 4, no. 1, pp. 371–383, Dec. 2025.

[21] U. Fayyad, G. Piatetsky-Shapiro, and P. Smyth, “From Data Mining to Knowledge Discovery in Databases,” AI Magazine, vol. 17, no. 3, pp. 37 –54, 1996, doi: 10.1609/aimag.v17i3.1230.

[22] J. Han, J. Pei, Y . Yin, and R. Mao, “Mining Frequent Patterns without Candidate Generation: A Frequent -Pattern Tree Approach,” Data Mining and Knowledge Discovery, vol. 8, no. 1, pp. 53 –87, 2004, doi: 10.1023/B:DAMI.0000005258.31418.83.

[23] R. Wahyuningsih, A. Suharsono, and N. Iriawan, “Comparison of Market Basket Analysis Method Using Apriori Algorithm, Frequent Pattern Growth (FP - Growth) and Equivalence Class Transformation (ECLAT) (Case Study: Supermarket ‘X’ Transaction Data for 2021),” Business and Finance Journal, vol. 8, no. 2, pp. 192–201, 2023, doi: 10.33086/bfj.v8i2.5226.

[24] M. Arifin, F. Helmi, and Iddrus, “Analisis Perbandingan Algoritma Asosiasi Data Mining Pada Minimarket Adi Poday Dengan Google Collab,” Jurnal Algoritma, vol. 22, no. 1, pp. 103–114, 2025, doi: 10.33364/algoritma/v.22-1.2177.

[25] F. Soewignyo, T. I. Soewignyo, W. G. Mokodaser, and A. O. Silitonga, “Evaluasi Kinerja Algoritma Apriori dan FP -Growth untuk Association Rule Mining pada Data Transaksi Ritel,” Techno.Com, vol. 24, no. 4, 2025, doi: 10.62411/tc.v24i4.14952.

[26] S. Raschka, “MLxtend: Providing machine learning and data science utilities and extensions to Python’s scientific computing stack,” Journal of Open Source Software, vol. 3, no. 24, art. 638, 2018, doi: 10.21105/joss.00638.