Analisis Perbandingan Algoritma Asosiasi Data Mining Pada Minimarket Adi Poday Dengan Google Collab

Data Mining merupakan teknik penting dalam analisis bisnis untuk menemukan pola tersembunyi dalam data transaksi. Penelitian ini membandingkan kinerja dua algoritma aturan asosiasi, Apriori dan FP-Growth, dalam mengidentifikasi pola keterkaitan antar produk. Studi ini bertujuan untuk mengevaluasi efisiensi waktu pemrosesan dan kualitas aturan asosiasi yang dihasilkan oleh kedua algoritma dalam konteks ritel. Dataset yang digunakan berasal dari transaksi Minimarket Adi Poday, mencakup 143.523 entri dan 97.548 transaksi dari Januari hingga Agustus 2024. Pemilihan dataset ini didasarkan pada relevansi dengan analisis pola belanja pelanggan untuk optimasi strategi pemasaran. Pengujian dilakukan dengan parameter minimum support 0,01, dan hasil menunjukkan bahwa FP-Growth lebih unggul dalam kecepatan pemrosesan dibandingkan Apriori, dengan selisih waktu eksekusi rata-rata sebesar 33,33% detik lebih cepat pada dataset yang sama. Implikasi penelitian ini bagi pemilik minimarket adalah penggunaan algoritma FP-Growth untuk analisis pola pembelian dapat membantu dalam penataan produk dan strategi promosi yang lebih efektif. Selain itu, penelitian ini berkontribusi pada bidang Sistem Informasi dengan menunjukkan efektivitas FP-Growth dalam menangani data transaksi berskala besar, serta memberikan wawasan dalam pemilihan algoritma yang sesuai untuk kebutuhan bisnis ritel.