Abstract
Semua aspek kehidupan dipengaruhi oleh perkembangan cepat teknologi informasi. Roti sekarang menjadi bagian penting dari kehidupan sehari-hari dan telah berkembang menjadi makanan pokok yang sangat disukai. Analisis pola pembelian pelanggan yang diperoleh dari transaksi penjualan roti menunjukkan strategi pemasaran yang efektif; data ini digunakan untuk menemukan tren dan preferensi pelanggan. Dalam proses yang disebut sebagai penambangan data, berbagai teknik seperti pembelajaran mesin, statistik, kecerdasan buatan, dan sistem basis data digunakan. Data penjualan roti dipelajari melalui teknik Knowledge Discovery in Database (KDD) dan algoritma Fp-Growth. Algoritma peraturan asosiasi dapat menggali informasi penting dari pola transaksi penjualan. Analisis dan pengujian dilakukan dengan mempertimbangkan parameter tertentu, seperti tingkat minimum dukungan 30% dan tingkat minimum keyakinan 70%.
References
S. Sucipto, T. Andriyanto, M. Najibulloh Muzaki, E. Daniati, R. Indriati, dan A. Nugroho, “PERANCANGAN JARINGAN HOTSPOT UNTUK PENINGKATAN LAYANAN TEKNOLOGI INFORMASI,” Antivirus : Jurnal Ilmiah Teknik Informatika, vol. 13, no. 2, hlm. 72–79, Nov 2019, doi: 10.35457/antivirus.v13i2.857.
Juliadi, D., Irawan, B., Bahtiar, A., & Nurdiawan, O. (2023). PENERAPAN ALGORITMA FP-GROWT DAN ASSOCIATION RULES PADA POLA PEMBELIAN PIZZA HUT. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3443-3448.
Setyo, W. N., & Wardhana, S. (2019). Implementasi Data Mining Pada Penjualan Produk Di Cv Cahaya Setya Menggunakan Algoritma Fp-Growth..
Laksmana, R. D., Santoso, E., & Rahayudi, B. (2019). Prediksi penjualan roti menggunakan metode exponential smoothing (Studi Kasus: Harum Bakery). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(5), 4933-4941.
Kamagi, D. H., & Hansun, S. (2014). Implementasi Data Mining dengan Algoritma C4. 5 untuk Memprediksi Tingkat Kelulusan Mahasiswa. Ultimatics: Jurnal Teknik Informatika, 6(1), 15-20.
Hasmawati, J. N., & Muchtar, M. (2017). Aplikasi prediksi penjualan barang menggunakan metode k-nearest neighbor (knn)(studi kasus tumaka mart).
Komariyah, S., Anwar, S., & Nurhakim, B. (2023). Implementasi Data Mining FP-Growth Untuk Analisis Pola Pembelian Pada Transaksi Penjualan. JURNAL MANAJEMEN DAN BISNIS EKONOMI, 1(2), 62-75.
Destiawati, D., Rahaningsih, N., Bahtiar, A., Ali, I., & Nuris, N. D. (2024). ANALISIS POLA PENJUALAN MENGGUNAKAN ALGORITMA ASOSIASI FP-GROWTH DI PT ABC. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3405-3410.
Listriani, D., Setyaningrum, A. H., & Eka, F. (2016). Penerapan Metode Asosiasi Menggunakan Algoritma Apriori Pada Aplikasi Analisa Pola Belanja Konsumen (Studi Kasus Toko Buku Gramedia Bintaro). Jurnal Teknik Informatika, 9(2).
I. Anggraini, “PENERAPAN METODE ASOSIASI DATA MINING PADA E-COMMERCE TOKO NADHIRA,” Jurnal Teknik Informatika Kaputama (JTIK), vol. 7, no. 2, 2023.
H. Jurnal, A. P. Sandi, dan V. W. Ningsih, “JURNAL PUBLIKASI ILMU KOMPUTER DAN MULTIMEDIA IMPLEMENTASI DATA MINING SEBAGAI PENENTU PERSEDIAAN PRODUK DENGAN ALGORITMA FP-GROWTH PADA DATA PENJUALAN SINARMART,” JUPIKOM, vol. 1, no. 2, 2022.
Wibowo, A. R., & Jananto, A. (2020). Implementasi Data Mining Metode Asosiasi Algoritma FP-Growth Pada Perusahaan Ritel. Inspiration: Jurnal Teknologi Informasi dan Komunikasi, 10(2), 200-212.
R. Fauzi, A. W. Aranski, N. Nopriadi, dan E. Hutabri, “Implementasi Data Mining Pada Penjualan Pakaian dengan Algoritma FP-Growth,” JURIKOM (Jurnal Riset Komputer), vol. 10, no. 2, hlm. 436, Apr 2023, doi: 10.30865/jurikom.v10i2.5795.
Ardiansyah, D. (2019). Algoritma c4. 5 untuk klasifikasi calon peserta lomba cerdas cermat siswa smp dengan menggunakan aplikasi rapid miner. Jurnal Inkofar, 1(2).
Vibrianti, V., Wahyudin, E., Kaslani, K., Pratama, D., & Dwilestari, G. (2024). KLASIFIKASI BARANG PRODUKSI PADA TNT. GUITAR WORKSHOP DENGAN METODE NAIVE BAYES MENGGUNAKAN RAPID MINER. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1432-1438.
“Kaggle, Bakery Sales, Data files © Original Authors” https://www.kaggle.com/datasets/hosubjeong/bakery-sales (accessed Juni 03, 2024).
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Regi Candra Purnama Putra, Krisna Fahrizal Dzatama, Achmadhin Tristan Syafa’at, Erna Daniati, Aidina Ristyawan