Optimalisasi Penentuan Tata Letak Barang Menggunakan Algoritma FP-Growth Pada Data Transaksi Penjualan
DOI:
https://doi.org/10.59435/jimnu.v2i3.450Keywords:
Tata Letak, FP-Growth, Asosiasi, data transaksi, PenjualanAbstract
Penentuan tata letak barang yang optimal di sebuah toko memiliki peran penting dalam meningkatkan efisiensi operasional dan pengalaman pelanggan. Dalam penelitian ini, diusulkan penerapan algoritma FP-Growth untuk menganalisis pola asosiasi dari data transaksi penjualan guna mengoptimalkan tata letak barang. Algoritma FP-Growth dipilih karena kemampuannya dalam menemukan asosiasi frekuensi tinggi antar produk tanpa harus melalui tahap pencarian kandidat yang memerlukan waktu komputasi besar. Dengan menganalisis hubungan antar produk yang sering dibeli bersamaan, hasil penelitian ini memberikan rekomendasi penempatan produk yang strategis untuk memaksimalkan peluang pembelian dan meningkatkan kepuasan pelanggan. Studi kasus dilakukan pada data transaksi sebuah toko ritel yang diperoleh di situs penyedia dataset Kaggle, dengan hasil menunjukkan peningkatan efisiensi dalam pengaturan tata letak barang serta potensi peningkatan penjualan. Implementasi FP-Growth terbukti efektif dalam mengurangi waktu analisis dan memberikan hasil yang akurat dalam menentukan hubungan antar produk. Penelitian ini diharapkan dapat menjadi acuan bagi pengelola toko ritel dalam mengoptimalkan tata letak barang secara lebih ilmiah dan data-driven.
Downloads
References
Ardianto, A., & Fitrianah, D. (2019). Penerapan Algoritma FP-Growth Rekomendasi Trend Penjualan ATK Pada CV. Fajar Sukses Abadi. Jurnal Telekomunikasi Dan Komputer, 9(1), 49. https://doi.org/10.22441/incomtech.v9i1.3263
Bhatia, P. (2019). Data Mining and Data Warehousing: Principles and Practical Techniques. Cambridge University Press.
Dewi, R. P. , H. R. (2019). Data Mining konsep dan aplikasi dalam bisnis. Andi.
Dwi Insani, F., & Al Fatta, H. (2023). PERBANDINGAN ALGORITMA APRIORI DAN FP-GROWTH UNTUK REKOMENDASI ITEM PAKET PADA KONTEN PROMOSI DI PERUSAHAAN MU-MART. In Jurnal Bisnis Digital dan Sistem Informasi (Vol. 4, Issue 2).
Dristyan, F., & Syafnur, A. (2019, September). Aplikasi Web Usage Mining Menggunakan Metode Association Rule Dengan Algoritma Fp-Growth Untuk Mengetahui Pola Browsing Pengunjung Website. In Prosiding Seminar Nasional Riset Information Science (SENARIS) (Vol. 1, pp. 1060-1065).
Gede, I., Sudipa, I., & Darmawiguna, M. (n.d.). BUKU AJAR DATA MINING. https://www.researchgate.net/publication/377415198
Hadianti, S., Yosep Tember, F., Mandiri, N., Raya, J., No, J., Melayu, C., & Timur, J. (n.d.). ANALISIS SENTIMENT COVID-19 DI TWITTER MENGGUNAKAN METODE NAIVE BAYES DAN SVM. Jurnal Teknologi Informasi), 6(1). www.Kaggle.com.
Hofmann, M. , & K. R. (2016). RapidMiner: Data Mining Use Cases and Business Analytics Applications. CRC Press.
luthfi, E. and A. U. (2009). Algortima Data Mining. Penerbit Andi.
Mai, P., Tarigan, S., Tata Hardinata, J., Qurniawan, H., Safii, M., Winanjaya, R., Studi, P., Informasi, S., Tunas, S., & Pematangsiantar, B. (2022). IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI DALAM MENENTUKAN PERSEDIAAN BARANG (STUDI KASUS : TOKO SINAR HARAHAP) (Vol. 12, Issue 2). https://jurnal.umj.ac.id/index.php/just-it/index
Mambaya, J., Sofwan Adha, M., & Yacobus Padang, S. (2021). Evaluasi Pola Penataan Barang Di Toko Jaya dengan Algoritma FP-Growth 33 INFINITY (Vol. 1, Issue 2).
Munanda, E., & Monalisa, S. (2021). PENERAPAN ALGORITMA FP-GROWTH PADA DATA TRANSAKSI PENJUALAN UNTUK PENENTUAN TATALETAK BARANG 1. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 7(2), 173–184.
Yogianto, A., Homaidi, A., & Fatah, Z. (2024). Implementasi Metode K-Nearest Neighbors (KNN) untuk Klasifikasi Penyakit Jantung. G-Tech: Jurnal Teknologi Terapan, 8(3), 1720–1728. https://doi.org/10.33379/gtech.v8i3.4495
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Rohiqim Mahtum, Zaehol Fatah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
