LENTERADUALENTERADUA
JNANALOKAJNANALOKATransaksi penjualan barang pada sebuah perusahaan terjadi setiap hari mengakibatkan semakin bertambah banyaknya catatan transaksi penjualan. Banyak perusahaan menjadikan transaksi penjualan hanya sebagai arsip belaka sehingga berpotensi mengalami kekurangan stok barang. Hal ini terjadi karena transaksi penjualan tidak dianalisis dan dipelajari polanya. Terdapat beberapa metode data mining yang dapat digunakan untuk menganalisis pola pembelian barang secara bersamaan oleh pembeli, di antaranya algoritme Apriori dan FP-Growth. Penelitian ini bertujuan untuk menemukan pola pembelian barang secara bersamaan berdasarkan bulan selama satu tahun, kemudian membandingkan hasil dari kedua algoritme dalam menemukan pola kombinasi itemset pada dataset. Hasil penelitian menunjukkan bahwa algoritme Apriori membutuhkan waktu lebih cepat dalam memproses dan menampilkan hasil, tetapi menghasilkan aturan (rules) yang lebih sedikit dibandingkan algoritme FP-Growth. Sebaliknya, algoritme FP-Growth membutuhkan waktu lebih lama, namun menghasilkan lebih banyak aturan dibandingkan algoritme Apriori.
Algoritme FP-Growth menghasilkan lebih banyak pola pembelian barang dibandingkan algoritme Apriori pada setiap bulan.Meskipun demikian, algoritme Apriori lebih cepat dalam memproses data dan menampilkan hasil.Perbedaan kinerja kedua algoritme ini memberikan pertimbangan dalam pemilihan metode berdasarkan kebutuhan akan kecepatan atau kelengkapan pola.
Pertama, perlu dilakukan penelitian lanjutan untuk mengintegrasikan algoritme lain seperti Eclat atau K-Apriori dalam analisis Market Basket guna membandingkan efisiensi dan kelengkapan pola dibandingkan dengan Apriori dan FP-Growth. Kedua, diperlukan kajian tentang penggunaan pendekatan hybrid, seperti menggabungkan FP-Growth dengan teknik pemrograman paralel atau optimasi memori, untuk mengurangi waktu eksekusi tanpa mengorbankan jumlah aturan yang dihasilkan. Ketiga, sebaiknya dikembangkan sistem otomatis yang dapat memilah dataset berdasarkan periode waktu secara dinamis menggunakan kode atau skrip, sehingga mempermudah analisis bulanan atau musiman secara berkelanjutan tanpa ketergantungan pada pemisahan file manual. Penelitian-penelitian ini akan memperdalam pemahaman tentang optimalisasi algoritme dalam konteks data transaksi nyata dan meningkatkan skalabilitas analisis data mining di lingkungan bisnis ritel.
| File size | 1019.24 KB |
| Pages | 9 |
| DMCA | Report |
Related /
JOURNALCENTERJOURNALCENTER Penelitian ini berkontribusi pada manajemen transportasi maritim dengan menyediakan wawasan berbasis bukti untuk mengembangkan protokol perawatan yangPenelitian ini berkontribusi pada manajemen transportasi maritim dengan menyediakan wawasan berbasis bukti untuk mengembangkan protokol perawatan yang
JOURNALCENTERJOURNALCENTER Data penelitian diperoleh melalui wawancara, observasi langsung, serta dokumentasi proses administrasi kepegawaian. Sistem yang dihasilkan memiliki antarmukaData penelitian diperoleh melalui wawancara, observasi langsung, serta dokumentasi proses administrasi kepegawaian. Sistem yang dihasilkan memiliki antarmuka
UNHASAUNHASA Hasil penelitian menunjukkan penurunan signifikan kadar malondialdehid pada kelompok dengan terapi ekstrak kulit bawang merah dosis 100 mg/kgBB dan 200Hasil penelitian menunjukkan penurunan signifikan kadar malondialdehid pada kelompok dengan terapi ekstrak kulit bawang merah dosis 100 mg/kgBB dan 200
LENTERADUALENTERADUA Penelitian ini menguraikan keterlibatan pihak ketiga dalam menyelesaikan klaim asuransi, dimulai dari laporan kejadian kebakaran di koordinat 7°2526SPenelitian ini menguraikan keterlibatan pihak ketiga dalam menyelesaikan klaim asuransi, dimulai dari laporan kejadian kebakaran di koordinat 7°2526S
LENTERADUALENTERADUA Data tingkat pengangguran terbuka dicurigai mempunyai pola spasial dan mengandung outlier sehingga akan dimodelkan dengan menggunakan RSDM. Menghapus outlierData tingkat pengangguran terbuka dicurigai mempunyai pola spasial dan mengandung outlier sehingga akan dimodelkan dengan menggunakan RSDM. Menghapus outlier
LENTERADUALENTERADUA Hasil dari pencampuran bijih nikel high grade Ni sebesar 1,43% dan Fe sebesar 26,71%, sementara bijih nikel low grade saprolit menghasilkan kadar Ni sebesarHasil dari pencampuran bijih nikel high grade Ni sebesar 1,43% dan Fe sebesar 26,71%, sementara bijih nikel low grade saprolit menghasilkan kadar Ni sebesar
EJOURNALUNIGOROEJOURNALUNIGORO Estimasi produksi ubi jalar menggunakan indeks vegetasi SAVI satelit Sentinel 2 memiliki akurasi yang baik, dengan nilai RMSE sebesar 0,029 untuk panenEstimasi produksi ubi jalar menggunakan indeks vegetasi SAVI satelit Sentinel 2 memiliki akurasi yang baik, dengan nilai RMSE sebesar 0,029 untuk panen
LENTERADUALENTERADUA Kelima atribut tersebut antara lain: hemoglobin, packed cell volume, serum creatinine, albumin, dan specific gravity. Pengurangan atribut dapat meningkatkanKelima atribut tersebut antara lain: hemoglobin, packed cell volume, serum creatinine, albumin, dan specific gravity. Pengurangan atribut dapat meningkatkan
Useful /
STIKESHBSTIKESHB Penelitian ini bertujuan menentukan kadar serat, kadar karbohidrat, serta menganalisis perbedaan IG pada ketiga varietas beras tersebut untuk keperluanPenelitian ini bertujuan menentukan kadar serat, kadar karbohidrat, serta menganalisis perbedaan IG pada ketiga varietas beras tersebut untuk keperluan
LENTERADUALENTERADUA Eksperimen menggunakan Dataset 120 potongan foto Batik (3 kelas) menunjukkan bahwa model yang menggunakan CNN mencapai rata-rata akurasi 65% sedangkanEksperimen menggunakan Dataset 120 potongan foto Batik (3 kelas) menunjukkan bahwa model yang menggunakan CNN mencapai rata-rata akurasi 65% sedangkan
LENTERADUALENTERADUA Hasil pengujian menggunakan uji analisis histogram, memperlihatkan histogram dari cipherteks relatif rata yang menunjukkan algoritme kriptografi AES amanHasil pengujian menggunakan uji analisis histogram, memperlihatkan histogram dari cipherteks relatif rata yang menunjukkan algoritme kriptografi AES aman
LENTERADUALENTERADUA Data diklasifikasi berdasarkan kategori ujaran kebencian dengan algoritma Naive Bayes Classifier dan pembobotan TF-IDF. Hasil klasifikasi menunjukkan bahwaData diklasifikasi berdasarkan kategori ujaran kebencian dengan algoritma Naive Bayes Classifier dan pembobotan TF-IDF. Hasil klasifikasi menunjukkan bahwa