Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Kolaborasi Sains dan Ilmu Terapan
Okta Jaya Harmaja
Universitas Prima Indonesia, Medan
Aerospace Engineering Automotive Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Pola Belanja Konsumen Dan Prediksi Permintaan Produk Di Pasar Tradisional Menggunakan Teknik Data Mining Algoritma Fp-Growth Ricardo Gabriel Simanjuntak; Abi Ghifarri; Chintia Br Ginting; Okta Jaya Harmaja
Jurnal Kolaborasi Sains dan Ilmu Terapan Vol. 5 No. 1 (2026): Edisi Juli - Agustus In Press
Publisher : Utiliti Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69688/juksit.v5i1.179

Abstract

Perkembangan teknologi informasi menghasilkan sejumlah besar data transaksi yang dapat dimanfaatkan untuk mendukung pengambilan keputusan bisnis, termasuk dalam pengelolaan persediaan di pasar tradisional. Namun, sebagian besar pedagang masih menentukan jumlah persediaan berdasarkan pengalaman dan intuisi, sehingga berisiko mengalami kelebihan maupun kekurangan stok. Penelitian ini bertujuan untuk menganalisis pola belanja konsumen dan memprediksi permintaan produk menggunakan algoritma Frequent Pattern Growth (FP-Growth) pada data transaksi penjualan sayur di Pasar Raya Medan Mega Trade Centre (MMTC), Medan. Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan memanfaatkan data transaksi penjualan sebagai data sekunder. Analisis dilakukan melalui tahapan prapemrosesan data dan penerapan algoritma FP-Growth untuk menghasilkan aturan asosiasi berdasarkan nilai support, confidence, dan lift. Hasil penelitian menunjukkan bahwa aturan asosiasi terkuat adalah Terong Ungu, Labu Kuning, dan Wortel → Sawi Putih, dengan nilai support sebesar 0,366667, confidence sebesar 1,000000, dan lift sebesar 1,428571. Temuan tersebut menunjukkan adanya hubungan pembelian yang kuat antarproduk dan membuktikan bahwa algoritma FP-Growth dapat mendukung perencanaan persediaan serta pengambilan keputusan berbasis data di pasar tradisional.
Co-Authors Abi Ghifarri Chintia Br Ginting Ricardo Gabriel Simanjuntak