Claim Missing Document
Check
Articles

Found 22 Documents
Search

IMPLEMENTASI DATA MINING DALAM MENENTUKAN TATA LETAK PRODUK MENGGUNAKAN ALGORITMA FP-GROWTH Prathama, Gede Humaswara; Devi Anggreni, Ni Komang Ayu; Oktavia Gama, Adie Wahyudi; Darma Paramartha, I Gusti Ngurah
Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika Vol. 19 No. 2 (2025): Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Inform
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jti.v19i2.22855

Abstract

This study analyzes purchasing patterns in minimarkets using the FP-Growth algorithm to optimize product layouts. One year of sales transaction data (103,181 transactions) from UNDIKNAS Mart were analyzed through data cleaning, transformation, and aggregation. The FP-Growth algorithm was applied with minimum support 5%, confidence 80%, and lift >1 thresholds. Results identified strong product associations, particularly between "Aqua 600 ml (Tanggung)" and various snacks, with confidence values of 81-93% and lift >5. Implementing these findings in product arrangement increased sales by 15-20% despite store accessibility limitations. Cross-validation using a decision tree model showed 81.67% accuracy. The findings demonstrate FP-Growth's effectiveness in small-scale transaction data analysis. The research provides practical contributions for retailers to boost sales through data-driven product layout optimization. A limitation is the single-location data scope, suggesting the need for broader subsequent studies. This study offers a data-based approach adoptable by small and medium retail businesses to enhance operational efficiency and profits. The research confirms that data mining techniques can significantly impact retail performance even in constrained environments, providing empirical evidence of FP-Growth's practical utility in real-world minimarket settings. The methodology and findings contribute to the growing literature on data mining applications in small-scale retail operations, offering replicable frameworks for similar business contexts.
REVIEW ALGORITMA CROWD DETECTION DAN FACE RECOGNITION Prathama, Gede Humaswara
Jurnal Ilmiah Telsinas Vol 2 No 2 (2019)
Publisher : Universitas Pendidikan Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Saat ini marak terjadi tindakan kriminal di kota-kota, tindakan kriminal tidak hanya terjadi di daerah sepi namun juga di keramaian. Pihak keamanan tentu sudah disiapkan untuk menjaga keamanan dan kenyamanan di sudut-sudut kota. Pihak keamanan terus meningkatkan quick response terhadap tindakan kriminal di daerahnya. Namun hal tersebut belum cukup untuk menjaga kenyamanan terutama pada keramaian jika tidak dibantu dengan teknologi yang ada saat ini. Crowd detection dan face recognition merupakan teknologi yang sudah banyak digunakan dalam berbagai keperluan pada saat ini. Crowd detection merupakan teknologi untuk mendeteksi gerakan manusia dari sebuah kamera. Sedangkan Face recognition adalah teknologi untuk mendeteksi wajah manusia dari sebuah kamera. Dalam beberapa tahun terakhir, algoritma untuk crowd detection telah mendapatkan minat yang kuat, sehingga berbagai penelitian tentang crowd detection sudah banyak dilakukan dengan berbagai metode. Begitu juga dengan face recognition, telah banyak dilakukan penelitiannya dengan berbagai metode dan algoritma. Pihak keamanan dalam menjaga keamanan dan kenyamanan dapat memanfaatkan kedua teknologi ini sebagai sarana pendukung untuk meningkatkan quick response dari pihak keamanan.