Article Per Year (5 Year)
p-Index From 2020 - 2025
12.863
P-Index
This Author published in this journals
All Journal Jurnal technoscientia Jurnal Informatika dan Teknik Elektro Terapan ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika International Journal of Artificial Intelligence Research Informatics for Educators and Professional : Journal of Informatics KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer JURNAL ILMIAH INFORMATIKA Conference SENATIK STT Adisutjipto Yogyakarta Jurnal ICT : Information Communication & Technology Jurnal Sistem Informasi Kaputama (JSIK) Jurnal Pelayanan dan Pengabdian Masyarakat (Pamas) JISKa (Jurnal Informatika Sunan Kalijaga) Jurnal Informatika dan Rekayasa Perangkat Lunak JURSIMA (Jurnal Sistem Informasi dan Manajemen) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknik Informatika C.I.T. Medicom JURNAL TEKNOLOGI TECHNOSCIENTIA Jurnal Informatika Terpadu Baselang: Jurnal Ilmu Pertanian, Peternakan, Perikanan dan Lingkungan Jurnal Janitra Informatika dan Sistem Informasi Abdimas Altruis: Jurnal Pengabdian Kepada Masyarakat Jurnal Informatika Teknologi dan Sains (Jinteks) International Journal of Hydrological and Environmental for Sustainability Literasi: Jurnal Pengabdian Masyarakat dan Inovasi J-Icon : Jurnal Komputer dan Informatika Jurnal Teknologi Pangan dan Industri Perkebunan JURSIMA AMMA : Jurnal Pengabdian Masyarakat Jurnal Informatika: Jurnal Pengembangan IT Jurnal Sistem Informasi dan Manajemen Jurnal Accounting Information System (AIMS) INTERNAL (Information System Journal)
Martanto .
STMIK IKMI Cirebon
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Nursing Social Sciences Other

Published : 114 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 114 Documents
Search

 6   7   8   9   10 
KLASTERISASI KORBAN KEKERASAN MENGGUNAKAN ALGORITMA K-MEANS DI JAWA BARAT Riskandi, Muhammad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8457

Abstract

Semua orang ingin merasa aman dan bebas dari rasa takut akan kekerasan. Namun, dalam kehidupan sehari-hari, siapa pun, tanpa memandang jenis kelamin atau status, dapat menjadi korban kekerasan, baik dari orang yang dikenal maupun tidak dikenal. Kekerasan dapat didefinisikan sebagai tindakan atau ancaman yang dapat menyebabkan kematian, kerugian psikologis, atau trauma pada diri sendiri, kelompok, masyarakat, atau individu. Kekerasan merupakan permasalahan kompleks yang mengganggu kesejahteraan masyarakat di berbagai wilayah, termasuk di Jawa Barat. Oleh Karena itu diperlukan data mining untuk menganmbil langkah yang tepat dalam menekan kasus kekerasan yang terjadi di jawa barat. Data yang digunakan dalam penelitian ini berupa data sekunder data ini berasal dari situs resmi jawa barat yaitu opendata.jabarprov. Metodologi penelitian ini menggunakan Knowladge Discovery in Database (KDD). Algoritma K-means digunakan untuk mengklasterisasi korban kekerasan berdsarkan jenis kelamin dan kelompok umur, berhasil mendapati klaster yang yang paling optimal yaitu k-6, dilakukan 10 kali percobaan untuk menemukan nilai DBI teroptimal, dimulai dari penerapan k-2 hingga percobaan k-10. Percobaan ini dilakukan untuk mencari jumlah klaster terbaik berdasarkan nilai DBInya. Setelah dilakukan percobaan untuk menentukan jumlah klaster dari k-2 sampai k-10 ditemukan bahwa nilai DBI teroptimal dimiliki oleh klaster 6 (k-6) dengan nilai DBI yang paling mendekati 0 yaitu sebesar 0.452.
ANALISIS PENGELOMPOKAN PENJUALAN MENGGUNAKAN METODE K-MEANS PADA BISNIS CENTER SMK WAHIDIN Aji Dian Permana, Muhamad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8695

Abstract

Bisnis Center SMK Wahidin adalah entitas bisnis yang beroperasi dalam konteks pendidikan, yang menyediakan berbagai produk dan layanan kepada komunitas sekolah dan orang tua siswa. Bisnis Center ini menjual berbagai barang, termasuk seragam sekolah, peralatan pendidikan, dan souvenir. Metode K-Means adalah salah satu teknik clustering yang populer dalam analisis data, yang dapat membantu mengidentifikasi pola-pola tersembunyi dalam data penjualan Bisnis Center SMK Wahidin. Dalam penelitian ini, kami mengumpulkan data penjualan dari 1 Juli 2023 sampai 31 Oktober 2023, yang mencakup informasi tentang jenis produk yang dijual, harga produk serta jumlah penjualan. Data ini kemudian digunakan sebagai dasar untuk analisis pengelompokan penjualan dengan metode K-Means. Penelitian ini akan merinci bagaimana hasil analisis ini dapat digunakan sebagai panduan bagi Bisnis Center di sekolah-sekolah lain yang memiliki unit bisnis serupa. Analisis ini dapat menjadi model bagi upaya pengelompokan penjualan dan manajemen operasional yang lebih efektif dalam lingkungan sekolah. Sebagai langkah selanjutnya, penelitian ini dapat diperluas dengan mempertimbangkan teknik clustering lainnya, serta pengumpulan data yang lebih luas dan waktu observasi yang lebih panjang untuk analisis yang lebih mendalam. penelitian ini memberikan landasan bagi pengembangan strategi bisnis yang lebih cerdas dan efisien di Bisnis Center SMK Wahidin serta unit bisnis serupa dalam lingkungan pendidikan.
PENGELOMPOKAN ASAL SEKOLAH SISWA MENGGUNAKAN ALGORITMA K-MEANS Nanita, Nanita; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8718

Abstract

Sekolah Menengah Kejuruan adalah jenjang pendidikan menengah yang menawarkan program keahlian atau jurusan tertentu yang berfokus pada penguasaan keterampilan praktis. Peningkatan efektivitas strategi pendidikan membutuhkan pemahaman mendalam terhadap profil siswa, khususnya asal sekolah mereka. Dengan banyaknya data calon penerimaan siswa baru yang mendaftar, menimbulkan permasalahan yaitu pihak SMK belum memanfaatkan data asal sekolah tersebut dengan baik. Adapun motode yang dipakai yaitu metode clustering untuk mengelompokkan siswa berdasarkan asal sekolah menjadi sebuah pendekatan untuk memahami dan meningkatkan manajemen siswa baru di Sekolah Menengah Kejuruan Wahidin. Penelitian ini bertujuan untuk melakukan clustering terhadap asal siswa Sekolah Menengah Kejuruan Wahidin di Kota Cirebon menggunakan metode K-Means. Hasil penelitian menunjukkan bahwa pengelompokan siswa berdasarkan asal sekolah mampu membentuk kelompok-kelompok yang memperhatikan perbedaan karakteristik antar kelompok. Dalam penelitian ini peneliti melakukan uji coba dari K=2 sampai dengan K=10 dan menghasilkan nilai Davies Bouldin Index terbaik yaitu sebesar -0,245 pada K=10. Hasil cluster asal sekolah siswa menggunakan metode k-means dapat disimpulkan cluster tersebut dapat dianalisis untuk mendapatkan informasi yang lebih akurat sebagai rujukan dalam menyusun strategi promosi kepada calon siswa baru. Dalam konteks penempatan di kelas, penelitian ini memberikan kontribusi penting dalam pengoptimalan distribusi siswa di berbagai program studi, memungkinkan personalisasi pembelajaran yang lebih efektif. Implikasi praktis dari penelitian ini mencakup penyempurnaan manajemen sekolah, penerapan strategi pembelajaran yang lebih sesuai, dan peningkatan interaksi sosial antar siswa. Dengan adanya informasi ini, lembaga pendidikan dapat meningkatkan efisiensi pengelolaan siswa baru, meningkatkan kualitas pendidikan, dan menciptakan lingkungan belajar yang lebih inklusif. Studi ini juga membuka peluang untuk penelitian lanjutan dalam pengembangan model clustering yang lebih kompleks dan penyesuaian pendekatan pendidikan untuk mendukung keberagaman siswa
ANALISIS SENTIMEN ULASAN PENGGUNA OVO MENGGUNAKAN ALGORITMA NAIVE BAYES PADA GOOGLE PLAY STORE Ramdan Adi Surya, Muhamad; Martanto, Martanto; Hayati , Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.8739

Abstract

Pada era digital ini, penggunaan OVO semakin meluas sebagai alat pembayaran yang praktis dan efesien. Metode Algoritma Naive Bayes telah digunakan untuk menganalisis sentimen dari ulasan pengguna OVO, Evaluasi terhadap metode ini dilakukan dengan mengukur akurasi dalam mengklasifikasikan sentimen positif dan negatif dari berbagai ulasan pengguna. Faktor-faktor seperti stabilitas server, kecepatan transaksi, keamanan data, dan ketersediaan fitur tambahan dievaluasi melalui analisis data dan ulasan pengguna.Penelitian ini bertujuan untuk menganalisis sentimen pengguna OVO menggunakan metode Algoritma Naive Bayes dengan fokus pada kepuasan pengguna, kenyamanan penggunaan, dan persepsi terhadap fitur-fitur yang disediakan. Pendekatan yang digunakan adalah mengintegrasikan,pendekatan Knowledge Discovery in Databases (KDD) dengan Algoritma Naive Bayes. Tahapan awal melibatkan pengumpulan data ulasan pengguna OVO dari Google Play Store melalui teknik web scraping sebanyak 1000 data ulasan.Data kemudian melalui tahapan preprocessing, termasuk case folding, tokenization, stopword removal, dan stemming, serta dilakukan labeling. Pendekatan KDD melibatkan transformasi data, Hasil menunjukkan distribusi yang sangat mendominasi rating ulasan satu bintang sebesar 75%, mencerminkan tingginya tingkat ketidakpuasan pengguna. Sentimen negatif yang mendominasi 87,2% menyoroti keluhan utama terkait masalah teknis seperti transfer yang sering gagal dan respons lambat. Meskipun tingkat akurasi tinggi pada data latih, akurasi pada data uji turun menjadi 88%. Ini menunjukkan adanya tantangan dalam menggeneralisasi pola dari data latih ke data uji, memperlihatkan perlunya penyesuaian dan pemahaman lebih lanjut terhadap pola-pola baru.Model Naive Bayes pertama mencapai akurasi sekitar 88,48%, menandakan kapasitasnya dalam menghasilkan prediksi yang akurat secara menyeluruh. Presisi yang tinggi 100% mencerminkan akurasi model dalam mengidentifikasi kelas positif, sementara recall yang rendah 4,35% menunjukkan keterbatasan dalam menangkap seluruh kasus positif.. F1-Score yang relatif rendah 8,33% menunjukkan adanya trade-off antara presisi dan recall.
PENINGKATAN KONTROL SUHU RUANGAN MELALUI ARDUINO UNO MIKROKONTROLLER DI KANTOR PEMERINTAHAN DESA KEBONTURI Abdillah, Naufal; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8741

Abstract

Penelitian ini berfokus pada peningkatan kontrol suhu ruangan melalui penggunaan mikrokontroler Arduino Uno di kantor pemerintahan Desa Kebonturi. Tujuan utama adalah mengembangkan sistem pengaturan suhu ruangan yang efisien dan otomatis, yang dapat mengoptimalkan suhu ruangan, menciptakan kenyamanan bagi penghuni, dan menghemat energi. Metode yang digunakan adalah eksperimen, dengan mengumpulkan data suhu saat ini di beberapa ruangan dan menggunakan data tersebut untuk mengembangkan algoritma pengaturan suhu. Mikrokontroler Arduino Uno diprogram untuk mengendalikan perangkat pemanas atau pendingin ruangan berdasarkan data suhu yang diperoleh, dan sensor suhu digunakan untuk terus memantau suhu saat ini. Hasil penelitian menunjukkan bahwa sistem ini dapat mengoptimalkan pengaturan suhu ruangan, menghasilkan penghematan energi yang signifikan dan meningkatkan kenyamanan penghuni ruangan. Penelitian ini memberikan kontribusi positif dalam upaya meningkatkan kualitas hidup di desa-desa melalui pemanfaatan teknologi yang tepat guna. Selain itu, hasil pengujian menunjukkan bahwa sistem mampu mempertahankan suhu ruangan pada 25°C, dengan variasi suhu yang tercatat di Ruang Kepala Desa antara 27°C dan 28°C, di Ruang Administrasi antara 28°C dan 29°C, dan di Ruang Rapat antara 29°C dan 28°C, menunjukkan keefektifan sistem dalam mengontrol suhu ruangan meskipun terdapat ruang untuk peningkatan lebih lanjut.
ANALISIS DATA MINING DALAM MENENTUKAN STRATEGI PENJUALAN TERHADAP POLA PEMBELIAN PADA PENJUALAN PRODUK SHAKA VAPORSHOP MENGGUNAKAN ALGORITMA FP-GROWTH Aziz Sahidin, Naufal; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8782

Abstract

Dalam membangun sebuah bisnis toko vape sangat memerlukan penggunaan teknologi informasi, guna mendukung kelancaran penjualan produk-produk vape yang telah tersedia pada toko. Pemilik toko kesulitan mengetahui produk mana yang paling laris dalam waktu yang bersamaan. Pemilik usaha perlu menentukan strategi penjualan yang efektif untuk meningkatkan penjualan produk. Salah satu cara untuk menentukan strategi penjualan yang efektif adalah dengan memanfaatkan teknik data mining. Penelitian ini dilakukan untuk menentukan produk-produk yang sering dibeli secara bersamaan oleh pelanggan. Hasil penelitian ini akan digunakan untuk mengembangkan strategi penjualan yang lebih efektif. Penelitian ini menggunakan algoritma FP-Growth untuk menghasilkan kumpulan frequent itemset. frequent itemset kemudian digunakan untuk menentukan aturan yang menghasilkan kumpulan item yang lebih terarah. Algoritma FP-Growth merupakan pengembangan dari algoritma Apriori. Analisis perhitungan metode Apriori yang dibangun menghasilkan aturan asosiasi yang cukup baik, tetapi proses pembentukan nya membutuhkan waktu yang lama. Sebaliknya, analisis perhitungan metode FP-Growth menghasilkan aturan asosiasi yang lebih efektif dan efisien. Data yang digunakan yaitu 15 jenis produk vape dan 1161 data transaksi. Pada penelitian ini ditentukan nilai minimum support sebesar 0,6 dan nilai minimum confidence sebesar 0,8 Dari hasil pengujian yang dilakukan didapatkan sebuah aturan (rule) dengan nilai confidence 1.
CLUSTERING PENDUDUK MISKIN UNTUK PENERIMA BANTUAN SOSIAL MENGGUNAKAN ALGORITMA K-MEANS: STUDI KASUS: DESA GREGED Subur, Muhamad; Martanto, Martanto; Hayati, Umi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8809

Abstract

Penyaluran bantuan sosial merupakan strategi vital yang diterapkan oleh pemerintah dan organisasi kemanusiaan untuk memberikan dukungan finansial atau materi kepada individu atau kelompok yang memerlukan. Salah satu kesulitan yang terkadang dihadapi Pemerintah dalam proses penanganan kemiskinan adalah proses pembagian bantuan sosial yang tidak merata dan tidak tepat sasaran. Ini disebabkan karena validasi data sering diabaikan sehingga sering menimbulkan data yang tidak akurat. Tujuan dari penelitian ini penulis mencoba untuk menerapkan Teknik clustering dengan menggunakan algoritma K-Means sebagai metode penyelesaian dalam mengelompokkan data penduduk di Desa Greged yang memang dikatakan tergolong penduduk yang berhak menerima bantuan sosial. . Evaluasi dilakukan di software rapidminer dengan operator cluster distance performance dengan hasil 10 percobaan dengan menggunakan algoritma K-Means Clustering menunjukkan bahwa nilai K yang Paling optimal adalah K=10. Nilai DBI untuk K=10 adalah 0,049, yang menunjukan bahwa cluster-cluster penerima bantuan sosial memiliki tingkat kekompakan yang tinggi dan tingkat kesenjangan antar cluster yang rendah. Hal ini mengindikasikan bahwa penerima bantuan sosial di Desa Greged dapat di kelompokkan menjadi 10 cluster yang berbeda berdasarkan karakteristik demografis, ekonomi, dan sosial mereka.
KLASTERISASI PENERIMA DANA BANTUAN PROGRAM KELUARGA HARAPAN MENGGUNAKAN METODE K-MEANS PADA DESA GEREBA Siti Paridah, Ninda; Martanto, Martanto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8873

Abstract

Salah satu unsur yang harus diperhatikan pemerintah untuk mencapai kesejahteraan penduduk adalah persoalan kemiskinan. Salah satu upaya penanggulangan kemiskinan, pemerintah memberikan bantuan kepada masyarakat yang diberi nama program keluarga harapan (PKH) . Desa yang menerima bantuan dana ini adalah Desa Gereba. Dari informasi yang diperoleh dari penerima PKH, terdapat tantangan dalam memproses data untuk menentukan masyarakat miskin yang harus menjadi prioritas dalam menerima bantuan, juga kesulitan dalam mendistribusikan bantuan secara merata di berbagai dusun di Desa Gereba dikarenakan banyak masyarakat merasa dirinya berhak menerima bantuan PKH, walaupun tidak memenuhi persyaratan yang ada. Tujuan penulisan tugas akhir ini untuk membantu pemerintahan desa dalam mengelompokkan data penduduk yang layak menerima bantuan menggunakan algoritma K-means clustering. K-Means merupakan sebuah metode dalam data mining yang memiliki kemampuan untuk melakukan pengelompokkan atau Clustering data, dimana entitas yang memiliki atribut serupa dikelompokkan ke dalam satu Hasil penelitian didapatkan yaitu menggunakan algoritma K-Means dibagi menjadi 2 cluster pada cluster 0 berjumlah 163 items, cluster 1 berjumlah 167 items. Cluster optimum dan nilai DBI terdapat pada cluster 2 tanpa menggunakan operator Normalize dengan nilai Davies Bouldin Index atau DBI yaitu 0.500. Maka dusun yang menjadi prioritas yaitu Dusun Ciawitali.
CLUSTERING TINGKAT KEJAHATAN KRIMINAL MENGGUNAKAN METODE K-MEANS DI WILAYAH KABUPATEN CIREBON Yuliyanti, Dewi; Martanto, Martanto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8894

Abstract

Kejahatan kriminalitas merajuk pada berbagai perilaku yang bertentangan dengan hukum dan berpotensi menimbulkan kerugian bagi individu dan masyarakat. Permasalahan yang terjadi jumlah tindak kejahatan kriminalitas semakin meningkat dari tahun ke tahun. beragam jenis kejahatan terjadi dilingkungan wilayah Kabupaten Cirebon seperti pencurian, penipuan, penganiayaan. oleh karena itu perlu dilakukan penelitian untuk mengidentifikasi wilayah yang memiliki potensi tinggi terjadinya kejahatan. tujuannya adalah untuk mengetahui daerah tingkat tinggi kejatahatan kriminalitas di wilayah Kabupaten Cirebon. Metode penelitian yang digunakan adalah clustering dengan algoritma K-Means. Penelitian ini menggunakan tahapan KDD dengan total 123 data. Dengan hasil 9 cluster yang dikategorikasan sebagai tingkat kejahatan tinggi 1, tinggi 2, tinggi 3 tingkat kejahatan sedang 1, sedang 2, sedang 3 dan tingkat kejahatan rendah 1, rendah 2, rendah 3. cluster 0 dengan jumlah 34, cluster 1 dengan jumlah 24, cluster 2 dengan jumlah 21, cluster 3 dengan jumlah 6, cluster 4 dengan jumlah 9, cluster 5 dengan jumlah 10, cluster 6 dengan jumlah 12, cluster 7 dengan jumlah 6, cluster 8 dengan jumlah 1, serta total keseluruhan item dengan jumlah 123. hasil pengujian RapidMiner Serta Pada hasil Cluster optimum dan nilai Devies Boulding Index (DBI) dengan nilai adalah K=9 menghasilkan nilai 0,122.
PENERAPAN DATA MINING PADA TRANSAKSI PENJUALAN UNTUK MENENTUKAN POLA PEMBELIAN PRODUK MENGGUNAKAN ALGORITMA FP-GROWTH: STUDI KASUS: TOKO ONLINE ANTICKA SHOP Asih, Nur; Martanto, Martanto
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8961

Abstract

Pemasaran secara daring saat ini semakin meraih popularitas dikalangan masyarakat, kegiatan ini dilakukan di platform media sosial, situs web, dan e-commerce. Transaksi penjualan yang terjadi menyebabkan penumpukan data, agar transaksi penjualan menjadi informasi yang bernilai guna untuk mendukung penjualan maka dibutuhkan sebuah teknologi data mining. Toko Anticka Shop menghadapi permasalahan dalam menentukan pola pembelian produk secara bersamaan dan produk yang diminati pelanggan. Tujuan penelitian ini yaitu menerapkan algoritma FP-Growth pada transaksi penjualan guna mengidentifikasi pola pembelian dan mengetahui produk yang paling diminati. Pengujian ini menggunakan nilai minimum support 0.015 dan minimum confidence 0.8, pengujian menghasilkan 10 aturan dengan tingkat confidence tertinggi. Aturan dihasilkan antara lain: jika pelanggan membeli aksesoris kerudung dan kemeja, maka kemungkinan akan membeli kerudung dengan tingkat kepercayaan 100%; jika pelanggan membeli aksesoris kerudung dan tas wanita, maka kemungkinan akan membeli kerudung dengan tingkat kepercayaan 100%; jika pelanggan membeli kemeja dan kaos kaki, maka kemungkinan akan membeli baju gamis dengan tingkat kepercayaan 100%; jika pelanggan membeli aksesoris rambut dan baju daster, maka kemungkinan akan membeli baju anak dengan tingkat kepercayaan 100%; jika pelanggan membeli baju gamis, aksesoris kerudung, dan tas wanita, maka kemungkinan akan membeli kerudung dengan tingkat kepercayaan 100%.
Co-Authors A, Ronny Abdillah, Naufal Abdul Rosid, Rizal Ahmad Rifai Aji Dian Permana, Muhamad Aji Saputra, Mohammad AKBAR, MUHAMAD DENI Alfin Maulana Almadina, Muhammad Fitrian Shousyade Alpian Novansyah, Indi Andini, Eva Ardhanur, Ichlas Asmana, Asmana Augustian Pangestiazi, Irvanda Azahra, Amaliyah Putri Aziz Sahidin, Naufal Bernadeta Wuri Harini Cep Lukman Rohmat Chrisna Basila Rahman, Muhammad Damar Widjaja Darmanto Darmanto Dea Eryanti Putri Dewi Yuliyanti, Dewi Dian Ade Kurnia Dias Bayu Saputra Dikananda, Arif Rinaldi Dilita Pramasmawari Lita Dita Rizki Amalia Diyanti yanti Djoko Untoro Suwarno Dwi Hastuti, Ningrum Edy, Benediktus Yudha Fadhil Muhammad Bsysyar Faisal Adam, Faisal Faizal Rizqi, Muhammad Faroman Syarief, Faroman Fathur Rezki Junaedi, Muhammad fatimah, lilis Fauzan Afrizal, Ricky Febriani, Budi Febriyani, Adinda Fihir, Muhammad Fithriyani, Nurul Muna Fuji Astri, Dewanti Gifthera Dwilestari Hamam, Moh Hardika Hardika, Hardika Harini, BW Haryanto, Agustinus Surya Hayati , Umi Hayati, Umi Heliyanti Susana Hepsi Nindiasari Hidayat, Fajar Ignatius Adi Prabowo Ika Anikah Iksan Maulana, Muhammad Irfan Ali Irfan Ali, Irfan irfan cholid Iswanjono Iswanjono Jamaludin, Maulana Jamalul'ain, Abdul Kamil, Firmanilah Khoirunisa, Pitria Kholilullah, Mohammad khusnul khotimah Linggo Sumarno Lukmanul Hakim Lutfi Hakim Ma'arif Syaefullah, Muhammad Mahardika, Fathoni Maulana Jamaludin Maulana Yusuf, Muhammad Meida Nurus Mirna Mirna Moruk, Ewaldus Mu'min Azis, Muhammad Mubarok Mubarok Muhamad Djaelani Muhamad farhan Tholhah hidayat Muhamad Jihad Andiana Muhamad Taufik Sugandi Muhammad Aditya Rabbani Adit Muhammad Fadhilah Muhammad Haikal Muhammad Hasan Fadlun Muhammad Saifurridho Mujibulloh, Mujibulloh Mulyawan Mulyawan, Mulyawan Musyarofah Musyarofah, Musyarofah Muzani, Muhamad Muzilin, Elin Nailil Amani, Najiyah Nana Suarna Nanita, Nanita Nining Rahaningsih Nova Zulfahmi, A Nova Zulfahmi, A. Nur Asih, Nur Nur Hermawan, Ilham Nurhanifah, Indah Odi Nurdiawa Odi Nurdiawan Panca Wardanu, Adha Petrus Setyo Prabowo Prabowo, PS Prahara, Sukma Primawan, A.Bayu Puji Rahayu Putri, Niken Zeliana Raditya Danar Dana Ramdan Adi Surya, Muhamad Rifa'i, Ahmad Rifa’I, Ahmad Rinaldi Dikananda, Arif Rinaldi, Arif Riskandi, Muhammad Rizal Rizal Rizka Amelia Rohman, Dede Ronny Dwi Agusulistyo Saeful Anwar Safrudin, Muhamad Saifurridho, Muhammad Salsabila Ainal Wasilah, Qonita Samsudin, Risma'ruf Setiyani, Th. Prima Ari Setiyani, TPA Siti Paridah, Ninda Sri Suwartini Subur, Muhamad Sulistiyana Sulistiyana Sumarno, L Suryaningsih Suryaningsih Suwarno, DU Syahri, Ibnu Nava Syam Al ghifari, Muhammad Syamsul Aripin, Muhammad Syaripah, Imas Syifa, Nurkhasanah Fadhila Tati Suprapti Thomas Agam Tjendro Tri Anelia Tri Gustiane, Indri Tuti Hartati Umi Hayati Ummiyati Ummiyati W Widyastuti, W Wibowo, Daniel Widjaja, D Wihadi, Dwiseno WIHADI, RB DWISENO Willy Prihartono Wiwien Widyastuti Wujarso, Riyanto Yudhistira Arie Wijaya Zulfahmi, A. Nova