Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : hello world

Analisis Kinerja Algoritma FPM Dalam Mengidentifikasi Pola Pembelian Impulsif Pada Shopee Berdasarkan Fenomena Fomo Mirza Rian Arief Lubis; Al-Khowarizmi
Hello World Jurnal Ilmu Komputer Vol. 4 No. 4 (2026): Edisi Januari
Publisher : Ilmu Bersama Center

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

Abstract

Penelitian ini menganalisis kinerja algoritma Frequent Pattern Mining (FP-Growth) dalam mengidentifikasi pola pembelian impulsif pada platform Shopee yang dipicu oleh fenomena Fear of Missing Out (FOMO) di kalangan generasi milenial dan Gen-Z. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan menganalisis data transaksi 50 pengguna yang melakukan minimal 6 transaksi dalam dua minggu terakhir dengan menggunakan fitur paylater. Data dianalisis menggunakan algoritma FP-Growth dengan nilai minimum support 20%, minimum confidence 20%, dan lift ratio >1. Hasil penelitian menunjukkan bahwa: (1) FP-Growth berhasil mengidentifikasi pola pembelian impulsif dengan confidence tertinggi sebesar 91,7% pada aturan Otomotif → Pakaian. (2) Kategori Pakaian mendominasi pola pembelian dan muncul dalam 35 transaksi. (3) Teridentifikasi pola asosiasi yang kuat dan kompleks, termasuk hubungan asimetris seperti Kesehatan → Kecantikan dengan confidence 78,6%. Penelitian ini menyimpulkan bahwa FP-Growth efektif dalam mengungkap pola pembelian impulsif yang dipengaruhi FOMO dan paylatter, serta dapat menjadi dasar bagi pengembangan strategi pemasaran yang lebih terarah di platform e-commerce.
Analisis Dan Implementasi Metode Genetic Fuzzy Systems Dalam Prediksi Tingkat Kunjungan Pasien Di Klinik Pratama Prima Melati Anita Riski Yusro Siregar; Al-Khowarizmi
Hello World Jurnal Ilmu Komputer Vol. 5 No. 2 (2026): Edisi Juli 2026
Publisher : Ilmu Bersama Center

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

Abstract

Prediksi jumlah kunjungan pasien merupakan salah satu elemen penting dalam mendukung efisiensi pelayanan dan perencanaan operasional di fasilitas kesehatan. Penelitian ini mengusulkan penerapan metode Genetic Fuzzy System (GFS) dalam membangun sistem prediksi tingkat kunjungan pasien bulanan di Klinik Pratama Prima Melati. GFS merupakan pendekatan hibrida yang menggabungkan kemampuan logika fuzzy dalam menangani ketidakpastian data dengan algoritma genetika untuk mengoptimalkan aturan fuzzy secara adaptif. Sistem dirancang dalam bentuk aplikasi web yang memudahkan pihak klinik dalam menginput data historis, melihat hasil prediksi, memantau kategori fuzzy, dan mengevaluasi performa prediksi setiap bulan. Model ini diuji terhadap data kunjungan pasien selama satu tahun dan menghasilkan prediksi yang cukup konsisten serta mendekati nilai aktual pada sebagian besar bulan. Meskipun hasil prediksi bersifat dinamis akibat proses evolusi genetika, sistem tetap menunjukkan kecenderungan yang stabil dalam memetakan pola historis kunjungan pasien. Dengan demikian, penerapan metode ini dinilai relevan dan potensial dalam membantu proses pengambilan keputusan berbasis data di lingkungan klinik.