<![CDATA[Penelitian ini bertujuan untuk mengeksplorasi pola penjualan dan menerapkan algoritma FP-Growth dalam konteks analisis data, dengan tujuan meningkatkan strategi pemasaran di sektor farmasi. Data penjualan obat dari September hingga Oktober 2023 telah dikumpulkan dan dianalisis menggunakan algoritma FP-Growth, yang dikenal efektif dalam mengidentifikasi asosiasi item dalam transaksi data. Hasil analisis menyoroti keterkaitan antara jenis obat tertentu, waktu pembelian, dan karakteristik pelanggan. Untuk memperbaiki strategi pemasaran, penelitian ini menggunakan metode Knowledge Discovery in Databases (KDD) dan menerapkan Algoritma FP-Growth. Proses identifikasi pola asosiasi melibatkan beberapa langkah, mulai dari pengumpulan data penjualan, pemilihan atribut yang relevan, preprocessing data, hingga analisis asosiasi dataset dan evaluasi pola yang muncul. Dengan menggunakan parameter support minimum 0.005, confidence minimum 7.5, dan lift minimum 1.0, berhasil ditemukan 21 aturan asosiasi yang melibatkan 12 produk pembentuk. Penerapan Algoritma FP-Growth dalam membentuk aturan asosiasi ini bertujuan untuk meningkatkan efisiensi strategi penjualan dengan menyajikan informasi rinci mengenai pola pembelian produk oleh konsumen dan tingkat peluang keberhasilan. Temuan dari analisis data digunakan untuk mengidentifikasi peluang baru dan mengoptimalkan strategi pemasaran. Hasil penelitian menunjukkan bahwa penerapan Algoritma FP-Growth dalam analisis data penjualan obat dapat memberikan wawasan berharga untuk mendukung keputusan strategi pemasaran. Studi ini juga memberikan kontribusi penting dalam pemahaman perilaku konsumen di industri farmasi dan dapat menjadi dasar untuk penelitian lanjutan dalam bidang ini.]]>
Copyrights © 2024
