<![CDATA[Penelitian ini bertujuan untuk mengeksplorasi pola asosiatif dalam data transaksi menggunakan algoritma FP-Growth dalam kerangka Knowledge Discovery in Database (KDD) untuk mendukung pengambilan keputusan yang lebih efektif di sektor layanan dan produk. Proses analisis dimulai dari seleksi data, pra-pemrosesan, transformasi data, penerapan algoritma FP-Growth menggunakan RapidMiner, hingga interpretasi dan evaluasi hasil. Algoritma FP-Growth digunakan untuk mengidentifikasi frequent itemset secara efisien tanpa perlu menghasilkan kandidat itemset secara eksplisit, sehingga lebih cepat dalam menangani data transaksi yang besar. Hasil penelitian mengungkap beberapa pola penting, seperti asosiasi dengan confidence tinggi antara "Ganti Oli" dan "Unit Steam" yang muncul bersama dengan confidence 1.000 (100%). Pola ini memberikan peluang untuk strategi promosi seperti bundling produk atau diskon paket. Di sisi lain, ditemukan juga pola dengan confidence rendah, seperti antara "Lampu Belakang" (0.148) dan "Kampas Rem Depan" (0.152) yang mengindikasikan potensi peningkatan strategi pemasaran untuk produk-produk tersebut. Penelitian ini memberikan wawasan berharga tentang perilaku pembelian pelanggan yang dapat diterapkan untuk meningkatkan efisiensi operasional, mengoptimalkan persediaan, dan menyusun strategi pemasaran yang lebih responsif terhadap kebutuhan pasar. Keywords: FP-Growth, Knowledge Discovery in Database, Analisis Data Transaksi, Confidence, Strategi Bisnis.]]>
Copyrights © 2025
