<![CDATA[Pengelolaan inventaris produk yang efisien merupakan salah satu tantangan utama dalam dunia bisnis, terutama di sektor retail. Data transaksi yang semakin kompleks memerlukan pendekatan analitik yang dapat mengidentifikasi pola keterkaitan antar produk dengan cepat dan akurat. Penelitian ini bertujuan untuk memanfaatkan algoritma FP-Growth dan Apriori dalam menganalisis data transaksi guna memberikan rekomendasi optimal untuk pengelolaan inventaris produk. Kedua algoritma ini diterapkan menggunakan perangkat lunak RapidMiner untuk mengidentifikasi pola pembelian yang berulang dan menentukan aturan asosiasi antar produk. Hasil analisis menunjukkan bahwa FP-Growth lebih unggul dalam efisiensi waktu komputasi dibandingkan Apriori, terutama pada dataset besar. Temuan ini diharapkan dapat membantu manajer inventaris dalam menyusun strategi stok yang lebih efektif, mengurangi risiko kekurangan atau kelebihan stok, serta meningkatkan kepuasan pelanggan. Penelitian ini juga memberikan kontribusi dalam pengembangan metode data mining berbasis algoritma untuk mendukung pengambilan keputusan bisnis yang berbasis data. Kata kunci: FP-Growth, Apriori, Data Mining, Pengelolaan Inventaris, Analisis Pola, RapidMiner, Manajemen Stok, Aturan Asosiasi.]]>
Copyrights © 2026
