<![CDATA[Penelitian ini bertujuan menerapkan algoritma Frequent Pattern Growth (FP-Growth) untuk menganalisis association rule pada data transaksi penjualan ritel guna menemukan pola pembelian produk yang sering terjadi secara bersamaan (market basket analysis). Penelitian menggunakan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM) yang terdiri dari tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset dipraproses dengan menghapus data duplikat berdasarkan kombinasi order_id dan product_name, kemudian diubah ke dalam bentuk transaksi biner menggunakan TransactionEncoder. Algoritma FP-Growth diimplementasikan menggunakan Python dan pustaka mlxtend, serta dikembangkan dalam sistem Market Basket Analysis System (MBAS) berbasis FastAPI. Hasil penelitian menunjukkan bahwa algoritma FP-Growth berhasil menghasilkan aturan asosiasi yang valid untuk mendukung strategi bisnis ritel. Kombinasi produk Juice Shirt memiliki nilai lift ratio tertinggi sebesar 1,93, yang menunjukkan adanya hubungan asosiasi yang kuat antara kedua produk. Hasil analisis dapat dimanfaatkan sebagai dasar penyusunan strategi product bundling, optimasi tata letak produk, dan promosi silang (cross-selling) pada bisnis ritel.]]>
Copyrights © 2026
