Perbandingan Metode Algoritma Apriori Dan Fp-Growth Dalam Mengetahui Pola Perilaku Konsumen (Studi Kasus: Data Transaksi E-Commerce 2018-2019)
Abstract
Perilaku konsumen adalah kegiatan konsumen dalam memutuskan, membeli,
menggunakan dan mengkonsumsi barang dan jasa yang dibeli. Perilaku konsumsi
ini mengungkapkan perilaku, pola, atau kebiasaan untuk memenuhi kebutuhan dan
keinginan konsumen. Dalam beberapa tahun terakhir, data transaksi telah banyak
digunakan sebagai bahan penelitian dan analisis bagi para peneliti. Market Basket
Analysis atau MBA menekankan pada analisis pembelanjaan pelanggan untuk
menganalisis kebiasaan barang yang dibeli dan membuat pola-pola tersebut dari
sejumlah catatan transaksi yang dapat membantu penjualan dan memaksimalkan
keuntukngan. Dalam MBA terdapat beberapa algoritma salah satunya ada algoritma
Apriori dan algoritma FP-Growth. Dengan menggunakan data transaksi dari salah
saru e-commerce di United Kingdom yang diambil dari tanggal 1 Desember 2018
sampai 9 Desember 2019. Dari data tersebut diperoleh hasil bahwa customer sering
membeli barang-barang berikut secara bersamaan, antara lain barang-barang
tersebut ada “Jumbo Bag Red Retrospot” dengan “Jumbo Bag Pink Polkadot” dan
“Jumbo Storage Bag Suki”, “Lunch Bag Red Retrospot” dengan “Lunch Bag Black
Skull” dan “Lunch Bag Pink Polkadot”, “Regency Cakestand 3 Tier” dengan
“Roses Regency Teacup And Saucer” dan “Green Regency Teacup And Saucer”,
“Cream Hanging Heart T-Light Holder” dengan “Red Hanging Heart T-Light
Holder”, “Party Bunting” dengan “Sporty Bunting” dan lain sebagainya. Lalu untuk
perbandingan kedua algoritma tersebut, didapatkan bahwa algoritma FP-Growth
lebih cepat dalam membentuk rules dibandingkan dengan algoritma Apriori.
Collections
- Statistics [900]