berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan mentega. Dengan pengetahuan tersebut, pemilik swalayan dapat mengatur
penempatan barangnya dan merancang kampanye pemasaran dengan memakai kupon diskon untuk kombinasi barang tertentu.
Banyak peneliti yang menjadikan data mining sebagai objek penelitiannya. Pathresia 2012 di dalam penelitiannya menggunakan teknik market basket analysis
dengan menggunakan algoritma Apriori untuk memperoleh korelasi produk yang sering dibeli secara bersamaan pada swalayan. Selain itu juga Ahmad 2012 dalam
penelitiannya memanfaatkan data transaksi yang banyak tersimpan dengan menggunakan Algoritma FP-Growth untuk membuat strategi dan kebijakan dalam
berbisnis. Demikian juga Erwin2009 dalam penelitiannya menganalisis market basket dengan algoritma Apriori dan Algoritma FP-Growth.
Banyak metode yang digunakan dalam data mining, yaitu estimation, prediction, classification, clustering, Association
. Penelitian ini menggunakan association rule
demgan menggunakan algoritma Apriori dan FP Growth. Kedua algoritma tersebut digunakan untuk mengetahui korelasi antara barang yang diminati
oleh konsumen yang tersimpan dalam database. Setelah diperoleh frequent itemsets, maka diambil suatu aturan dan kemudian menganalisis perbandingan waktu kedua
algoritma tersebut.
1.2 Rumusan Masalah
Setelah melihat latar belakang masalah yang telah diuraikan maka rumusan masalah dalam penelitian ini adalah bagaimana membuat perbandingan algoritma Apriori dan
algoritma FP Growth di dalam penambangan data dalam database untuk korelasi pembelian produk.
1.3 Batasan Masalah
Universitas Sumatera Utara
Adapun batasan masalah dalam penelitian ini adalah sebagai berikut: 1. Data yang diinput merupakan transaksi penjualan produk yang dibeli
selama 3 bulan di minimarket 2. Informasi berdasarkan produk yang dibeli konsumen secara bersamaan
3. Menggunakan korelasi dari 2 jenis produk yang dijual dengan parameter support
dan confidence. Dimana nilai maksimum support 0.3 dan maksimum confidence 1.
4. Jenis barang dalam penelitian ini yaitu: makanan dan minuman, produk pembersih dan pewangi konsumenhygiene care, pembersih dan pewangi
pakaian. 5. Analisis dilihat dengan perbandingan waktu untuk menemukan frequent
itemset 6. Menggunakan bahasa pemrograman PHP dan penyimpanan data di MySql.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah: 1. Mendapatkan korelasi dari jenis produk-produk yang sering dibeli secara
bersamaan dalam suatu waktu 2. Mengimplementasikan hasil dari korelasi jenis produk-produk ke dalam
sebuah aplikasi data mining pada pembelian produk menggunakan algoritma apriori dan FP Growth
3. Menganalisis perbandingan waktu yang diperlukan di dalam menemukan frequent itemset
dengan algoritma apriori dan FP Growth.
1.5 Manfaat Penelitian
Adapun manfaat yang didapat dari penelitian ini adalah:
Universitas Sumatera Utara
1. Dapat mempermudah mengetahui informasi pembelian produk yang sering dibeli oleh konsumen secara bersamaan
2. Untuk mengetahui pencarian data yang sering muncul frequent itemset kemudian dapat diambil kesimpulan
3. Untuk mengatur tata letak produk yang sering dibeli secara bersamaan oleh konsumen supaya diletakkan secara berdekatan
4. Untuk mengetahui perbandingan waktu yang dibutuhkan dalam menemukan korelasi produk pembelian
1.6 Metodologi Penelitian
