Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 3.
Nomor: 3.
September 2024: 193-201 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Menyusun Display Barang dengan Data Mining Assosiation Rule Menggunakan Rapid Miner Algoritma FP-GROWTH Arranging Item Displays Using Data Mining Association Rules Rapid Miner FPGrowth Algorithm Komala Sari*1.
Muhammad Khaibar Putra Adithia2.
Saiful Amir3 1,2 Sistem Informasi.
Teknik Informatika3/Universitas Nahdlatul Ulama Sumatera Utara E-mail korenpondensi: 1sariprima2022@gmail.
Abstrak Toko ceria kosmetik yang terletak di daerah Marelan kota Medan merupakan salah satu toko yang menjual perlengkapan kosmetika wanita.
Pemilik toko ceria kosmetik sangat disiplin dalam mencatat penjualan dan pembelian barang.
Setiap transaksi selalu dicatat dan disimpan dalam aplikasi Microsoft excel.
Sedangkan saat ini toko ceria kosmetik sudah berjalan sejak tahun 2015 dan mencatatkan banyak sekali transaksi baik penjualan maupun Dari tahun 2015 sampai sekarang data itu semakin bertambah, dan selama ini data tersebut hanya menjadi catatan dan disimpan dalam folder di computer toko.
Dari tumpukan data transaksi di toko ceria kosmetik ini penulis mengambil ide penelitian untuk memanfaatkan tumpukan data tersebut.
Salah satu penerapan teknologi informasi yang bisa digunakan untuk memanfaatkan tumpukan data tersebut adalah dengan teknik data Dengan menggunakan data mining tumpukan data dari took ceria kosmetik dapat dimanfaatkan untuk mencari pola asosiasi.
Dan penerapan data mining dengan aturan asosiasi dapat menggunakan algoritma FP-Growth.
Algoritma FP-Growth dapat digunakan sebagai salah satu alternativ untuk menentukan himpunan data yang paling sering muncul .
requent itemse.
dalam sebuah himpunan data.
Nantinya pola kombinasi yang didapat dalam penelitian ini dapat digunakan untuk mengatur tata letak barang .
di toko ceria kosmetik yang berada di Medan Marelan.
Kata kunci: Data mining.
Association Rule.
FP-Growth.
Tata Letak Barang .
Abstract A cosmetic cheerful shop located in the Marelan area of Medan city is a shop that sells women's cosmetic equipment.
The owner of a cheerful cosmetics shop is very disciplined in recording sales and purchases of goods.
Every transaction is always recorded and stored in the Microsoft Excel application.
Meanwhile, the Ceria Cosmetics store has been running since 2015 and has recorded lots of transactions, both sales and purchases.
From 2015 until now the data has been increasing, and so far this data has only been a record and stored in a folder on the store's From the piles of transaction data at the cheerful cosmetics store, the authors took the idea of research to utilize this pile of data.
One of the applications of information technology that can be used to utilize the pile of data is the data mining technique.
By using A 2024 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 3.
Nomor: 3.
September 2024: 193-201 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 data mining, a pile of data from a cheerful cosmetic store can be used to find association And the application of data mining with association rules can use the FP-Growth The FP-Growth algorithm can be used as an alternative to determine the most frequently occurring data set .
requent itemse.
in a data set.
Later, the combination patterns obtained in this study can be used to arrange the layout of goods .
at the Ceria Cosmetics store in Medan Marelan.
Keywords: Data mining.
Association Rule.
FP-Growth.
Item Layout .
PENDAHULUAN
Penerapan sistem informasi saat ini semakin dibutuhkan dunia industry, begitu juga pelaku bisnis, baik skala besar maupun skala kecil.
Pemanfaatan system informasi ini, terbukti sangat membantu pelaku usaha mengambil keputusan dalam waktu singkat.
Para pelaku usaha saat ini saling berlomba dalam membangun usaha mengingat persaingan dunia usaha sangat pesat.
Salah satu penerapan teknologi informasi yang saat ini banyak digunakan adalah teknogi digital .
istem informas.
yang bisa mengolah data dalam ukuran besar.
Semakin hari pertambahan jumlah data terutama data penjualan dan pembelian barang pada pelaku usaha semakin banyak, sehingga hal ini dapat dimanfaatkan untuk menganalisa dan memprediksi pembelian stok barang.
Selama ini penumpukan data dalam bentuk digital ini jarang dimanfaatkan pelaku usaha.
Hal ini tentunya akan berpengaruh terhadap pelayanan konsumen dan pencarian item yaitu konsumen akan membutuhkan waktu yang lama dalam pencarian barang jika membeli lebih dari satu barang yang letak barang satu dengan barang lainnya berada pada layout yang berjauhan, kajian ini sebelumnya sudah diteliti terlebih dahulu oleh Munanda dan Monalisa dengan judul penerapan Algoritma FP-Growth pada data transaksi penjualan untuk penentuan tata letak barang di tahun 2021.
Selain untuk mengatur posisi etalase pada took Ceria Kosmetik Data mining juga dapat digunakan pemilik usaha dalam memprediksi pembelian stok kosmetik.
Selain itu Algoritma FP-Growth bisa menghasilkan pola hubungan antar barang yang dibeli pelanggan toko, dengan cara penggalian aturan asosiasi.
Analisis asosiasi atau association data mining merupakan salah satu metode dalam data mining untuk menemukan aturan asosiatif pada kombinasi item atau hubungan antar atribut, penelitian sebelumnya oleh Rusnandi et all juga membahas Penerapan Data Mining Untuk Analisis Market Basket Dengan Algoritme Fp-Growth Pada Pd Pasar Tohaga di tahun 2020.
Data mining merupakan suatu teknik dalam menggali informasi berharga yang terpendam atau tersembunyi pada suatu koleksi .
yang sangat besar sehingga ditemukan suatu pola menarik yang sebelumnya tidak diketahui, aeperti pada penelitian sebelumnya di tahun 2021 dan 2022 .
Data mining merupakan proses memperoleh informasi dengan mencari pola dan hubungan yang tersembunyi pada tumpukan data.
Data mining merupakan salah satu disiplin ilmu A 2024 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 3.
Nomor: 3.
September 2024: 193-201 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 yang sebagian besar terbuka untuk dunia.
Data mining juga disebut sebagai Knowladge Discovery in Database (KDD), yaitu kegiatan pengumpulan, pemakaian data lampau untuk menemukan pola atau hubungan terhadap data yang ukurannya Data mining ini juga bisa digunakan untuk membantu dalam pengambilan .
Sedangkan Association Rule Mining merupakan pendekatan machine learning nonparametrik yang paling populer untuk menemukan hubungan tersembunyi antara variabel dalam database dari konsep data mining.
ARM juga digunakan untuk menemukan aturan asosiatif antara suatu kombinasi item atau hubungan suatu data yang digunakan untuk memprediksi suatu pola.
Association Rule terdiri dari frequent itemset yang sering ditemukan, dimana Association Rule yang kuat dalam bentuk dihasilkan.
Aturan ini juga memenuhi minimum confidence threshold.
Asosiasi dapat dianalisis lebih lanjut untuk mengungkap aturan korelasi statistik antara itemset A dan B.
ARM dianggap sebagai metode data mining yang tidak bergantung pada hipotesis apa pun dan dapat menemukan koneksi bermakna yang tersembunyi dalam kumpulan data besar.
Berdasarkan beberapa keunggulan tersebut, teknik ARM dimanfaatkan pada penelitian ini untuk menemukan hubungan setiap kata pada ulasan.
FP-Growth merupakan sebuah algoritma yang dipergunakan untuk menentukan kelompok data yang sering muncul secara bersamaan dalam sebuah kumpulan data.
FP-Growth adalah pengembangan dari algoritma apriori dengan menghilangkan proses candidate generation.
Candidate generation adalah pencarian himpunan kandidat dari semua pola yang ada dan kemudian kandidat terpilih dicocokkan dengan jumlah kemunculan pola tersebut sebanyak data yang ada dalam database.
METODOLOGI PENELITIAN
tahapan penelitian yang dilakukan pada penelitian ini merupakan satu kesatuan sistematis yang dilakukan untuk memudahkan penulis dalam melakukan penelitian, tahapan dimulai dengan melakukan mengidentifikasi masalah sampai implementasi serta pengujian A 2024 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 3.
Nomor: 3.
September 2024: 193-201 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Gambar 3.
1 Tahapan Penelitian Metode Analisis Deskriptif Metode penelitian yang digunakan adalah metode analisis deskriptif dengan pendekatan metode kuantitatif, artinya penelitian yang dilakukan menekankan pada analisisnya terhadap data numerik .
dengan tujuan untuk mengembangkan pemahaman yang jelas tentang situasi berdasarkan data yang diperoleh melalui penyajian, pengumpulan dan analisis.
Analisis data untuk mendapatkan informasi.
baru yang dapat digunakan untuk menganalisis pertanyaan penelitian.
Metode deskriptif adalah metode yang digunakan untuk menggambarkan analisis temuan penelitian tetapi tidak untuk menarik kesimpulan yang lebih luas.
Sumber Data dalam Penelitian Sumber data yang diperoleh dari :
Data Primer.
Merupakan data utama yang digunakan dalam penelitian ini, data ini diambil langsung dari Pemilik usaha Ceria Kosmetik yang berupa data Pembelian dan Penjualan kosmetik yang sudah berbentuk file Microsoft Excel.
Data Sekunder.
Merupakan data yang digunakan sebagai referensi yang berhubungan dengan judul maupun tema yang diambil dalam penelitian ini, data ini didapatkan dari sumber lain, seperti data dari jurnal penelitian, dan internet.
HASIL DAN PEMBAHASAN
Ada beberapa pembahasan dan tahapan yang harus dilakukan dalam bab ini, yaitu analisis data, penyajian data, hasil analisis data dan implementasi system berikut penjabaran beberapa pembahasan yang akan dilakukan.
A 2024 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 3.
Nomor: 3.
September 2024: 193-201 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Analisis Data Analisis data dilakukan khusus pada data penjualan Koksmetik di toko Ceria Kosmetik, tujuannya adalah menemukan pola penjualan barang(Kosmeti.
Data yang di analisis merupakan data penjualan yang sudah dalam bentuk database Microsoft excel hal ini dilakukan karena database Microsoft excel bersifat spreadsheet sehingga memudahkan untuk dilakukan analisa data.
Sedangkan data yang akan diolah dalam penelitiam ini adalah data penjulan diambil 20 sample KESIMPULAN 1 Penyajian data dan Pembentukan FP-Tree Karakteristik dari algoritma FP-Growth adalah struktur data yang digunakan berupa pohon yang disebut FP-Tree.
Algoritma FP-growth menggunakan FP-Tree dan dapat mengekstrak frequent itemset langsung dari FP- Tree.
Penggalian frequent itemset menggunakan algoritma FP-Growth akan dilakukan dengan cara membangkitkan struktur data tree atau disebut FP-Tree.
FP-Growth dapat dibagi menjadi 3 tahap utama sebagai berikut :
Tahap pembangkitan pustaka pola bersyarat.
Tahap pembangkitan kondisi FP-Tree.
Tahap pencarian itemset yang sering.
Gambar di bawah ini memberikan ilustrasi menganai pembentukan FP- Tree setelah pembacaan TID (Transaction ID) 1.
Gambar 4.
1 Hasil Pembentukan FP-Tree Setelah Pembacaan TID 1 Setelah dilakukan pembacaan TID 1.
TID 2 dan TID 3 pembacaan dilakukan dengan cara yang sama sampai dengan pembacaan TID 20 sepertiGambar dibawah A 2024 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 3.
Nomor: 3.
September 2024: 193-201 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Gambar 4.
6 Hasil Pembentukan FP-Tree Setelah Pembacaan TID 20 Dari tahap-tahap yang telah dilakukan diatas, maka item yang memenuhi minimum support = 20% dan minimum confidence = 40% pada tabel 4.
7 dan dapat diambil kesimpulan sebagai berikut :
Jika konsumen membeli Garnier 125 ml (Micelar Wate.
= (P.
maka konsumen juga akan membeli Ultima II Delicate (Lipsti.
= (P.
dengan nilai support = 40% dan nilai confidence = 61,5%.
Jika konsumen membeli Garnier 125 ml (Micelar Wate.
= (P.
maka konsumen juga akan membeliWardah Colorfit Velvet (LOOSE POWDER) = (P.
dengan nilai support = 35% dan nilai confidence = 53,8%.
Jika konsumen membeli Ultima II Delicate (Lipsti.
= (P.
maka konsumen juga akan membeliWardah Colorfit Velvet (LOOSE POWDER) = (P.
dengan nilai support = 40% dan nilai confidence = 80%.
Jika konsumen membeli Ultima II Delicate (Lipsti.
= (P.
maka konsumen juga akan membeli Make Over Silky Smooth (LOOSE POWDER) = (P.
dengan nilai support = 20% dan nilai confidence = 40%.
Jika konsumen membeli Wardah Colorfit Velvet (LOOSE POWDER) = (P.
maka konsumen juga akan membeli Make Over Silky Smooth (LOOSE POWDER) = (P.
dengan nilai support = 30% dan nilai confidence = 54,5%.
Jika konsumen membeli Garnier 125 ml (Micelar Wate.
= (P.
dan Ultima II Delicate (Lipsti.
= (P.
maka konsumen juga akan membeli Wardah Colorfit Velvet (LOOSE POWDER) = (P.
dengan nilai support = 40% dan nilai confidence =61%.
A 2024 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 3.
Nomor: 3.
September 2024: 193-201 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Implementasi sistem Implementasi sistem dilakukan sebagai upaya untuk membuktikan kebenaran hasil analisis dan perhitungan manual yang sebelumnya sudah Sedangkan pengujian secara digital dapat dilakukan degan memilih Rapidminer atau aplikasi pengujian pada Data Mining yang bisa digunakan menggunakan menghitung dan membuktikan kebenaran hitungan manual menggunakan metode FP-Growth Sample Data Penjualan yang diambil dari 20 transaksi disimpan dalam bentuk data Microsoft Excel dengan nama file Data_Transaksi_Penjualan _Kosmetik.
Selanjutnya Masukkan data yang sudah disimpan pada aplikasi Microsoft Excel tersebut ke dalam software rapidminer yang dilakukan sebagai bahan pengujian data, untuk melihat apakah hasil pencarian frequent itemset Gambar 4.
3 Tampilan Import Excel Sheet A 2024 The Author.
Published by UNITY ACADEMY .
This is an open access article under the CC BY-SA license .
ttp://creativecommons.
org/licenses/by-sa/4.
Jurnal Ilmu Komputer dan Sistem Informasi (JIRSI) Volume: 3.
Nomor: 3.
September 2024: 193-201 https://jurnal.
unity-academy.
id/index.
php/jirsi/index e-ISSN 2830-3954 p-ISSN 2830-6031 Gambar 4.
4 Contoh Nilai Minimum Support 20 % untuk 3 itemset Gambar 4.
5 Association Rules yang terbentuk dari aplikasi Rapidminer Gambar 4.
5 menunjukkan nilai Association Rules yang terbentuk dari Aplikasi Rapid Miner yang merupakan hasil akhir pengujian.
Setelah proses perhitungan diuji menggunakan aplikasi Rapid miner dapat disimpulkan bahwa jenis barang kosmetik yang akan ditata atau disusun di etalase sehingga bisa memudahkan pembeli dalam memilih barang dan hasil yang didapat atau yang sering dibeli pembeli/pelanggan yaitu Ultima II Delicate (Lipsti.
= (P.
maka konsumen juga akan membeliWardah Colorfit Velvet (LOOSE POWDER) = (P.
dengan nilai support = 40% dan nilai confidence = 80% begitu juga dengan dengan 6 aturan asosiasi lainnya yang terbentuk di atas.
DAFTAR PUSTAKA