Algoritma Assosiasi K-Means dan FP-Growth untuk Analisis Keranjang Pasar pada Penjualan Produk Alumunium

Abstract

Abstrak: Alumunium banyak digunakan di berbagai bidang, sehingga bermunculan perusahaan-perusahaan untuk mengolah aluminium. Semakin banyak usaha-usaha dalam bidang yang sama menimbulkan persaingan usaha. Untuk mengatasinya diperlukan strategi pemasaran yang baik. Salah satu penelitian yang banyak dilakukan yaitu menganalisis keranjang belanja untuk menentukan rekomendasi produk kepada pelanggan. Banyak peneliti menggunakan aturan asosiasi dengan apriori atau fp-growth dalam menganalisis keranjang belanja. Tetapi untuk dataset yang besar, hasil dari penerapan asosiasi menjadi kurang akurat. Oleh karena itu dataset yang besar akan disegmentasi dengan k-means agar dataset yang besar dibagi menjadi beberapa segmen yang lebih kecil. Hasil yang didapat dalam menganalisis keranjang belanja dengan menerapkan algoritma k-means dan algoritma fp-growth terbukti dapat meningkatkan akurasi dari 70% menjadi 90 %,80% dan 90%. Rekomendasi produk yang tepat dapat membantu dalam strategi pemasaran, khususnya dalam bidang promosi produk dan untuk membantu perencanaan produksi produk.
 
Kata kunci: algoritma k-means, algoritma fp-growth, keranjang belanja, rekomendasi produk.
 
Abstract: Aluminum is widely used in a variety of things, so that the emerging companies to process aluminum. More and more businesses in the same pose competition. To overcome this need a good marketing strategy. One study done analyzing Market Basket to determine product recommendations to customers. Many researchers associate a priori approach or fp-growth in analyzing market basket. But for a large dataset, the results of the application of the association becomes less accurate. Therefore, a large dataset to be segmented k-means that large datasets are divided into several smaller segments. Analyzing the results obtained  in  the  market  basket  by applying  k-means  algorithm  and  fp-growth algorithm is shown to improve the accuracy of 70% to 90%, 80% and 90%. Appropriate  product  recommendations  to  assist  in  the  marketing  strategy,especially in the field of promotional products and to assist production planning.
 
Keywords: k-means algorithm, fp-growth algorithm, market basket, product recommendation.