ANALISIS PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH DALAM MENENTUKAN POLA PENJUALAN BARANG SPAREPART MOBIL ( STUDI KASUS : CV. PAJAR INDAH )

Abstract

Penjualan Sparepart mobil dilakukan setiap hari oleh pihak CV.Pajar indah berdasarkan adanya pelanggan yang melakukan perbaikan dibengkel CV.Pajar Indah. Banyaknya pelanggan sering membuat pihak bengkel kewalahan pada saat mencari barang atau peralatan yang di butuhkan oleh mobil yang memiliki kerusakan, tidak adanya sistem yang terintegrasi membuat pihak bengkel tidak selalu melakukan persediaan terhadap barang – barang atau Sparepart yang sering terjual atau sering di butuhkan oleh pelanggan, oleh sebab itu perlu adanya suatu pengetahuan atau sistem untuk membantu pihak bengkel dalam mengetahui pola penjualan, barang apa saja yang terjual, hubungan antara barang yang terjual dengan jenis atau model mobil serta harga yang di tawarkan. Pada penelitian ini penulis mencoba menerapkan serta membandingkan Algoritma Apriori Dengan Algoritma Fp-Growth guna untuk menemukan pola penjualan yang ada. Adapun data yang di gunakan yaitu penjualan yang dilakukan dari tahun 2016 sampai 2019 yang menghasilkan 1.200 data.Adapun atribut yang di gunakan dalam menentukan pola penjualan yaitu : Model Mobil, Jenis Harga, Serta Nama Sparepart mobil itu sendiri. Pada penelitian ini penulis menggunakan bantuan aplikasi RapidMiner yang berguna untuk membantu proses perhitungan serta proses penemuan kombinasi Pola. Adapun algoritma apriori sendiri yaitu algoritma yang digunakan dengan melakukan scan database berulang kali hingga mendapatkan Rule yang sesuai, sedangkan algoritma Fp-Growth sendiri merupakan turunan dari algoritma apriori yang dalam prosesnya hanya melakukan scan database sebanyak satu kali kemudian menyajikannya dalam bentuk Fp-Tree.adapun algoritma apriori mendapatkan rule sebanyak 9 Rule yang memenuhi minimum support sebesar 40% dan minimum confidence sebesar 50% dengan waktu eksekusi proses selama 4 detik sedangkan Rule yang di hasilkan oleh algoritma fp-growth sebanyak 14 rule yang memenuhi nilai minimum support 40% serta nilai minimum confidence sebesar 50% dengan waktu eksekusi program selama 2 detik.keputusan dari hasil perbandingan antara algoritma apriori dan algoritma fp-growth yaitu algoritma fp-growth karena menghasilkan banyak rule yang dapat menjadi rekomendasi, melewati proses yang lebih singkat dan melewati waktu yang lebih cepat.