Penerapan Data Mining Untuk Memprediksi Tren Pasar Dalam Market Base Analysis Dengan Algoritma Fp Growth

Abstrak

Perkembangan teknologi informasi mendorong pemanfaatan data dalam jumlah besar untuk menghasilkan informasi yang bermanfaat bagi pengambilan keputusan bisnis. Salah satu teknik yang dapat digunakan adalah data mining dengan pendekatan Market Basket Analysis untuk mengetahui pola pembelian konsumen. Penelitian ini bertujuan untuk menerapkan algoritma FP-Growth dalam memprediksi tren pasar berdasarkan data transaksi penjualan. Data yang digunakan meliputi atribut Transaction ID, jenis produk, jumlah pembelian, dan harga produk. Proses pengolahan data dilakukan menggunakan software RapidMiner melalui tahapan preprocessing data, pembentukan frequent itemset, serta pembentukan association rule. Pada penelitian ini digunakan parameter minimum support sebesar 0,3 dan minimum confidence sebesar 0,8 untuk menghasilkan aturan asosiasi yang relevan. Hasil penelitian menunjukkan bahwa algoritma FP-Growth mampu mengidentifikasi hubungan keterkaitan antar produk secara efektif dan efisien. Beberapa produk memiliki tingkat asosiasi yang tinggi, dimana produk Air Mineral sering muncul sebagai produk pendamping dalam berbagai transaksi pembelian. Hal ini menunjukkan bahwa Air Mineral merupakan salah satu produk dengan tingkat permintaan tinggi di pasar. Penerapan metode ini dapat membantu pelaku usaha dalam menentukan strategi pemasaran, pengelolaan persediaan barang, serta penentuan penempatan produk. Dengan demikian, penerapan data mining menggunakan algoritma FP-Growth dapat digunakan sebagai alat bantu dalam memprediksi tren pasar dan mendukung pengambilan keputusan bisnis berbasis data.