ANALISIS POLA KETERKAITAN PRODUK TOKO SEMBAKO IBU IYU DENGAN ALGORITMA FP-GROWTH

Suripno; Nining Rahaninsih; Irfan Ali; Martanto; Odi Nurdiawan

doi:10.31949/infotech.v11i2.16632

Authors

Suripno STMIK IKMI Cirebon, Indonesia
Nining Rahaninsih STMIK IKMI Cirebon, Indonesia
Irfan Ali STMIK IKMI Cirebon, Indonesia
Martanto STMIK IKMI Cirebon, Indonesia
Odi Nurdiawan STMIK IKMI Cirebon, Indonesia

DOI:

https://doi.org/10.31949/infotech.v11i2.16632

Abstract

Toko Sembako Ibu Iyu merupakan toko ritel tradisional yang menghasilkan data transaksi dalam jumlah besar setiap hari, sehingga diperlukan teknik pengolahan data yang mampu mengekstraksi informasi bernilai guna mendukung pengambilan keputusan. Penelitian ini menerapkan metode data mining menggunakan algoritma association rule mining, khususnya FP-Growth, untuk mengidentifikasi pola keterkaitan produk dan memahami kecenderungan pembelian konsumen. Data yang digunakan mencakup transaksi periode Januari hingga Juni 2024 yang berisi kode transaksi, tanggal, serta daftar produk yang dibeli. Tahapan penelitian meliputi seleksi data, pembersihan duplikasi, standarisasi penamaan, dan transformasi ke format basket transaction sebelum dianalisis menggunakan FP-Growth dengan minimum support 0,01 dan minimum confidence 0,6. Hasil penelitian menghasilkan 11 aturan asosiasi, dengan aturan terbaik menunjukkan bahwa konsumen yang membeli Marlboro Kretek cenderung membeli Cheetos BBQ/Jagung Bakar, dengan nilai support 1,2% dan confidence 95,7%. Temuan ini dapat dimanfaatkan untuk strategi penataan produk, promosi bundling, dan optimalisasi manajemen persediaan sehingga mendukung peningkatan efisiensi operasional toko ritel tradisional.

Keywords:

Algoritma FP-Growth, Association Rule Mining, penjualan, Ritel

Downloads

Download data is not yet available.

References

Aldinata, R., & Raissa Amanda Putri. (2025). Implementation of data mining on Muslim women’s clothing sales using the FP-Growth method. Jurnal Riset Informatika, 7(3), 111–118. https://doi.org/10.34288/jri.v7i3.382

Amsury, F., Kurniawati, I., & Rizki Fahdia, M. (2023). IMPLEMENTASI ASSOCIATION RULES MENENTUKAN POLA PEMILIHAN MENU DI THE GADE COFFEE & GOLD MENGGUNAKAN ALGORITMA APRIORI. INFOTECH Journal, 9(1), 279–286. https://doi.org/10.31949/infotech.v9i1.5357

Ardi, R. B., Ely Nastiti, F., & Sumarlinda, S. (2023). ALGORITMA K-MEANS CLUSTERING UNTUK SEGMENTASI PELANGGAN (STUDI KASUS : FASHION VIRAL SOLO). INFOTECH Journal, 9(1), 124–131. https://doi.org/10.31949/infotech.v9i1.5214

Dewa, I., Saraswati, A. I., Made, I., Oka Gunawan, A., Agus, M., & Putra, W. (2024). Analisis Keranjang Belanja pada Data Ritel Non-Toko ………. (I Dewa Ayu Indah Saraswati).

Dwiputra, D., Widodo, A. M., Akbar, H., & Firmansyah, G. (2023). Evaluating the performance of association rules in Apriori and FP-Growth algorithms: market basket analysis to discover rules of item combinations. Journal of World Science, 2(8). https://doi.org/10.58344/jws.v2i8.403

Haerani, E. (2022). Finding customer patterns using FP-Growth algorithm: transaction data of retail goods. STMSI Journal of Information Systems. https://doi.org/10.XXXX/stmsi.vX.iY.Z

Hashad, A. A., Wah, K. W., Alnoor, A., & Chew, X. (2022). Exploratory analysis with association rule mining algorithms in the retail industry. Malaysian Journal of Computing, 9(1). https://doi.org/10.24191/mjoc.v9i1.21433

Kajornkasirat, S., Gunglin, P., Puangsuwan, K., & Kaewsuwan, N. (2025). Customer segmentation using association rule mining on retail transaction data. IAES International Journal of Artificial Intelligence, 14(3), 1919–1929. https://doi.org/10.11591/ijai.v14.i3.pp1919-1929

Nurmayanti, W. P., Sastriana, H. M., & Mahyulis Sastriana, M. (2023). Market basket analysis with Apriori algorithm and frequent pattern growth (FP-Growth) on outdoor product sales data. International Journal of Educational Research & Social Sciences, 2(1). https://doi.org/10.51601/ijersc.v2i1.45

Nursasongka, R. M. T., Fahrurrozi, I., Oktiawati, U. Y., Taufiq, U., Farooq, U., & Alfian, G. (2024). Utilizing association rule mining for enhancing sales performance in web-based dashboard application. Indonesian Journal of Electrical Engineering and Computer Science, 36(2), 1105–1113. https://doi.org/10.11591/ijeecs.v36.i2.pp1105-1113

Prayitno, J., Saputra, B., Rahayu, S. A., & Hariguna, T. (2023). Market Basket Analysis Using FP-Growth Algorithm to Design Marketing Strategy by Determining Consumer Purchasing Patterns. Journal of Applied Data Sciences, 4(1), 38–49.

Soleha, U., Widyastuti, M., Khairani, L., Maghfirah, R., & Fauzan, A. (2022). IJIRSE: Indonesian Journal of Informatic Research and Software Engineering Application of the Fp-Growth Algorithm in Determining Consumer Purchase Patterns 212 Mart Pekanbaru. 2(2), 93–99.

Sopiandi, I., Sujadi, H., & Mulyana. (2023). PENGUKURAN PRODUKTIVITAS PENGGUNAAN TI PADA FAKULTAS EKONOMI DAN BISNIS SEBELUM DAN SESUDAH MASA PANDEMI MENGGUNAKAN ALGORITMA K-MEANS. INFOTECH Journal, 9(1), 24–29. https://doi.org/10.31949/infotech.v9i1.4243

Yanti, R., Maradjabessy, P. N., Qurtubi, & Rachmadewi, I. P. (2024). Determining the retail sales strategies using association rule mining. International Journal of Advances in Applied Sciences (IJAAS), 13(3), 530–538. https://doi.org/10.11591/ijaas.v13.i3.pp530-538

Zia Ghassani, F., Jamaludin, A., & Susilo Yuda Irawan, A. (2022). MARKET BASKET ANALYSIS MENGGUNAKAN ALGORITMA FP-GROWTH DALAM MENENTUKAN CROSS-SELLING. JIP (Jurnal Informatika Polinema).