PERBANDINGAN APRIORI DAN FP-GROWTH DALAM PEMBUATAN ATURAN ASOSIASI PEMBELIAN PRODUK BAKERY BERBASIS CRISP-DM
DOI:
https://doi.org/10.31539/qdvqa169Abstract
Penelitian ini membandingkan performa algoritma Apriori dan FP-Growth dalam mengekstraksi aturan asosiasi dari dataset transaksi penjualan bakery dari Kaggle yang terdiri atas 2.654 transaksi dan 23 jenis produk. Perbandingan meliputi jumlah frequent itemset, jumlah aturan asosiasi, nilai rata-rata support, confidence, dan lift, serta waktu eksekusi algoritma. Seluruh proses analisis dilakukan menggunakan perangkat lunak Python dengan pustaka pandas dan mlxtend pada lingkungan komputasi yang identik. Data diproses menggunakan one-hot encoding dan dianalisis dengan parameter minimum support sebesar 5% dan minimum confidence sebesar 50%. Hasil percobaan menunjukkan bahwa kedua algoritma menghasilkan 43 frequent itemset dan 18 aturan asosiasi yang identik, dengan rata-rata support sebesar 0.1319, rata-rata confidence sebesar 0.7454, dan rata-rata lift sebesar 1.0876. Waktu eksekusi Apriori tercatat sekitar 0.00379 detik, sedangkan FP-Growth sekitar 0.00397 detik. Temuan ini menunjukkan bahwa pada dataset yang dianalisis, kedua algoritma memiliki kinerja yang setara dalam kualitas aturan asosiasi, dengan perbedaan waktu eksekusi yang relatif kecil
Kata Kunci: CRISP-DM, Market Basket Analysis, Apriori, FP-Growth, Aturan Asosiasi, Bakery
References
Brighton, K., & Hariyanto, S. (2024). Penerapan Metode Market Basket Analisis Dengan Algoritma Apriori Pada Toko Ritel Elektronik. Bit-Tech, 7(1), 37–46. https://doi.org/10.32877/bt.v7i1.1417
Husain, Y., Oktaviyani, E. D., & Christina, S. (2023). Analisis Perbandingan Algoritma Apriori, FP-Growth, dan Eclat dalam Menemukan Pola Pembelian Konsumen. Jurnal Konstelasi, 3(2), 231–243. https://doi.org/https://doi.org/10.24002/konstelasi.v3i2.7007
Keristina, I., & Ependi, U. (2025). ANALISIS POLA JENIS TINDAK KEJAHATAN MENGGUNAKAN ALGORITMA APRIORI ANALYSIS OF CRIME TYPE PATTERNS USING THE APRIORI ALGORITHM. Journal of Information Technology and Computer Science (INTECOMS), 8(5), 1773–1741. https://doi.org/https://doi.org/10.31539/08djcf35
Musdalifah, I., & Jananto, A. (2022). Analisis Perbandingan Algoritma Apriori Dan FP-Growth Dalam Pembentukan Pola Asosiasi Keranjang Belanja Pelanggan. Progresif: Jurnal Ilmiah Komputer, 18, 175–184. https://doi.org/http://dx.doi.org/10.35889/progresif.v18i2.878
Prasetya, T., Eka Yanti, J., Irma Purnamasari, A., Rinaldi Dikananda, A., & Anwar, S. (2022). Analisis Data Transaksi Terhadap Pola Pembelian Konsumen Menggunakan Metode Algoritma Apriori. INFORMATICS FOR EDUCATORS AND PROFESSIONALS, 6(1), 43–52. https://doi.org/https://doi.org/10.51211/itbi.v6i1.1688
Qoni’ah, I., & Priandika, A. T. (2020). Analisis Market Basket Untuk Menentukan Asossiasi Rule Dengan Algoritma Apriori (Studi Kasus: Tb. Menara). Jurnal Teknologi dan Sistem Informasi, 1(2), 26–33. https://doi.org/https://doi.org/10.33365/jtsi.v1i2.368
Rahayu, V., Soedijo, B., & Amikom Yogyakarta, U. (2021). Analisis Algoritma Apriori dan FP-Growth Dalam Menemukan Pola Frequent Item Data Association Rule Pada Supermarket. Jurnal Explore, 11, 20–23. https://doi.org/https://doi.org/10.35200/ex.v11i2.46
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Vivian Vivian, Jek Siang Jong, Halim Budi Santoso
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
