Application of the FP-Growth Algorithm to Determine Sales Patterns at Najah Mart
DOI:
https://doi.org/10.22303/csrid-.17.1.2025.1-19Keywords:
FP-Growth, Data Mining, Najah Mart, Knowledge Discovery Database, RetailAbstract
This research aims to apply the FP-Growth algorithm at Najah Mart with a focus on identifying significant sales patterns. By recognizing products that are frequently purchased together, this study is expected to help Najah Mart optimize inventory management, enhance customer shopping experiences, and design more efficient marketing strategies. The methodology employed in this study includes collecting sales transaction data and preprocessing to ensure optimal data quality. Subsequently, the FP-Growth algorithm is applied to uncover patterns and associations within the sales data. The analysis focuses on identifying strong product correlations based on customer purchasing patterns. The research findings reveal relevant and significant purchasing patterns, such as combinations of specific products frequently bought together. These insights can be utilized to improve marketing strategies and inventory management. This study not only provides practical benefits for Najah Mart in enhancing operational effectiveness and supporting strategic decision-making but also contributes to the advancement of knowledge by expanding the application of the FP-Growth algorithm in the retail sector, particularly in sales data analysis to support business growth.
References
Alghifari, F., & Juardi, D. (2021). Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes. Jurnal Ilmiah Informatika, 9(02), 75–81. https://doi.org/10.33884/jif.v9i02.3755
Ananda Lubis, F., Studi Manajemen, P., Ekonomi Dan Bisnis Islam, F., & Irwan Padli Nasution, M. (2024). Penggunaan Teknologi Big Data untuk Analisis Prediksi Bisnis. Jurnal Ilmiah Nusantara ( JINU), 1(4), 3047–9673. https://doi.org/10.61722/jinu.v1i4.1882
Ardianto, A., & Fitrianah, D. (2019). Penerapan Algoritma FP-Growth Rekomendasi Trend Penjualan ATK Pada CV. Fajar Sukses Abadi. Jurnal Telekomunikasi Dan Komputer, 9(1), 49. https://doi.org/10.22441/incomtech.v9i1.3263
Cakrawala, U. (n.d.). Apa itu preprocessing data, manfaat dan tahapannya. 2024. https://www.cakrawala.ac.id/berita/apa-itu-preprocessing-data
Erwansyah, K., Andika, B., & Gunawan, R. (2021). Implementasi Data Mining Menggunakan Asosiasi Dengan Algoritma Apriori Untuk Mendapatkan Pola Rekomendasi Belanja Produk Pada Toko Avis Mobile. J-SISKO TECH (Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD), 4(1), 148. https://doi.org/10.53513/jsk.v4i1.2628
Harahap, S. Z., & Nastuti, A. (2019). Teknik Data Mining Untuk Penentuan Paket Hemat Sembako. Jurnal Ilmiah Fakultas Sains Dan Teknologi, 7(3), 111–119.
Juni Arta, I. K., Indrawan, G., & Dantes, G. R. (2017). Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di Stmik Denpasar Menggunakan Metode Technique for Others Reference By Similarity To Ideal Solution. JST (Jurnal Sains Dan Teknologi), 5(2), 11–21. https://doi.org/10.23887/jstundiksha.v5i2.8549
Leraning, D. A. P. (2021). Belajar Algotirma Naive Bayes. https://dqlab.id/belajar-algotirma-naive-bayes
Lestari, L. M., Ali, I., Tinggi, S., Informatika, M., & Ikmi, S. (2023). Penerapan Algoritma FP-Growth Untuk Menentukan Pola Penjualan Toko Ellia Umami. L. Lestari, 1(3), 367–378.
Mai, P., Tarigan, S., Hardinata, J. T., Qurniawan, H., Safii, M., & Winanjaya, R. (2022). IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI DALAM MENENTUKAN PERSEDIAAN BARANG ( STUDI KASUS : TOKO SINAR HARAHAP ). 12(2), 51–61.
Naldy, E. T., & Andri, A. (2021). Penerapan Data Mining Untuk Analisis Daftar Pembelian Konsumen Dengan Menggunakan Algoritma Apriori Pada Transaksi Penjualan Toko Bangunan MDN. Jurnal Nasional Ilmu Komputer, 2(2), 89–101. https://doi.org/10.47747/jurnalnik.v2i2.525
Nurfadilah, A. (2022). Tahapan Proses Data Mining/Knowledge Discovery (KDD). Kompasiana.Com. https://www.kompasiana.com/atikanurfadilah234/6332bf0e08a8b5707862efe2/tahapan-proses-data-mining-knowledge-discovery-kdd
Qothrunnada, K. (2022). Pengertian Transaksi: Fungsi, Jenis, Contoh serta Bukti Keuangannya. Detikfinance. https://finance.detik.com/berita-ekonomi-bisnis/d-6023038/pengertian-transaksi-fungsi-jenis-contoh-serta-bukti-keuangannya#:~:text=Dikutip dari Modul Kemdikbud Paket,dan informasi keuangan secara sistematis.
Sari, L., & Sari siregar, G. yanti kemala. (2021). Perancangan Aplikasi Pendataan Data Kepegawaian Negeri Sipil Pada Dinas Komunikasi Dan Informatika Kota Metro. Jurnal Mahasiswa Ilmu Komputer, 1(2), 115–135. https://doi.org/10.24127/.v2i1.1235
Suliman, S. (2021). Implementasi Data Mining Terhadap Prestasi Belajar Mahasiswa Berdasarkan Pergaulan dan Sosial Ekonomi Dengan Algoritma K-Means Clustering. Simkom, 6(1), 1–11. https://doi.org/10.51717/simkom.v6i1.48
Sumilat, M. F., Malonda, N. S. H., & Punuh, M. I. (2019). Hubungan Antara Status Imunisasi dan Pemberian ASI Eksklusif dengan Status Gizi Balita Usia 24-59 bulan di Desa Tateli Tiga Kecamatan Mandolang Kabupaten Minahasa. Jurnal KESMAS, 8(6), 326–334.
Trivusi. (2022). Pengertian dan Teknik Data Preprocessing dalam Data Mining. Trivusi. https://www.trivusi.web.id/2022/09/data-preprocessing.html#google_vignette
Zulham, Z., Rusydi, I., & Hidayah, N. (2023). Application of Data Mining in Grocery Sales using the FP-Growth Algorithm. Prosiding Universitas Dharmawangsa, 3(1), 676–695.
