ASSOCIATION RULE ANALYSIS OF FP-GROWTH ALGORITHM ON DRUG PURCHASE PATTERNS
Universitas Gunadarma
Indonesia
Abstract
Salah satu teknik data mining adalah Association Rule yang sering disebut dengan prosedur Market Basket Analysis untuk mencari pengetahuan tentang pola pembelian konsumen. Riset ini menggunakan algoritma Frequent Pattern Growth (FP-Growth). FP-Growth dalam membentuk itemset dilakukan dengan membuat struktur data FP-Tree. Data yang digunakan memanfaatkan transaksi Klinik selama dua tahun. Analisis dilakukan untuk mempertimbangkan keputusan bagi pemangku kepentingan informasi di Klinik. Hasilnya diperoleh 118 rule dengan nilai minimal 30% support dan 75% confidence. Aturan yang dihasilkan 100% jika beli INJ Piralen maka beli INJ Ranitidine, 100% jika beli Genoint maka beli Genoint SK, jika beli Gastritis Cap maka beli 100% Myalgia Cap, jika beli Sanbe SP NACL Liquid maka beli 100% Glucose Dextrose Liquid, kalau beli Omecidal beli Omedeson 100%, dan kalau beli Omeprazole beli Gludepatik 87%. Riset ini membantu pemilik Klinik menentukan pola dan menampilkan obat yang paling laris dibeli konsumen.
Keywords
References
S. Defit, “Penggunaan Algoritma Apriori Dalam Menganalisa Perilaku Mahasiswa Dalam Memilih Mata Kuliah (Studi Kasus : FKIP UPI YPTK),” Jurnal Media Processor, vol. 8, no.3, Oct., pp. 31-42, 2013.
D. P. Mulya, “Analisa dan Implementasi Association Rule Dengan Algoritma FP-Growth Dalam Seleksi Pembelian Tanah Liat (Studi Kasus Di PT. Anveve Ismi Berjaya),” Jurnal Teknologi dan Sistem Informasi Bisnis, vol. 1, no. 1, Jan., pp. 47-57, 2019.
Fadli, M. I. Zulfa, and Y. Ramadhani, “Perbandingan Unjuk Kerja Algoritme Klasifikasi Data Mining dalam Sistem Peringatan Dini Ketepatan Waktu Studi Mahasiswa,” Jurnal Teknologi dan Sistem Komputer, vol. 6, no. 4, Oct., pp. 158-163, 2018.
S. Sidhu, U. K. Meena, A. Nawani, H. Gupta, and N. Thakur, “FP Growth Algorithm Implementation,” International Journal of Computer Applications, vol. 93, no. 8, May, pp. 6-10. 2014.
X. Huang, Y. Xu, S. Zhang, and W. Zhang, ”Association Rule Mining for Selecting Proper Students to Take Part in Proper Discipline Competition: A Case Study of Zhejiang University of Finance and Economics,” International Journal of Emerging Technologies in Learning, vol. 13, no. 3, Mar., pp. 100-113, 2018.
A. N. Sağın and B. Ayvaz, “Determination of Association Rules with Market Basket Analysis: Application in the Retail Sector,” Southeast Europe Journal of Soft Computing, vol. 7, no.1, Mar., pp. 10-19, 2018.
R. Riszky and M. Sadikin, "Data Mining Menggunakan Algoritma Apriori Untuk Rekomendasi Produk Bagi Pelanggan", Jurnal Teknologi dan Sistem Komputer, vol. 7, no. 3, Jul., pp. 103-108, 2019.
Ruswati, A. I. Gufroni, and Rianto, “Associative Analysis Data Mining Pattern Against Traffic Accidents Using Apriori Algorithm,” Scientific Journal of Informatics, vol. 5, no. 2, Nov., pp. 91-104, 2018.
D. H. Yang, J. H. Kang, Y. B. Park, Y. J. Park, H. S. Oh, and S. B. Kim, “Association Rule Mining and Network Analysis in Oriental Medicine,” PLoS ONE, vol. 8, no.3, Mar., pp. 1-7, 2013.
O. Maimon and L. Rokach, Data Mining and Knowledge Discovery Handbook, 2nd ed, US: Springer, 2010.
Kusrini and E. T. Luthfi, Algoritma Data Mining, Yogyakarta: Andi, 2009.
K. Tampubolon, H. Saragih, and B. Reza, “Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan”, Informasi dan Teknologi Ilmiah (INTI), Oct., pp. 93-106, 2013.
J. Han, M. Kamber, and J. Pei, Data Mining: Concept and Techniques, 3rd ed, San Fransisco, CA: Morgan Kaufmann, 2012.
R. N. Miraldi, A. Rachmat, and B. Susanto, “lmplementasi Algoritma FP-GROWTH Untuk Sistem Rekomendasi Buku di Perpustakaan UKDW,” INFORMATIKA, vol. 10, no. l, pp. 29-39, 2014.
S. O. Obaje, J. I. Omade, and U. A. Dambatta, "Clays and Their Industrial Applications: Synoptic Review,” International Journal of Science and Technology, vol.3, pp. 264-270, 2013.
