Skripsi/Tugas Akhir

Optimalisasi Analisis Asosiasi Penjualan Kopi Arabika dan Robusta: Kajian Algoritma Apriori, FP-Growth dan ECLAT

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Dalam era globalisasi yang dipenuhi dengan perubahan teknologi, penggunaan Teknologi Informasi (TI) telah menjadi suatu keharusan bagi berbagai industri untuk memahami dan memanfaatkan potensi dari data besar yang dihasilkan setiap harinya. Objek penelitian ini berfokus pada penjualan kopi Arabika dan Robusta, dua varietas kopi utama yang memiliki karakteristik unik. Dalam konteks ini, penerapan teknologi informasi dan data mining menjadi esensial untuk memahami perilaku konsumen, tren penjualan, dan faktor-faktor yang mempengaruhi preferensi pelanggan terhadap kedua jenis kopi Dalam proses penulisan tugas akhir ini, jenis penelitian yang dilakukan yaitu penelitian Deskriptif Komparatif. Penelitan Deskriptif Komparatif digunakan untuk menganalisis perbandingan kinerja algoritma data mining asosiasi (Apriori, FP-Growth, dan Eclat) dalam menganalisis penjualan kopi Arabika dan Robusta. Karena tidak memiliki aturan asosiasi yang bisa dibuat pada tahap ini, FP-Growth dapat menjadi alat yang berguna dalam mengoptimalkan penjualan kopi arabika dan robusta dengan memahami hubungan antara produk, mengidentifikasi pola pembelian, dan merancang strategi pemasaran yang sesuai. Dapat memanfaatkan pola-pola asosiasi yang dihasilkan dari data penjualan kopi Arabika dan Robusta dengan algoritma Apriori, FP-Growth, dan Eclat untuk mendukung perencanaan pemasaran dan distribusi produk kopi.
Kata Kunci: Arabika, Robusta, Apriori, FP-Growth, Eclat

ABSTRACT
In an era of globalization filled with technological changes, the use of Information Technology (IT) has become a necessity for various industries to understand and utilize the potential of big data generated every day. The object of this research focuses on sales of Arabica and Robusta coffee, the two main coffee varieties which has unique characteristics. In this context, the application of information technology and data mining is essential to understand consumer behavior, sales trends, and factors that influence customer preferences for both types of coffee. In the process of writing this final assignment, the type of research carried out was Comparative Descriptive research. Comparative Descriptive Research is used to analyze the comparative performance of association data mining algorithms (Apriori, FP-Growth, and Eclat) in analyzing sales of Arabica and Robusta coffee. Because all items have been considered as initial frequent itemsets and only has one item, then there are no association rules that can be created at this stage, FP-Growth can be a useful tool in optimizing sales of arabica and robusta coffee by understanding the relationship between products, identifying purchasing patterns, and designing appropriate marketing strategies. Can utilize association patterns generated from Arabica and Robusta coffee sales data with the Apriori, FP-Growth, and Eclat algorithms to support marketing and distribution planning for coffee products.
Keywords: Arabica, Robusta, Apriori, FP-Growth, Eclat

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-49 HAR o - 0401SI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xi + 69 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-49

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 23 Februari 2024

Subjek

Skripsi/Tugas Akhir
Frequent Pattern Growth
Algoritma Apriori
Algoritma Eclat

Lampiran File