ANALISIS PERBANDINGAN ALGORITMA APRIORI DAN
ALGORITMA FP-GROWTH UNTUK KORELASI
PEMBELIAN PRODUK ( STUDI KASUS:
SUMBER SWALAYAN MEDAN)
SKRIPSI
EVA CRISTY YULIANA MANURUNG
111421034
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
ANALISIS PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK KORELASI PEMBELIAN PRODUK
( STUDI KASUS: SUMBER SWALAYAN MEDAN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
EVA CRISTY YULIANA MANURUNG 111421034
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
PERSETUJUAN
Judul : ANALISIS PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK KORELASI PEMBELIAN PRODUK (STUDI KASUS: SUMBER SWALAYAN MEDAN)
Kategori : SKRIPSI
Nama : EVA CRISTY YULIANA MANURUNG Nomor Induk Mahasiswa : 111421034
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Maya Silvi Lydia B.Sc, M.Sc Dr. Poltak Sihombing, M.Kom NIP. 19740127 200212 2 001 NIP. 19620217 199103 1 001
Diketahui/disetujui oleh
Program Studi Ekstensi S1 Ilmu Komputer Ketua,
PERNYATAAN
ANALISIS PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK KORELASI PEMBELIAN PRODUK
( STUDI KASUS: SUMBER SWALAYAN MEDAN)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Januari 2014
PENGHARGAAN
Puji syukur penulis panjatkan Tuhan Yang Maha Esa, karena atas berkat dan kasih-Nya penulis mampu menyelesaikan Skripsi ini.
Skripsi ini dikerjakan sebagai salah satu syarat guna memperoleh gelar Sarjana Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Penulis mengungkapkan rasa terima kasih dan penghargaan kepada :
1. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
2. Bapak Dr. Poltak M.Kom, selaku Ketua Program Studi Ilmu Komputer sekaligus Dosen Pembimbing I yang telah memberikan banyak bimbingan, saran, serta motivasi dalam pengerjaan skripsi ini.
3. Ibu Maya Silvi Lydia B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer sekaligus pembimbing II yang telah memberikan masukan, bimbingan, saran dan motivasi kepada penulis.
4. Bapak Dr. Nasruddin Noer M.Eng.Sc sebagai Dosen Pembanding I yang telah memberikan kritik dan saran yang membangun bagi penulis.
5. Ibu Dian Rachmawati S.Si, M.Kom sebagai Dosen Pembanding II yang telah memberikan kritik dan saran yang membangun bagi penulis.
6. Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara berserta para pegawai yang bertugas di Program Studi Ilmu Komputer FASILKOM-TI USU.
8. Seluruh sahabat buat Evi, Bella, Deni, Bora, Fenni, Jouhon, Bang Wahyu, buat adik-adikku: Leni, Vivien, Ester, Yohana, Nugraha, Anwar, Lidia, Claudia, Meli atas doa dan dukungannya.
9. Keluarga besar Ekstensi Ilmu Komputer, khususnya semua teman dan sahabat angkatan 2011 yang tidak dapat disebutkan satu persatu, terima kasih atas segala dukungan, doa dan kerja samanya selama ini.
Semoga Tuhan Yang Maha Esa membalas semua kebaikan kepada semua pihak yang telah memberikan dukungan kepada penulis dalam menyelesaikan skripsi ini.
Penulis,
ABSTRAK
Penelitian ini bertujuan untuk mendapatkan korelasi dari jenis produk-produk yang sering dibeli secara bersamaan dalam suatu waktu dan menganalisis perbandingan waktu yang diperlukan di dalam menemukan frequent itemset dengan algoritma
apriori dan FP Growth. Penelitian ini dengan menggunakan proses data mining dengan metode Association Rule dengan algoritma Apriori dan algoritma FP-Growth. Langkah-langkah yang diperlukan untuk memperoleh frequent itemsets menggunakan algoritma Apriori berbeda dengan langkah-langkah dengan menggunakan algoritma FP-Growth. penelitian ini menyajikan rule dari aturan asosiasi dan perbandingan waktu antara algoritma Apriori dan algoritma FP-Growth. Waktu yang diperoleh dengan menggunakan Algotitma FP-Growth lebih cepat daripada Algoritma Apriori.
Kata kunci: data mining, Association Rule, algoritma Apriori, algoritma
ANALYZE COMPARISON OF APRIORI ALGORITHM AND FP-GROWTH
ALGORITHM FOR CORRELATION BUYING PRODUCTS
(STUDY CASE: SUMBER SWALAYAN MEDAN)
ABSTRACT
This research aimed to get correlation of kinds product that often bought together in the same time and analyze the comparation time to find frequent itemsets. The method of this research is association rjule with aapriori algorithm and FP-Growth algorithm. The steps of apriori algorithm are different with FP-Growth algorithm. This research contains rule of association rule and comparison time of apriori algorithm and FP-Growth algorithm. The time of apriori algorithm faster than FP-FP-Growth algorithm.
DAFTAR ISI
DAFTAR GAMBAR xiii
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Rumusan Masalah 2
1.3 Batasan Masalah 2
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3 1.6 Metodologi Penelitian 4 1.7 Sistematika Penulisan 5
BAB 2 TINJAUAN PUSTAKA 7
2.1 DataBase 7
2.3 Association Rule 10 2.4 Algoritma Apriori 12 2.5 Algoritma Fp-Growth 12
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 16 3.1 Analisis Kebutuhan 16 3.1.1 Analisis Data dengan Apriori 17 3.1.2 Pengelompokan Daftar Produk 19 3.1.3 Analisis Pencarian Pola Frekuensi Tinggi 21 3.1.4 Pembentukan Aturan Asosiasi 33 3.1.5 Analisis Data Dengan FP-Growth 35 3.2 Perancangan Sistem 49 3.2.1 Data Flow Diagram(DFD) 49
3.2.2 DFD Level 0 50
3.2.3 DFD Level 1 Apriori 51 3.2.4 DFD Level 1 FP-Growth 52 3.2.5 Flowchart Algoritma 53 3.3 Perancangan Sistem 57 3.4. Perancangan Tampilan Antarmuka 58
3.4.2 Form Login 59
3.4.3 Menu Utama 59
3.4.4 Transaksi 60
3.4.5 Olah Barang 61
3.4.6 Perancangan Proses Apriori 62 3.4.6 Perancangan Proses FP-Growth 63 3.4.7 Perancangan Output FP-Growth 64 3.4.8 Perancangan Output dengan Apriori 64 BAB 4 IMPLEMENTASI DAN PENGUJIAN
4.2.Persiapan teknis 66 4.3 Tampilan Aplikasi 66
BAB 5 KESIMPULAN DAN SARAN 73
5.1 Kesimpulan 73
DAFTAR TABEL
Hal.
Tabel 3.1 Tabel Data Transaksi 18 Tabel 3.2 Tabel Data Produk 19
Tabel 3.3 Tabel C1 22
Tabel 3.4 Tabel L1 24
Tabel 3.5 Tabel C2 27
Tabel 3.5 Tabel L2 33
DAFTAR GAMBAR
Hal.
Gambar 2.1 Arsitektur Data Mining 8 Gambar 2.2 Langkah-Langkah Algoritma FP-Growth 14 Gambar 3.1 Diagram Ishikawa 17
Gambar 3.2 TID 1 38
Gambar 3.14 DFD Level 1 Apriori 51 Gambar 3.15 DFD Level 1 FP-Growth 52 Gambar 3.16 Flowchart Algoritma Apriori 53 Gambar 3.17 Flowchart Algoritma Apriori(lanjutan) 54 Gambar 3.18 Flowchart Algoritma FP-Growth 55 Gambar 3.19 Flowchart Algoritma FP-Growth(lanjutan) 56 Gambar 3.20 Flowchart Sistem 57