Implementasi Algoritma Apriori Dan Fp-Growth Dalam Market Basket Analysis Pembelian Obat Pada Suatu Apotek
Teks penuh
Dokumen terkait
Selain dengan visualisasi matrik sederhana seperti pada Gambar 6, cara lain yang dapat dilakukan untuk melihat distribusi transaksi dari tiap item adalah dalam bentuk grafik,
Penelitian berjudul “Implementasi Algoritma FP-Growth menggunakan As- sociation Rule pada Market Basket Analysis” yang dilakukan oleh Fitriyani (2015), dalam penelitiannya
Tree. Tahap pembangkitan conditional pattern base, 2. Tahap pembangkitan conditional FP-Tree, dan 3. Tahap pencarian frequent itemset. Algoritma FP-Growth III. Karena pada
Berdasarkan transaksi penjulan obat pada apotek Anza Farma dilakukan analisa apriori dengan parameter nilai minimum supporti 10% dan nilai minimum confidence 70% serta data sebanyak
Penulis tidak dapat membalas semua kebaikan yang diterima dan semoga Tuhan memberikan berkat dan balasan yang berlipat kali ganda untuk setiap amal kebajikan yang telah kita lakukan,
KESIMPULAN Mengacu pada analisis yang telah dijelaskan di atas dapat ditarik kesimpulan bahwa kedua algoritma baik apriori maupun fp-growth tidak memiliki perbedaan pada hasil
Hasil pengujian apriori untuk menentuka minimal support terbaik Percobaan Minimal Support Hasil Pengujian 1 0.5 Tidak terdapat itemset 2 0.05 Terdapat 14 itemset 3 0.02 Terdapat 52
Berikutnya dilakukan pengumpulan data dengan mengumpulkan struk transaksi belanja sebanyak 450 struk yang kemudian akan dipersiapkan preprocessing dengan melakukan integrasi terhadap
