ANALISA FREQUENT PATTERN PADA DATA PENJUALAN MENGGUNAKAN ALGORITMA ECLAT UNTUK MENENTUKAN STRATEGI PENJUALAN

Abstract

Data transaksi penjualan merupakan salah satu data yang dapat diolah dan di analisa sebagai obyek suatu penelitian. Algortima Eclat merupakan algoritma pengembangan dari Algoritma Apriori yang sering digunakan untuk menganalisa data transaksi penjualan. Algoritma Eclat merupakan algoritma yang menggunakan format data vertikal untuk merepresentasikan datanya. Kelebihan dari Algoritma Eclat adalah proses dan performa penghitungan support dari semua itemsets dilakukan dengan cara lebih efisien dibandingkan dengan Algoritma HUI-miner Apriori. Algoritma Eclat digunakan untuk membantu menemukan frequent pattern pada data penjualan yang hasilnya berupa rule produk pembelian barang yang sering dibeli secara bersamaan oleh konsumen di dalam satu transaksi. Dengan menggunakan assosiation rule mining dapat ditentukan hasil dari nilai support dan confidence dari suatu rule produk yang didapat. Berdasarkan hasil analisa data pengaruh minimum support terhadap confidence dan lift ratio didapatkan hasil apabila semakin tinggi nilai minimum support yang digunakan, maka kemungkinan rule yang dihasilkan juga semakin banyak. Namun, prosentase hasil rule yang mendapatkan nilai pengujian lift ratio diatas 1,00 hanya sedikit. Sedangkan, apabila semakin sedikit nilai minimum support yang digunakan, maka kemungkinan hasil prosentase rule yang mempunyai nilai lift ratio diatas 1,00 semakin banyak dan bisa dikatakan rule tersebut valid untuk dijadikan saran rule barang yang akan diberi diskon.