Analisis Minat Konsumen Pada Produk CV Jakarta Powder Drink Dengan Menggunakan Metode Asosiasi Algoritma FP Growth

CV Jakarta Powder Drink adalah perusahaan yang memproduksi bubuk minuman yang dibeli oleh berbagai restoran dan toko, yang telah mendistribusikan produknya ke seluruh Indonesia. Permasalahan yang dihadapi perusahaan yaitu adanya ketimpangan penjualan terhadap berbagai varian produk sehingga sulit me...

Full description

Saved in:
Bibliographic Details
Main Authors: Novia Febrianty, Ati Zaidiah, Helena Nurramdhani Irmanda
Format: Article
Language:English
Published: Universitas Dian Nuswantoro, Fakultas Ilmu Komputer 2025-02-01
Series:JOINS (Journal of Information System)
Subjects:
Online Access:https://publikasi.dinus.ac.id/index.php/joins/article/view/7051
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:CV Jakarta Powder Drink adalah perusahaan yang memproduksi bubuk minuman yang dibeli oleh berbagai restoran dan toko, yang telah mendistribusikan produknya ke seluruh Indonesia. Permasalahan yang dihadapi perusahaan yaitu adanya ketimpangan penjualan terhadap berbagai varian produk sehingga sulit membuat keputusan produksi dan penjualan. Hal ini dapat diperbaiki apabila perusahaan lebih memahami minat konsumen yang memiliki hubungan erat dengan produksi dan penjualan. Penelitian ini bertujuan untuk mengetahui pola minat konsumen sehingga dapat membantu perusahaan baik dalam membuat keputusan manajemen produksi stok maupun dalam membuat strategi marketing untuk meningkatkan penjualan menggunakan teknik data mining yaitu asosiasi dan menerapkan algoritma FP Growth. Algoritma ini menerapkan pembangkitan FP Tree dalam mencari frequent itemset yang kemudian dapat membentuk aturan asosiasi berupa pola pembelian. Menggunakan data transaksi sebanyak 504 record, dengan menerapkan nilai minimum support 0,05 dan minimum confidence 0,7 diperoleh sebanyak 8 association rule yang kemudian dapat menjadi dasar rekomendasi strategi seperti manajemen stok, penempatan dan katalog produk hingga fitur rekomendasi.
ISSN:2528-0228
2528-0236