Penelitian ini bertujuan untuk mengimplementasikan algoritma FP-Growth dalam menemukan pola asosiasi produk pada data transaksi penjualan koperasi karyawan serta menghasilkan rekomendasi yang dapat mendukung strategi penjualan berbasis data. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Databases (KDD) yang meliputi tahapan seleksi data, pembersihan data, transformasi data, data mining, evaluasi, dan interpretasi. Algoritma yang digunakan adalah FP-Growth karena mampu menemukan frequent itemsets secara efisien tanpa membentuk kandidat itemset secara berulang. Data penelitian berasal dari data transaksi penjualan yang diperoleh dari sistem kasir digital koperasi karyawan selama periode Januari hingga Desember 2024 dan tersimpan dalam dataset operasional TOKO 2024.csv. Data yang dianalisis terdiri atas 47.430 data transaksi, 21.081 transaksi unik, dan 853 jenis produk dengan menggunakan atribut NoBukti, ProductName, dan Qty sebagai variabel penelitian. Proses analisis dilakukan menggunakan nilai minimum support sebesar 0,002, minimum confidence sebesar 0,10, dan lift ratio lebih dari 1,1. Hasil penelitian menunjukkan bahwa algoritma FP-Growth menghasilkan 230 frequent itemsets dan 47 association rules yang menunjukkan adanya pola pembelian antarproduk pada kategori mie instan, kopi, dan makanan ringan. Seluruh aturan yang dihasilkan memiliki hubungan positif berdasarkan nilai lift ratio yang diperoleh. Temuan penelitian ini terbatas pada karakteristik transaksi satu koperasi karyawan dan periode data tahun 2024 sehingga pola asosiasi yang dihasilkan belum tentu dapat digeneralisasikan pada koperasi atau sektor ritel lainnya. Hasil penelitian ini dapat dimanfaatkan sebagai dasar dalam penyusunan strategi promosi, penerapan cross- selling, dan rekomendasi penataan produk pada koperasi karyawan.

S12663

INF 0185 2026

Bekasi

Tersedia