PERBANDINGAN ALGORITMA APRIORI DAN ALGORITMA FP-GROWTH UNTUK MENENTUKAN TATA LETAK PRODUK PADA SMEGA MART

Smega Mart saat ini belum memanfaatkan data transaksi dalam menentukan penyusunan tata letak barang, yang berpotensi membuat konsumen melewatkan produk yang sebenarnya mereka perlukan karena letaknya yang sulit ditemukan. Penelitian ini bertujuan menganalisis pola keterkaitan antarproduk berdasarkan data transaksi selama satu tahun serta menentukan algoritma yang paling efektif dan efisien dalam memberikan rekomendasi tata letak produk. Metode yang digunakan dalam penelitian ini adalah Association Rule Mining, dengan analisis data transaksi yang telah melalui proses preprocessing menggunakan algoritma Apriori dan FP-Growth dengan minimum support 3% dan confidence 10%. Hasil perbandingan menunjukkan bahwa FP-Growth lebih unggul karena mampu menghasilkan 105 frequent itemset, 85 aturan asosiasi, serta waktu proses yang lebih cepat dibandingkan Apriori yang hanya mampu menghasilkan 43 frequent itemset, 4 aturan asosiasi, serta waktu proses yang lebih lama dibandingkan FP-Growth. FP-Growth dinilai sebagai algoritma yang paling efektif dan efisien dalam memberikan rekomendasi tata letak produk berdasarkan pola keterkaitan antarproduk.