Skripsi Penerapan Algoritma K-Means dan FP-Growth untuk Analisis Keranjang Pasar pada Penjualan Produk Alumunium

Alumunium banyak digunakan di berbagai bidang, sehingga bermunculan perusahaan-perusahaan untuk mengolah aluminium. Semakin banyak usaha-usaha dalam bidang yang sama menimbulkan persaingan usaha. Untuk mengatasinya diperlukan strategi pemasaran yang baik. Salah satu penelitian yang banyak dilakukan yaitu menganalisis keranjang belanja untuk menentukan rekomendasi produk kepada pelanggan. Banyak peneliti menggunakan aturan asosiasi dengan apriori atau fp-growth dalam menganalisis keranjang belanja. Tetapi untuk dataset yang besar, hasil dari penerapan asosiasi menjadi kurang akurat. Oleh karena itu dataset yang besar akan disegmentasi dengan k-means agar dataset yang besar dibagi menjadi beberapa segmen yang lebih kecil. Hasil yang didapat dalam menganalisis keranjang belanja dengan menerapkan algoritma k-means dan algoritma fp-growth terbukti dapat meningkatkan akurasi dari 70% menjadi 90 %, 80% dan 90%. Rekomendasi produk yang tepat dapat membantu dalam strategi pemasaran, khususnya dalam bidang promosi produk dan untuk membantu perencanaan produksi produk.