Treffer: IMPLEMENTASI ALGORITMA SQL-BASED FREQUENT PATTERN MINING DENGAN ALGORITMA FREQUENT PATTERN-GROWTH PADA METODE MARKET BASKET ANALYSIS

Pertumbuhan data yang sangat cepat, hanya akan mengakibatkan kuburan data atau “data tombs” yang tidak bermanfaat karena data tersebut tidak dipergunakan untuk aplikasi yang berguna. Akumulasi dari pertumbuhan data tersebut, hanya akan menciptakan kondisi “rich of data but poor of information”. Untuk mengatasi permasalah tersebut, data mining merupakan solusinya. Dengan data mining, kita dapat menambang informasi dari kuburan data itu dan menjadikannya knowledge. Knowledge tersebut bisa dipergunakan oleh para pembuat keputusan, contohnya saja di sebuah perusahaan retail. Knowledge yang didapat bisa dipergunakan untuk salah satu tipe analisis data yang paling sering digunakan dalam dunia pemasaran yaitu metode market basket analysis. Hasil dari analisa tersebut adalah berupa pola-pola atau rules tentang kebiasaan konsumen dalam berbelanja. Informasi tersebut dapat menjadi bahan pertimbangkan dalam menentukan kebijakan perusahaan. Untuk mendapatkan pola-pola atau rules tersebut, dibutuhkan algoritma untuk mencari frequent pattern. FP-Growth merupakan salah satu algoritma yang cukup efisien karena hanya melakukan dua kali scanning. Namun jika terdapat database yang berukuran besar, kurang efektif jika membangun FP-tree pada main memory. Maka dari itu, dipakai algoritma SQL-based untuk memodifikasi struktur FP-tree kedalam bentuk tabel yang memungkinkan untuk dilakukannya frequent pattern mining. Kata Kunci : Market Basket Analysis, FP-Tree, FP-Growth, frequent pattern mining, SQL-Based.