Algoritma FP-Growth pada Prediksi Belanja secara Daring Mahasiswa Pasca Covid-19

Abstract

Algoritma FP-Growth mempunyai kemampuan untuk mengetahui himpunan data yang paling sering muncul. Algoritma ini dapat digunakan mengolah data hasil kuesioner yang dikumpulkan dari mahasiswa sehubungan dengan perilaku belanja daring sebelum dan selama Covid-19 yang berdampak  pada rencana belanja daring pasca Covid-19. Tujuan penelitian adalah untuk memprediksi mahasiwa dari STMIK Pontianak yang akan tetap melakukan belanja daring pasca Covid-19 berdasarkan atribut-atribut tertentu yang dimiliki saat belanja daring sebelum dan saat terjadinya wabah Covid-19 dengan menggunakan algortima FP-Growth. Sebelum data diproses menggunakan algoritma FP-Growth, dilakukan pre-processing sehingga setiap atribut hanya mempunyai dua nilai yang dapat diproses menggunakan algoritma FP-Growth. Atribut yang digunakan terdiri tiga kelompok besar yakni demografi terdiri dari jenis kelamin, usia, dan kota asal; waktu belanja secara daring yakni sebelum, setelah, dan rencana setelah terjadinya Covid-19; toko daring yang digunakan tempat belanja terdiri dari Shopee, Tokopedia, dan Bukalapak, dan toko lainnya; produk yang dibelanjakan secara daring termasuk di dalamnya adalah produk hobi, produk fashion, produk elektronik, produk kesehatan, produk kosmetik,  produk kuliner, dan produk lainnya. Pemangkasan atribut pada pre-processing dilakukan untuk mendapatkan minimum support dan minimun confidence dengan nilai rule yang paling kuat, dimana  diperoleh  minimum support adalah 88,0% dan minimum confidence adalah 98,0%.