| Dalam upaya mendukung kelancaran penjualan produk elektronik, perusahaan memerlukan penerapan teknologi informasi yang tepat. Tantangan utama yang dihadapi adalah memahami pola pembelian konsumen dan menentukan strategi bisnis yang dapat meningkatkan penjualan serta menghindari kerugian. Penelitian ini menggunakan teknik data mining dengan algoritma FP-Growth dan Apriori untuk menghasilkan frequent itemsets dan menentukan aturan yang dapat memberikan pilihan strategis bagi perusahaan. Perbandingan performa menunjukkan bahwa algoritma FP-Growth lebih cepat dibandingkan dengan algoritma Apriori, dengan kecepatan frequent itemsets sebesar 0,0025 detik dan association rules sebesar 0,0027 detik, sedangkan Apriori membutuhkan 0,0050 detik untuk frequent itemsets dan 0,0028 detik untuk association rules. Data penelitian terdiri dari 19 jenis produk elektronik dan 30 data transaksi, dengan nilai minimum support 3% dan minimum confidence 80%. Hasil pengujian menunjukkan bahwa salah satu aturan yang dihasilkan adalah jika konsumen membeli HP 14S-FQ1036AU R7-5700-8GB/512SSD, maka direkomendasikan untuk membeli MOUSE LOGITECH M240 SILENT BLUETOOTH - ROSE, dengan nilai confidence sebesar 100%. |
