ABSTRAK

Dalam era digital, industri ritel online tumbuh pesat dan menjadi sektor yang penting.
Namun, tantangan muncul dalam analisis data transaksi penjualan pada dataset
Online Retail. Penelitian ini bertujuan untuk mengatasi masalah dalam analisis data
transaksi penjualan pada dataset Online Retail. Fokus utama meliputi pemilihan
algoritma asosiasi yang optimal antara FP-Growth dan Apriori, identifikasi model
asosiasi yang relevan pada dataset yang kompleks, dan efisiensi serta kinerja
algoritma dalam mengolah data transaksi penjualan. Metode yang digunakan adalah
pengolahan data asosiasi menggunakan algoritma FP-Growth dan Apriori.
Implementasi association rule melibatkan penambahan metrik lift sebagai ukuran
kekuatan asosiasi. Pengukuran waktu proses juga dilakukan untuk menentukan
efisiensi penerapan. Hasil penelitian menunjukkan bahwa FP-Growth dan Apriori
dapat menghasilkan model asosiasi dengan frequent itemset dan matriks nilai yang
sama yaitu nilai support 0.12 dan nilai confidence 0.96, namun terdapat perbedaan
dalam urutan model yang dihasilkan. Algoritma Apriori menghasilkan model dengan
nilai support tertinggi pada indeks ke-18, sementara FP-Growth pada indeks ke-10.
Selain itu, algoritma FP-Growth menunjukkan keunggulan dalam waktu proses yang
lebih cepat (0.004 detik) dibandingkan dengan Apriori (0.007 detik). Penelitian ini
memberikan pemahaman lebih baik tentang penggunaan algoritma asosiasi dalam
konteks industri ritel online.