ABSTRAK

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%.