PERBANDINGAN ALGORITMA APRIORI, FP-GROWTH, DAN HASH BASED PADA MARKET BASKET ANALYSIS POLA TRANSAKSI PENJUALAN

Pengelolaan obat yang tidak optimal dapat menimbulkan dampak signifikan, seperti meningkatnya beban biaya operasional yang terjadi akibat penumpukan barang yang tidak terjual, ataupun hilangnya peluang penjualan karena kekosongan stok. Permasalahan mengenai pengelolaan obat telah terjadi pada layanan farmasi yang ada di Indonesia, seperti pada salah satu instalasi farmasi, adanya keluhan terkait resep yang tidak dilayani. Hal tersebut terjadi karena tidak tersedianya stok obat di instalasi farmasi. Penelitian ini melakukan perbandingan dari algoritma Apriori, FP-Growth, dan Hash Based dalam Market Basket Analysis terkait data penjualan obat. Parameter yang akan digunakan pada penelitian ini yaitu aturan asosiasi, waktu komputasi, tingkat akurasi, lift ratio, dan memory usage. Hasil perbandingan aturan asosiasi pada algoritma Apriori, FP Growth, dan Hash Based menghasilkan 5 aturan asosiasi. Berdasarkan waktu komputasi dan lift ratio algoritma FP Growth menghasilkan waktu komputasi selama 0,4660 detik dan lift ratio sebesar 1,589940, dimana lebih unggul dibandingkan dengan algoritma lainnya. Berdasarkan tingkat akurasi, algoritma Hash Based memperoleh akurasi terbesar dibandingkan dengan algoritma lainnya, yaitu sebesar 100%. Kemudian, berdasarkan memory usage, algoritma FP-Growth membutuhkan kapasitas paling kecil dibanding algoritma lainnya yaitu sebesar 280,60 MB. Hasil penelitian ini dapat memberikan penjelasan mengenai perbandingan ketiga algoritma tersebut dan menemukan pola aturan asosiasi dalam mengelola stok obat. Kata Kunci: Apriori, Association rules, FP-Growth, Hash Based, Support