TY  - THES
EP  - 65
UR  - https://katalog.ukdw.ac.id/609/
KW  - fp-growth
KW  - association rules
PB  - Universitas Kristen Duta Wacana
M1  - skripsi
Y1  - 2019/07//
ID  - katalog609
TI  - ANALISIS DATA TRANSAKSI SAME DAY DELIVERY SERVICE PADA E-COMMERCE DENGAN MENGGUNAKAN ALGORITMA FREQUENT PATTERN GROWTH (FP-GROWTH) (STUDI KASUS: PT. XYZ)
A1  - 72150001, Brenda Natasha Wijaya Pinem
AV  - restricted
N2  - Bagian logistik merupakan salah satu bagian penting yang harus dikelola oleh e-commerce untuk mencapai kepuasan pelanggan. E-commerce bekerja sama dengan perusahaan logistik untuk melakukan pengiriman barang secara cepat dihari yang sama berdasarkan permintaan (same day on demand delivery service). Untuk meningkatkan transaksi yang menggunakan jasa same day on demand delivery,  e-commerce perlu mengadakan penawaran promosi seperti bundling atau crossselling kepada pelanggan secara tepat sasaran. Hal ini dapat dilakukan dengan cara menganalisis data transaksi yang menggunakan jasa same day on demand delivery menggunakan algoritma  fp-growth dan metode association rule untuk mengetahui kategori barang apa yang
sering dibeli bersamaan yang dapat digunakan sebagai strategi penjualan. Sebelum analisis dilakukan, data transaksi perlu melalui proses preprocessing terlebih dahulu yaitu data cleansing, data reduction, data integration dan data transformation guna
menghasilkan data yang siap untuk diproses dengan algoritma fp-growth. Proses preprocessing dilakukan menggunakan query pada postgreSQL. Data yang telah melalui proses preprocessing akan diolah untuk menghasilkan frequent itemsets dan aturan asosiasi. Tools yang digunakan adalah RapidMiner Studio. Output RapidMiner Studio yang berupa association rules kemudian dianalisis menggunakan aplikasi dashboard. Aplikasi ini menerima input berupa excel dan menghasilkan output berupa tabel yang memiliki warna pembeda agar analis lebih mudah melakukan analisa.
ER  -