eprintid: 609
rev_number: 13
eprint_status: archive
userid: 33
dir: disk0/00/00/06/09
datestamp: 2020-11-25 07:48:42
lastmod: 2021-06-29 01:50:25
status_changed: 2020-11-25 07:48:42
type: thesis
metadata_visibility: show
contact_email: repository@staff.ukdw.ac.id
creators_name: 72150001, Brenda Natasha Wijaya Pinem
creators_id: brnjdb@gmail.com
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: SANTOSO, HALIM BUDI
contributors_name: HANDIWIDJOJO, WIMMIE
corp_creators: Universitas Kristen Duta Wacana
title: ANALISIS DATA TRANSAKSI SAME DAY DELIVERY SERVICE PADA E-COMMERCE DENGAN MENGGUNAKAN ALGORITMA FREQUENT PATTERN GROWTH (FP-GROWTH) (STUDI KASUS: PT. XYZ)
ispublished: pub
subjects: QA
subjects: QA75
subjects: QA76
subjects: T1
divisions: sist_informasi
full_text_status: restricted
keywords: fp-growth,association rules
abstract: 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.
date: 2019-07
date_type: published
pages: 65
institution: Universitas Kristen Duta Wacana
department: Sistem Informasi
thesis_type: skripsi
thesis_name: other
citation:   72150001, Brenda Natasha Wijaya Pinem  (2019) ANALISIS DATA TRANSAKSI SAME DAY DELIVERY SERVICE PADA E-COMMERCE DENGAN MENGGUNAKAN ALGORITMA FREQUENT PATTERN GROWTH (FP-GROWTH) (STUDI KASUS: PT. XYZ).  Bachelor thesis, Universitas Kristen Duta Wacana.   
document_url: https://katalog.ukdw.ac.id/609/1/72150001_bab1_bab5_daftarpustaka.pdf
document_url: https://katalog.ukdw.ac.id/609/2/72150001_bab2-sd-bab4_lampiran.pdf