ANALISIS DATA TRANSAKSI SAME DAY DELIVERY SERVICE PADA E-COMMERCE DENGAN MENGGUNAKAN ALGORITMA FREQUENT PATTERN GROWTH (FP-GROWTH) (STUDI KASUS: PT. XYZ)

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). Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

[img] Text (Skripsi Sistem Informasi)
72150001_bab1_bab5_daftarpustaka.pdf

Download (325kB)
[img] Text (Skripsi Sistem Informasi)
72150001_bab2-sd-bab4_lampiran.pdf
Restricted to Registered users only

Download (2MB) | Request a copy

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.

Item Type: Student paper (Final Year Projects (S1))
Uncontrolled Keywords: fp-growth,association rules
Subjects: Q Ilmu Pengetahuan > Matematika
Q Ilmu Pengetahuan > Matematika > Komputer Elektronik. Ilmu Komputer
Q Ilmu Pengetahuan > Matematika > Perangkat Lunak (Software) Komputer
T Teknologi > Teknologi (Umum)
Divisions: Fakultas Teknologi Informasi > Prodi Sistem Informasi
Depositing User: ms priska lim
Date Deposited: 25 Nov 2020 07:48
Last Modified: 29 Jun 2021 01:50
URI: http://katalog.ukdw.ac.id/id/eprint/609

Actions (login required)

View Item View Item