Implementasi Algoritma Apriori dan Algoritma FP-Growth Terhadap Market Basket Analysis pada Penjualan Produk Kosmetik di E-commerce Skincare (Studi Kasus : Toko Gusskin di Shopee)

MIFTAHUL JANNAH. Implementasi Algoritma Apriori dan Algoritma FP-Growth terhadap Market Basket Analysis pada Penjualan Produk Kosmetik di E-Commerce Skincare (Studi Kasus: Toko Gusskin di Shopee) (dibimbing oleh Khaeruddin). Latar belakang. Industri kecantikan di Indonesia mengalami pertumbuhan signifikan yang mendorong peningkatan transaksi pada platform e-commerce seperti Shopee. Data transaksi yang besar menyimpan pola pembelian konsumen yang belum dimanfaatkan secara optimal oleh pelaku usaha, sehingga diperlukan pendekatan data mining untuk mengekstraksi pola tersebut. Tujuan. Penelitian ini bertujuan (1) menganalisis pola pembelian pelanggan Toko Gusskin di Shopee menggunakan algoritma Apriori dan FP-Growth, (2) mengidentifikasi produk dengan tingkat kekuatan asosiasi pembelian tertinggi berdasarkan hasil komputasi kedua algoritma, dan (3) membandingkan kinerja algoritma Apriori dan FP-Growth waktu komputasi dalam menemukan pola asosiasi. Metode. Data yang digunakan sebanyak 502 transaksi dari Toko Gusskin di Shopee periode Januari–Oktober 2025. Data dikelompokkan pada tiga tingkat granularitas, yaitu 18 jenis produk (skincare, make up, dan parfum), 35 merek, dan 112 nama produk, kemudian ditransformasikan ke dalam format item coding. Algoritma diimplementasikan menggunakan Python dengan library Pandas dan Mlxtend, dengan minimum support 1% dan minimum confidence 50%. Hasil. Setelah pre-processing kedua algoritma menghasilkan rata-rata Lift Ratio di atas 1 pada seluruh kategori. Pada kategori Jenis Produk terbentuk 10 aturan asosiasi dengan 6 aturan valid (Lift Ratio > 1); aturan terkuat adalah {serum, fragrances} → {face base} dengan confidence 88,9% dan Lift Ratio 1,42. Pada kategori Brand terbentuk 4 aturan yang seluruhnya valid. Pada kategori Nama Produk, aturan {Instaperfect Cushion} → {Guele Bare Cushion} menghasilkan Lift Ratio tertinggi di antara seluruh kategori sebesar 2,58. Algoritma FP-Growth membutuhkan waktu komputasi lebih lama (56,72–83,56 md) dibandingkan Apriori (12,77–14,70 md) akibat karakteristik data transaksi Toko Gusskin yang bersifat sparse dan berskala kecil. Kesimpulan. Algoritma Apriori dan FP-Growth berhasil menemukan pola asosiasi pembelian yang identik dan valid secara statistik, namun pada kasus ini Apriori justru lebih efisien secara komputasi dibandingkan FP-Growth. Hasil ini dapat dimanfaatkan Toko Gusskin untuk merancang strategi bundling produk dan cross-selling yang lebih terarah, khususnya pada kombinasi face base, serum, dan fragrances, serta pasangan Instaperfect Cushion dan Guele Bare Cushion, guna meningkatkan penjualan.