Analisis Keranjang Belanja Menggunakan Algoritma FP-Growth Berbasis Attention Mechanism

Abstract

Penelitian ini bertujuan untuk mengembangkan analisis keranjang belanja menggunakan algoritma FP-Growth yang dioptimalkan dengan mekanisme Attention. FP-Growth merupakan salah satu algoritma populer untuk menemukan pola asosiatif dalam data besar, namun memiliki keterbatasan pada interpretasi hasil dan efisiensi pengolahan data yang kompleks. Dengan mengintegrasikan Attention Mechanism, penelitian ini mencoba meningkatkan kemampuan algoritma dalam mengidentifikasi pola yang lebih relevan dan signifikan. Pengujian dilakukan pada dataset transaksi ritel dengan metrik evaluasi berupa waktu eksekusi, jumlah aturan asosiatif yang dihasilkan, dan akurasi interpretasi pola. Hasil menunjukkan bahwa model yang diusulkan mampu meningkatkan efisiensi hingga 20% dan menghasilkan pola asosiatif yang lebih relevan dibandingkan FP-Growth konvensional. Studi ini memberikan kontribusi pada pengembangan metode analisis data ritel yang lebih cerdas dan adaptif.

Kata kunci : Analisis, FP-Growth, Attention Mechanism