Abstract
Seiring perkembangan teknologi saat ini, maka pencatatan proses transaksi yang terjadi di sebuah pasar swalayan seringkali dicatat menggunakan komputer dan terkumpul data dari transaksi tersebut dalam jumlah yang sangat besar, termasuk dalam hal ini adalah. Kumpulan data yang sangat banyak tersebut bisa digali kembali untuk mencari informasi baru yang berguna bagi pihak terkait. Untuk menganalisa data dalam jumlah dan skala yang sangat besar akan sangat sulit jika hanya menggunakan teknik analisa data sederhana, sehingga diperlukan teknik khusus untuk melakukannya yakni teknik data mining. Dalam penelitian ini digunakan teknik data mining khusus berupa association rule mining menggunakan algoritma Generalized Sequence Pattern (GSP) yaitu mencari kombinasi suplier yang paling sering melakukan pengadaan barang dalam rentang waktu tertentu. Parameter kepercayaan yang digunakan adalah support dan confidence.
Untuk menemukan pola kombinasi suplier pada algoritma ini yaitu dengan menentukan candidate yang merupakan kumpulan record transaksi pengadaan barang dari seluruh suplier. Candidate tersebut akan dihitung frekuensi kemunculannya di dalam database dan bagi setiap candidate yang frekuensinya sama atau lebih dengan nilai minimum support yang ditetapkan maka ia akan dimasukkan ke tabel length. Selanjutnya untuk membentuk candidate baru, maka akan diterapkan prosedur JOIN dan PRUNE pada tabel length. Proses ini dilakukan berulang kali hingga tidak ada lagi candidate baru yang bisa dibentuk. Ketika proses perulangan dihentikan, maka candidate di tabel length terakhir akan dihitung nilai support dan nilai confidence nya.
Dari hasil pengujian pada periode 6 bulan, 12 bulan, dan 18 bulan dengan jumlah record data yang digunakan pada masing – masin periode sebanyak 1.252 data, 2.914 data, dan 4.699 data. Nilai minimum support yang digunakan adalah 25, 30, dan 35 sedangkan nilai minimum confidence yang digunakan adalah 20%, 40%, 60%, dan 80%. Sehingga disimpulkan bahwa nilai minimum support, nilai minimum confidence, serta jumlah data mempengaruhi jumlah association rule yang terbentuk.
