Simulasi Algoritma Apriori dan FP-Growth Dalam Menentukan Rekomendasi Kodefikasi Barang Pada Transaksi Persediaan

Abstract

Keberhasilan proses pembangunan memerlukan dukungan optimal dalam pertukaran data dan informasi antar instansi guna mencapai integrasi sistem yang seimbang antara pemerintah dan para pengguna. SAKTI, sebuah aplikasi keuangan tingkat instansi, telah dirancang untuk mengelola segala aspek keuangan, mulai dari perencanaan hingga pertanggungjawaban anggaran. Aplikasi SAKTI ini mengintegrasikan semua aplikasi satuan kerja yang ada, bertujuan untuk meningkatkan efektivitas, efisiensi, transparansi, dan akuntabilitas dalam pengelolaan keuangan. Meskipun telah diimplementasikan sejak awal tahun 2022, operator komitmen masih menghadapi kendala dalam penentuan kodefikasi barang, terutama karena kurangnya familiaritas dengan tugas tersebut dan jumlah barang yang banyak sebagai referensi. Kesalahan yang dilakukan oleh operator komitmen dapat berdampak pada proses pendetailan aset pada modul persediaan dan aset. Dalam penelitian ini, peneliti menggunakan metode Algoritma Apriori dan frequent pattern growth (FP-growth) sebagai alat untuk menemukan sejumlah aturan asosiasi dari data transaksi barang yang disimpan dalam basis data aplikasi SAKTI. Hasil simulasi menunjukkan bahwa aturan yang memenuhi minimum support dan minimum confidence, dengan pemilihan terbanyak adalah Ballpoint Standar Tecno, refill tisu plastik, Lak Ban Hitam 2 Inchi Merk Daimaru, dan Ballpoint Kenko K1 (0,5) sebesar 100%.