ANALISIS KINERJA ALGORITMA FPM DALAM MENGIDENTIFIKASI POLA PEMBELIAN IMPULSIF PADA SHOPEE BERDASARKAN FENOMENA FOMO

Abstract

Penelitian ini menganalisis kinerja algoritma Frequent Pattern Mining (FP Growth) dalam mengidentifikasi pola pembelian impulsif pada platform Shopee yang dipicu oleh fenomena Fear of Missing Out (FOMO) di kalangan generasi milenial dan Gen-Z. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan menganalisis data transaksi 50 pengguna yang melakukan minimal 6 transaksi dalam dua minggu terakhir dengan menggunakan fitur paylater. Data dianalisis menggunakan algoritma FP-Growth dengan nilai minimum support 20%, minimum confidence 20%, dan lift ratio >1. Hasil penelitian menunjukkan bahwa: (1) FP-Growth berhasil mengidentifikasi pola pembelian impulsif dengan confidence tertinggi sebesar 91,7% pada aturan Otomotif → Pakaian. (2) Kategori Pakaian mendominasi pola pembelian dan muncul dalam 35 transaksi. (3) Teridentifikasi pola asosiasi yang kuat dan kompleks, termasuk hubungan asimetris seperti Kesehatan → Kecantikan dengan confidence 78,6%. Penelitian ini menyimpulkan bahwa FP-Growth efektif dalam mengungkap pola pembelian impulsif yang dipengaruhi FOMO dan paylatter, serta dapat menjadi dasar bagi pengembangan strategi pemasaran yang lebih terarah di platform e commerce.