Analisis Strategi Penjualan Produk Menggunakan Association Rule Dengan Algoritma Apriori (Studi Kasus : Penjualan Produk Pamella Satu Supermarket)

Abstract

Pamella Satu Supermarket berkomitmen dalam menjaga konsumen agar tetap berlangganan. Untuk tujuan tersebut, Pamella Satu membutuhkan analisis terhadap pola kebiasaan konsumen dalam berbelanja. Namun, data transaksi konsumen belum dimanfaatkan dalam pengambilan keputusan terhadap pola perilaku pembelian konsumen. Bentuk pola dapat diperoleh melalui salah satu metode dari data mining yaitu association rule atau aturan asosiasi, yang digunakan untuk menganalisa keranjang belanja atau yang sering dikenal sebagai market basket analysis. Salah satu jenis algoritma yang menerapkan association rule yaitu algoritma apriori. Algoritma tersebut merupakan algoritma yang cukup penting serta paling unggul dalam frequent itemsets. Algoritma tersebut juga dianggap sebagai algoritma yang lebih stabil. Data yang digunakan ialah data transaksi konsumen selama satu bulan terakhir atau sebanyak 679,616 items. Hasil eksekusi dari algortima apriori menunjukkan bahwa diperoleh sebanyak 29 rules berdasarkan nilai minimum support dan minimum confidence secara berturut-turut ialah sebesar 0.1% dan 50%. Hasil association rules menunjukkan bahwa kebiasaan konsumen dalam berbelanja seringkali membeli produk dengan kategori makanan. Selain itu, terdapat 6,135 produk yang hanya terbeli satu kali dalam satu bulan terakhir, dimana pada umumnya berasal dari produk non makanan. Dengan demikian, maka pihak Pamella Satu Supermarket dapat memberikan voucher khusus kepada setiap konsumen untuk membeli produk selain makanan, pada setiap pembelian item INDOMIE GORENG SPECIAL 85 GR.