Implementasi Algoritma Apriori Untuk Analisis Pola Pembelian Produk Donat Bolong
Abstract
The lack of clear understanding of sales patterns and consumer preferences in Semarang donut bolong shops is an obstacle in optimizing sales strategies and product stock management. The availability of sales transaction data offers great potential to gain valuable insights, however, the lack of sophisticated analytical tools often makes it difficult to unearth relevant information. By using the Aprori algorithm, it can be used to predict consumer behavior and market trends. By detecting common purchasing patterns, retailers can create more effective sales strategies, optimize product stock and improve customer experience. The results of the research with a minimum support of 30% and a minimum of frequent item set 3, the highest support value of 45% was obtained, namely Oreo, Taro with a confidence value of 100%, then Taro, Tiramisu, where a support value of 30% resulted in 86% confidence and the lowest was Taro, the cheese that having a support value of 20% produces 29% confidence.
Keyword: Apriori Algorithm; Data Mining; Prediction
AbstrakTidak jelasnya pemahaman terhadap pola penjualan dan preferensi konsumen di toko donat bolong Semarang menjadi kendala dalam mengoptimalkan strategi penjualan dan pengelolaan persediaan produk. Ketersediaan data transaksi penjualan menawarkan potensi besar untuk mendapatkan wawasan yang berharga, namun, kurangnya alat analisis yang canggih sering kali membuat sulit untuk menggali informasi yang relevan. Dengan menggunakan algoritma Aprori maka dapat digunakan untuk meramalkan perilaku konsumen dan tren pasar. Dengan mendeteksi pola pembelian yang umum, peritel dapat membuat strategi penjualan yang lebih efektif, mengoptimalkan persediaan produk, dan meningkatkan pengalaman pelanggan. Hasil penelitian dengan minimal support 30% dan minimal frequent item set 3 maka didapat nilai support tertinggi 45% yaitu pada oreo dan taro dengan nilai confidence 100%. Selanjutnya taro dan tiramisu dimana nilai support 30% menghasilkan confidence 86% dan yang terendah taro dan keju yang memiliki nilai support 20% menghasilkan confidence 29%.
Keywords
References
BisnisUKM. R, “Donat Karakter: Bentuknya Unik, Pasarnya Naik!”, BisnisUKM, 09 Agustus 2018, [Online]. Tersedia: https://bisnisukm.com/donat-karakter-bentuknya-unik-pasarnya-naik.html [Diakses: 06 Februari 2024].
A. Fauziyyah, I.A. Yulia, & A. Pranamulia, “Pengaruh Harga Dan Kualitas Produk Terhadap Keputusan Pembelian Pada Konsumen A&W Dengan Promosi Sebagai Variabel Moderisasi”. Jurnal Transformatif Unkriswina Sumba, vol. 11, no. 2, pp. 104-115, 2022.
E. Rasmikayati, A.N. Deaniera, D. Supyandi, Y. Sukayat, & B.R. Saefudin, “Analisis Perilaku Konsumen: Pola Pembelian Kopi Serta Preferensi, Kepuasan Dan Loyalitas Konsumen Kedai Kopi Consumer Behavior: Purchase Pattern of Coffee, Preferences, Satisfaction and Loyalty Of Coffee Shop Consumer”. Jurnal Pemikiran Masyarakat Ilmiah Berwawasan Agribisnis. Vol. 6, no. 2, pp. 969-984, 2020.
R. Saputra, & A.J. Sibarani, “Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Meningkatkan Pola Penjualan Obat”. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), vol. 7, no. 2, pp. 262-276, 2020.
A. S. Auliadaya, M.R. Rizki, M.A.F. Azhary, J.A. Nugraha, & I.G. Rahmatullah, “Analisa Pola Pembelian Produk pada Toko Cimahi-Ruko dengan Menggunakan Metode Algoritma Apriori”. Jurnal Manajemen Informatika (JAMIKA), vol. 9, no. 1, pp. 58-69, 2019.
E.L Febrianti, & A. Suryadi, “Penerapan Data Mining Dengan Algoritma Apriori Untuk Analisis Pola Pembelian Konsumen. In Seminar Nasional Royal (SENAR), Vol. 1, No. 1, pp. 173-176, 20218.
S. Sunarti, F. Handayanna, & E. Irfiani, “Analisa Pola Penjualan Makanan Dengan Penerapan Algoritma Apriori”. Techno. Com, Vol. 20, no. 4, pp. 478–488, 2021.
N.F. Ulfha, & R. Amin, “Implementasi data mining untuk mengetahui pola pembelian obat menggunakan algoritma apriori”. Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika, vol. 17, no. 2, pp. 396-402, 2020.
B. Bahar, “Model Pengujian Akurasi Berbasis Empiris Pada Algoritma A-Priori”. Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 8, no. 2, pp. 45-56, 20219.
I. Zulfa, R. Rayuwati, & K. Koko, “Implementasi data mining untuk menentukan strategi penjualan buku bekas dengan pola pembelian konsumen menggunakan metode apriori”. Teknika: Jurnal Sains dan Teknologi, vol. 16, no. 1, pp. 69-82, 2020.
E.D. Sikumbang, “Penerapan data mining penjualan sepatu menggunakan metode algoritma apriori”. Jurnal Teknik Komputer AMIK BSI, vol. 4, no. 1, pp. 156-161, 2018.
E.L. Febrianti, & A. Suryadi, “Penerapan Data Mining Dengan Algoritma Apriori Untuk Analisis Pola Pembelian Konsumen”. In Seminar Nasional Royal (SENAR), Vol. 1, No. 1, pp. 173-176.
I. Djamaludin, & A. Nursikuwagus, “Analisis pola pembelian konsumen pada transaksi penjualan menggunakan algoritma apriori”. Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 8, no. 2, pp. 671-678.
S. Suhada, D. Ratag, G. Gunawan, D. Wintana, & T. Hidayatulloh, “Penerapan algoritma fp-growth untuk menentukan pola pembelian konsumen pada ahass cibadak”. Jurnal Khatulistiwa Informatika, vol. 8, no. 2, pp. 118-126, 2020.
Y. Mardiansyah, & R. Fauzi, “Pola Pembelian Konsumen Terhadap Product UMKM Martista Ikhsan Dengan Algoritma Naive Bayes”. Jurnal Manajemen Informatika dan Sistem Informasi, vol. 5, no. 2, pp. 159-167.
How To Cite This :
Refbacks
- There are currently no refbacks.
