Aplikasi Identifikasi Pola Pembelian Konsumen Menggunakan Algoritma Apriori pada Sukoco Batik Solo

Abstract

Sukoco Batik Solo adalah salah satu toko yang menawarkan beragam jenis batik. Sukoco Batik Solo harus mengembangkan strategi pemasaran untuk mengotimalkan penjualan. Salah satu strategi yang dapat digunakan adalah mengidentifikasi pola kecenderungan pembelian konsumen dengan memanfaatkan nota penjualan produk. Algoritma apriori diterapkan untuk menganalisis kumpulan nota penjualan untuk menemukan kombinasi produk yang dibeli dalam satu waktu. Aplikasi dibuat menggunakan framework code igniter dengan bahasa pemrograman PHP dan database MySQL. Hasil penelitian menunjukkan aplikasi dapat membantu menghasilkan informasi pola pembelian konsumen. Data transaksi dianalisis menggunakan algoritma apriori dengan nilai minimum support 40% dan nilai minimum confidence 60%. Hasil yang diperoleh dari proses algoritma apriori terdapat satu aturan asosiasi dengan dua kombinasi itemset produk yaitu Batik Lawasan 1 dan Batik Lawasan 2. Aturan asosiasi Batik Lawasan 1 dan Batik Lawasan 2 memiliki nilai minimum support 40% dan nilai minimum confidence 66,67%. Hasil analisis pola pembelian konsumen dapat digunakan pihak manajemen dalam menempatkan produk, prioritas persediaan produk, dan merancang strategi potongan harga untuk kombinasi item produk yang terbentuk.

Algoritma Apriori Dalam Identifikasi Pola Pembelian Konsumen Pada Produk Minuman

“…Penelitian terdahulu mengenai implementasi algoritma apriori untuk mengidentifikasi data penjualan untuk mengetahui pola pembelian konsumen sehingga dapat mendukung penentuan rekomendasi strategi bisnis yang tepat sasaran [7]. Algoritma Apriori dapat digunakan untuk memberikan rekomendasi pembelian produk batik dengan melihat kecenderungan pola pembelian yang dilakukan konsumen dari hasil analisa transaksi penjualan akan diperoleh rekomendasi jenis batik yang akan di display dan sebagai penentu jumlah stok yang lebih dioptimalkan [8]. Menerapkan data mining dengan algoritma apriori ke dalam analisis pola pembelian konsumen dan menginterprestasikan pola yang telah dihasilkan menjadi sebuah informasi dengan menggunakan nilai minimum support 10% [9].…”