Penerapan Market Basket Analysis Minimarket Circle-K Untuk Mengetahui Pola Pembelian Konsumen

Agusti Dwi Putra; Rekha  Rahmania; Annisa  Al-Mugni; Monica  Tambunan

Penulis

Agusti Dwi Putra Institut Teknologi Batam
Rekha Rahmania Institut Teknologi Batam
Annisa Al-Mugni Institut Teknologi Batam
Monica Tambunan Institut Teknologi Batam

Kata Kunci:

Rapid Miner, Algoritma FP-Growth, Market Basket Analysis, Association Rules, Purchase Pattern

Abstrak

Banyaknya minimarket di Indonesia, terutama di kota Batam, telah menyebabkan persaingan yang semakin ketat antara minimarket. Untuk memahami pola pembelian konsumen, penulis menggunakan metode Market Basket Analysis. Market Basket Analysis adalah pendekatan yang mengkaji kebiasaan belanja pelanggan dengan mengidentifikasi asosiasi dan korelasi di antara berbagai item. Penelitian ini mengumpulkan data langsung dari minimarket Circle-K. Peneliti mengumpulkan dan membersihkan data transaksi penjualan, lalu mengorganisasikannya menjadi tabel menggunakan Microsoft Excel. Data dikelompokkan ke dalam berbagai departemen, sehingga memudahkan untuk mengimpor data ke perangkat lunak RapidMiner. Pengolahan data dilakukan dengan menggunakan aturan asosiasi dan perangkat lunak RapidMiner dengan algoritma FP-Growth untuk mengidentifikasi item-item yang sering dibeli bersama oleh konsumen. Dalam penelitian ini, nilai support sebesar 10% dan nilai confidence sebesar 80% digunakan. Hasilnya adalah ditemukan dua aturan asosiasi. Temuan menunjukkan bahwa pelanggan yang membeli Dept 2 (makanan ringan) selalu membeli Dept 1 (minuman) secara bersamaan dengan tingkat kepercayaan sebesar 84,2% (0,842). Selain itu, pelanggan yang membeli Dept 2 (makanan ringan) dan Dept 7 (makanan berat) selalu membeli Dept 1 (minuman) bersamaan dengan tingkat kepercayaan sebesar 100% (1,000), berdasarkan semua data transaksi yang tercatat pada bulan Juni 2023. Oleh karena itu, dapat disimpulkan bahwa aturan asosiasi ini valid.

Referensi

Dio, R., Dermawan, A. A., & Putera, D. A. (2023). Application of Market Basket Analysis on Beauty Clinic to Increasing Customer’s Buying Decision. Sinkron: jurnal dan penelitian teknik informatika, 8(3), 1348-1356.

Arnomo, S. A. (2021). Market Basket Analysis pada Barang Minimarket dimasa Pandemi Covid-19. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 9(2), 127-131.

Ramadhan, R., & Setiawan, E. I. (2020). Market Basket Analysis untuk Swalayan KSU Sumber Makmur dengan Algoritma FP Growth. Insyst: Journal Of Intelligent System And Computation, 2(1), 34-39.

Jaya, I., & Hanadwiputra, S. (2021). Penerapan Algoritma Apriori Dalam Menentukan Strategi Persediaan Obat Terhadap Penjualan Obat Pada Apotek Karang Asih. Quality System Development, 11, 8-17.

Han, J., Pei, J., & Tong, H. (2022). Data mining: concepts and techniques. Morgan kaufmann.

Salu, N., Michael, A., Padang, S. Y., & Adda, M. S. (2022, October). Prediksi Persediaan Sepeda Motor Pada Dealer Yamaha Jaya Baru Motor Mengunakan Metode Frequent Pattern (FF-Growth). In Infinity (Vol. 2, No. 1).

Fitriaty, F., Lubis, T. A., Elliyana, D., & Saputra, M. H. (2023). Post-COVID-19 improvement strategies for strengthening the competitiveness of MSMEs in the tourism area of Jambi. Jurnal Manajemen dan Pemasaran Jasa, 16(1), 97-110.

Setiawan, A., & Anugrah, I. G. (2019). Penentuan pola pembelian konsumen pada indomaret gkb gresik dengan metode fp-growth. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 2(2), 115-125.

Prasetyo, V. R., Lazuardi, H., Mulyono, A. A., & Lauw, C. (2021). Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Regresi Linier. Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI), 7(1), 8-17.

Sudibyo, N. A., Iswardani, A., Sari, K., & Suprihatiningsih, S. (2020). Penerapan Data Mining pada Jumlah Penduduk Miskin di Indonesia. Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statistika, 1(3), 199-207.