Analisis pembelian konsumen dengan algoritma market basket analysis (studi kasus: Alfamart)

Muhammad Guruh Safaat; Herpina  Okti; Thania  Ardilla; Dhita  Felalita

Penulis

Muhammad Guruh Safaat Institut Teknologi Batam
Herpina Okti Institut Teknologi Batam
Thania Ardilla Institut Teknologi Batam
Dhita Felalita Institut Teknologi Batam

Kata Kunci:

analisis keranjang belanja, algoritma FP-Growth, pola pembelian, strategi pemasaran, kepuasan pelanggan.

Abstrak

Penelitian ini menerapkan analisis keranjang belanja dengan algoritma FP-Growth pada Alfamart, perusahaan ritel. Tujuan penelitian ini adalah mengidentifikasi pola pembelian bersama yang signifikan untuk meningkatkan strategi pemasaran dan kepuasan pelanggan. Metode penelitian melibatkan pengumpulan dan analisis data transaksi Alfamart. Hasil penelitian menunjukkan bahwa algoritma FP-Growth berhasil mengidentifikasi aturan asosiasi yang berguna bagi Alfamart. Dengan memahami pola pembelian pelanggan, perusahaan dapat meningkatkan strategi pemasaran dan menciptakan promosi yang efektif. Penelitian ini juga menguji kinerja algoritma FP-Growth pada dataset transaksi dan menunjukkan efisiensi dan akurasi yang baik dalam menghasilkan aturan asosiasi. Penelitian ini memberikan kontribusi pada pengembangan analisis keranjang belanja dengan algoritma FP-Growth pada Alfamart. Hasil penelitian ini memberikan wawasan berharga bagi perusahaan dalam memahami perilaku pembelian pelanggan dan meningkatkan keputusan strategis pemasaran, menggunakan FP-Growth dengan kombinasi nilai minimum support 0.05 dan nilai confidence 0.8 dapat ditemukan 6 kombinasi produk yang sering dibeli bersamaan di toko Alfamart adalah minuman, snack, rokok, dan kantung plastik. Diharapkan penelitian ini dapat memajukan bidang analisis keranjang belanja dan memberikan manfaat dalam pengambilan keputusan bisnis.

Referensi

Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining association rules between sets of items in large databases. ACM SIGMOD Record, 22(2), 207-216.

Park, J. S., Chen, M. S., & Yu, P. S. (1995). An effective hash-based algorithm for mining association rules. Proceedings of the 1995 ACM SIGMOD International Conference on Management of Data, 175-186.

Han, J., Pei, J., & Yin, Y. (2000). Mining frequent patterns without candidate generation. ACM SIGMOD Record, 29(2), 1-12.

Raza, A., Bashir, S., Raza, H., & Khan, F. U. (2018). An overview of association rule mining techniques and applications. Journal of Computer Science and Network Security, 18(2), 221-228.

Liu, B., Hsu, W., & Ma, Y. (1999). Integrating classification and association rule mining. Proceedings of the 4th International Conference on Knowledge Discovery and Data Mining, 80-86.

Bayir, M. A., & Aydin, N. (2016). A comparative study on association rule mining algorithms. Journal of Engineering and Applied Sciences, 11(8), 1719-1724.

Palaniappan, V., & Srinivasan, R. (2018). Association rules mining for sales data analysis. International Journal of Applied Engineering Research, 13(19), 13516-13519.

Fajrin, A. A., & Maulana, A. (2018). PENERAPAN DATA MINING UNTUK ANALISIS POLA PEMBELIAN KONSUMEN DENGAN ALGORITMA FPGROWTH PADA DATA TRANSAKSI PENJUALAN SPARE PART MOTOR . Kumpulan jurnaL Ilmu Komputer (KLIK) , 27-36.

Dio, Rafi, Aulia Agung Dermawan, and Dimas Akmarul Putera. "Application of Market Basket Analysis on Beauty Clinic to Increasing Customer’s Buying Decision." Sinkron: jurnal dan penelitian teknik informatika 8.3 (2023): 1348-1356.

ANSANI, ANISA. "Analisis Tata Letak Pasar Tradisional Berdasarkan Pola Perilaku Pembelian Dengan Metode Association Rules–Market Basket Analysis (Ar-Mba)(Studi Kasus: Pasar Rejodani Sleman)." (2022).