Analisis Pola Pembelian Konsumen Menggunakan Algoritma FP-Growth-Toko Indomaret (Studi Kasus: Market Basis Analysis)
Kata Kunci:
Analisis, penjualan, pengembangan strategi perusahaan, konsumen, data produk.Abstrak
Perkembangan dunia usaha yang pesat dan perubahan ekonomi telah mendorong terbentuknya berbagai produk yang sesuai dengan kebutuhan pelanggan. Tujuan dari penelitian ini adalah untuk menganalisis pola pembelian konsumen menggunakan algoritma FP-Growth pada toko Indomaret. Persaingan yang semakin ketat di pasar mendorong perusahaan untuk lebih memperhatikan perilaku konsumen dalam pembelian barang dan jasa. Industri ritel, terutama yang terkait dengan Alfamart dan Indomaret, merupakan salah satu sektor yang berkembang pesat di dunia saat ini. Data transaksi dari toko Indomaret digunakan sebagai sumber data utama dalam penelitian ini. Informasi dikumpulkan dari struk pembelian dan dikelompokkan berdasarkan tanggal pembelian. Algoritma FP-Growth digunakan untuk mengidentifikasi kombinasi jenis produk yang paling sering dibeli oleh pelanggan. Hasil penelitian menunjukkan bahwa nilai minimum confidence yang tinggi, yaitu 0,7 atau 70%, sering digunakan sebagai batas untuk memvalidasi suatu aturan. Artinya, dalam 70% kasus, aturan tersebut terbukti benar. Sementara itu, nilai minimum support yang digunakan adalah 0,2 atau 20% sebagai batas ambang umum. Nilai minimum support yang lebih rendah memberikan fleksibilitas untuk menangkap itemset yang mungkin terjadi secara tidak terduga atau jarang, tetapi masih memiliki arti penting. Penelitian ini memberikan wawasan tentang pola pembelian konsumen di toko Indomaret dan relevansinya dengan algoritma FP-Growth. Implikasi dari penelitian ini adalah pentingnya pemahaman terhadap perilaku konsumen untuk dapat bersaing secara efektif di pasar yang kompetitif. Dengan memanfaatkan teknik analisis data seperti algoritma FP-Growth, perusahaan dapat mengoptimalkan strategi pemasaran dan penawaran produk yang lebih sesuai dengan kebutuhan pelanggan.
Referensi
A. Wibowo, Manajemen Risiko. Penerbit Yayasan Prima Agus Teknik, 2022.
A. Sharif, “Data Mining Untuk Memprediksi Itemset Promosi Penjualan Barang Menggunakan Metode Market Basket Analysis (MBA) (Studi Kasus: Toko Sentra Ponsel),” J. Mantik Penusa, vol. 3, no. 2, 2019.
D. E. Cahyono, I. T. Suryadin, and N. W. A. Prasetya, Logika dan Algoritma serta Implementasi di Turbo Pascal. CV. Mitra Cendekia Media., 2023.
W. P. Nurmayanti et al., “Market Basket Analysis with Apriori Algorithm and Frequent Pattern Growth (Fp-Growth) on Outdoor Product Sales Data,” Int. J. Educ. Res. Soc. Sci., vol. 2, no. 1, pp. 132–139, Apr. 2021.
A. Anggrawan, M. Mayadi, and C. Satria, “Menentukan Akurasi Tata Letak Barang dengan Menggunakan Algoritma Apriori dan Algoritma FP-Growth,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 125–138, Nov. 2021.
E. C. Vidiya and G. Testiana, “Analisis Pola Pembelian di Lathansa Cafe & Ramen dengan Menggunakan Algoritma FP-Growth Berbantuan RapidMiner,” G-Tech J. Teknol. Terap., vol. 7, no. 3, pp. 1118–1126, Jul. 2023.
S. A. Rahayu, “Market Basket Analysis Using FP-Growth Algorithm to Design Marketing Strategy by Determining Consumer Purchasing Patterns,” J. Appl. Data Sci., vol. 4, no. 1, pp. 38–49, Jan. 2023.
A. A. Aldino, E. D. Pratiwi, Setiawansyah, S. Sintaro, and A. Dwi Putra, “Comparison Of Market Basket Analysis To Determine Consumer Purchasing Patterns Using Fp-Growth And Apriori Algorithm,” in 2021 International Conference on Computer Science, Information Technology, and Electrical Engineering (ICOMITEE), 2021, pp. 29–34.
S. Rana and M. N. I. Mondal, “Seasonal and Multilevel Association Based Approach for Market Basket Analysis in Retail Supermarket,” Eur. J. Inf. Technol. Comput. Sci., vol. 1, no. 4, pp. 9–15, Oct. 2021.
L. Samboteng, R. Rulinawaty, K. Rachmat, M. Basit, and R. Rahim, “Market basket analysis of administrative patterns data of consumer purchases using data mining technology,” J. Appl. Eng. Sci., vol. 20, no. 2, pp. 339–345, 2022.
