STMIKBINSASTMIKBINSA

Jurnal Sistem Informasi dan Sistem KomputerJurnal Sistem Informasi dan Sistem Komputer

Penelitian ini menerapkan algoritma Apriori dalam analisis data transaksi penjualan di bidang retail fashion guna menemukan keterkaitan produk yang kerap dibeli dalam satu waktu. Dataset yang dianalisis berisi 3.400 transaksi pelanggan dari platform Kaggle, dan diolah menggunakan RapidMiner dengan parameter minimum support 0,1 serta confidence 0,6. Metode yang digunakan meliputi preprocessing data, normalisasi, transformasi one-hot encoding, dan pengujian dengan operator W-Apriori. Hasilnya ditemukan pola signifikan, seperti pembelian backpack dan loafers berasosiasi kuat dengan raincoat (confidence 74%). Algoritma Apriori terbukti efisien dalam mengenali pola kebiasaan pembelian konsumen, dan dapat digunakan untuk kegiatan promosi, penyusunan rekomendasi produk, dan penataan layout toko. Aturan asosiasi yang diperoleh mencerminkan pola perilaku konsumen saat berbelanja, salah satunya menunjukkan adanya hubungan erat antara beberapa produk. Informasi tersebut dapat dimanfaatkan sebagai dasar pengambilan keputusan strategis yang berorientasi data, termasuk dalam penataan produk yang lebih efisien, pengembangan fitur rekomendasi, serta perancangan promosi yang relevan dan tepat sasaran.

Hasil penelitian mengindikasikan bahwa algoritma Apriori dapat dimanfaatkan secara efektif untuk mengeksplorasi pola keterkaitan pembelian produk pada data transaksi sektor retail fashion.Melalui tahapan preprocessing, normalisasi data, transformasi ke format one-hot encoding, dan analisis menggunakan RapidMiner dengan konfigurasi minimum support 0,1 dan confidence 0,6, diperoleh sejumlah pola asosiasi yang merepresentasikan perilaku konsumen dalam berbelanja.Ditemukan beberapa kombinasi produk yang konsisten dibeli secara bersamaan, seperti backpack, loafers, dan raincoat, yang menandakan adanya kecenderungan belanja tertentu di kalangan pelanggan.Temuan ini dapat dijadikan rujukan dalam menyusun strategi pemasaran berbasis data, seperti penawaran produk dalam bentuk paket, penempatan produk yang lebih strategis di toko, serta pengembangan sistem rekomendasi otomatis.Secara keseluruhan, penggunaan algoritma Apriori dalam penelitian ini mampu mengungkap wawasan tersembunyi dari data transaksi dan memberikan kontribusi dalam mendukung pengambilan keputusan bisnis yang lebih tepat sasaran.

Untuk pengembangan di masa mendatang, disarankan mengeksplorasi algoritma alternatif seperti FP-Growth guna mengoptimalkan efisiensi analisis pada data berskala besar. Selain itu, penelitian selanjutnya dapat menggunakan data dengan cakupan yang lebih luas dan melibatkan berbagai kondisi atau klasifikasi konsumen untuk memberikan hasil yang lebih representatif. FP-Growth dapat menjadi alternatif dalam mengoptimalkan proses analisis, khususnya ketika dihadapkan pada data dengan skala yang lebih besar. Dengan demikian, penelitian ini dapat memberikan kontribusi yang lebih signifikan dalam mendukung pengambilan keputusan bisnis di sektor retail fashion.

Read online
File size306.16 KB
Pages7
DMCAReport

Related /

ads-block-test