Publisher

FKPTFKPT

Journal Bulletin of Information Technology (BIT)Bulletin of Information Technology (BIT) Abstract

Penelitian ini bertujuan untuk menganalisis pola pembelian produk di Toko Sembako HAS di Kota Medan, Kecamatan Medan Polonia, dengan menggunakan pendekatan Hybrid Data Mining, menggabungkan algoritma K-Means dan Apriori. Data yang berhasil dikumpulkan sebanyak 75.294 item terjual selama 7 bulan. Alur penelitian dimulai dari identifikasi masalah, studi literatur, pengumpulan dan pre-processing data, hingga implementasi algoritma untuk menghasilkan pengelompokan produk dan pola asosiasi. Normalisasi data dilakukan menggunakan metode Min-Max untuk menyamakan skala variabel Quantity dan Profit sehingga proses clustering K-Means lebih akurat. Hasil pengelompokan dengan K-Means yang dikombinasikan BCG Matrix mengkategorikan produk ke dalam Stars, Cash Cows, Question Marks, dan Dogs. Produk Indomie dan Mie Sedap termasuk kategori Stars dengan volume penjualan tinggi dan profitabilitas menengah-tinggi, sedangkan Minyak Curah dan Beras termasuk Cash Cows dengan volume penjualan sedang namun profitabilitas tertinggi. Algoritma Apriori mengidentifikasi pola pembelian tersembunyi dengan nilai Lift Ratio tertinggi 1.48 pada pasangan Pampers S dan Mie Sedap, menunjukkan korelasi kuat pada segmen keluarga muda. Kombinasi K-Means dan Apriori memberikan insight strategis, di mana K-Means mendukung manajemen inventori dan pengelompokan produk, sementara Apriori membantu merumuskan strategi pemasaran melalui bundling produk dan penataan toko. Namun, penggabungan produk Cash-Cows dan Question Marks menunjukkan nilai Lift Ratio di bawah 1, sehingga keterkaitan antarproduk tidak signifikan. Hasil penelitian ini membuktikan bahwa pendekatan hybrid dapat meningkatkan pemahaman terhadap perilaku konsumen dan mendukung pengambilan keputusan berbasis data untuk optimalisasi penjualan dan profitabilitas.

Conclusion

Penerapan K-Means yang dikombinasikan dengan konsep BCG Matrix berhasil memetakan kinerja produk secara akurat, mengidentifikasi anomali strategis di mana produk Cash Cows seperti Minyak Curah memberikan kontribusi profit lebih tinggi dibanding produk Stars seperti Indomie, meskipun volume penjualannya lebih rendah.Algoritma Apriori mampu mengungkap pola pembelian tersembunyi, misalnya kombinasi Nutri Sari dan Minyak Curah maupun Sampo dan Minyak Curah yang menunjukkan frekuensi dan keterkaitan pembelian yang signifikan, dengan lift ratio mendekati 1 atau lebih tinggi pada pasangan tertentu seperti Pampers S dan Mie Sedap (lift ratio 1.Kombinasi K-Means dan Apriori memberikan landasan yang kuat untuk pengambilan keputusan, di mana K-Means mendukung manajemen inventori dengan fokus pada stok produk Stars dan Cash Cows, sementara Apriori memandu strategi pemasaran melalui pola bundling dan penataan produk.

Future Research

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, penelitian lebih lanjut dapat dilakukan untuk mengeksplorasi pengaruh faktor eksternal seperti musim, promosi, dan kondisi ekonomi terhadap pola pembelian produk di Toko Sembako HAS. Kedua, pengembangan model prediktif yang lebih canggih, misalnya dengan memanfaatkan teknik deep learning atau recurrent neural network, dapat dilakukan untuk meningkatkan akurasi peramalan penjualan dan optimasi stok. Ketiga, studi komparatif dapat dilakukan dengan melibatkan beberapa UMKM toko sembako lainnya untuk menguji generalisasi temuan penelitian ini dan mengidentifikasi praktik terbaik dalam manajemen stok dan pemasaran. Penelitian-penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan daya saing dan profitabilitas UMKM di Indonesia, serta memberikan wawasan yang lebih mendalam mengenai perilaku konsumen di sektor ritel tradisional.

References

1. IMPLEMENTASI ALGORITMA APRIORI UNTUK MENENTUKAN POLA PEMBELIAN PADA CUSTOMER (STUDI KASUS : TOKO BAKOEL... jurnal.amikom.ac.id/index.php/infos/article/view/561IMPLEMENTASI ALGORITMA APRIORI UNTUK MENENTUKAN POLA PEMBELIAN PADA CUSTOMER STUDI KASUS TOKO BAKOEL jurnal amikom ac index php infos article view 561
2. Metode K-Means Clustering Dalam Pengelompokan Penjualan Produk Frozen Food | Jurnal Ilmu Komputer dan... doi.org/10.70340/jirsi.v3i1.88Metode K Means Clustering Dalam Pengelompokan Penjualan Produk Frozen Food Jurnal Ilmu Komputer dan doi 10 70340 jirsi v3i1 88

Metadata

File size	635.26 KB
Pages	8
DMCA	Report