CIPTA MEDIA HARMONICIPTA MEDIA HARMONI

JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi KomputerJSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer

Latar Belakang: Di era digital, bisnis ritel menghadapi tantangan dalam memahami perilaku konsumen dan menyusun strategi pemasaran yang efektif. Market Basket Analysis (MBA) menjadi pendekatan populer untuk menganalisis pola pembelian konsumen guna mempertahankan daya saing. Tujuan: Menemukan pola pembelian pelanggan dan mengidentifikasi aturan asosiasi antar produk yang dapat dimanfaatkan dalam strategi pemasaran seperti penempatan produk, bundling, dan personalisasi. Metode: Algoritma Apriori pada dataset transaksi ritel dari Kaggle yang berisi lebih dari 90.000 entri. Data dianalisis setelah melalui tahap pra-pemrosesan dan transformasi dengan teknik one-hot encoding. Algoritma dijalankan dengan parameter minimum support 0,005 dan confidence 0,5. Hasil: Hasil menunjukkan bahwa produk “12V U1 L&G 6 memiliki nilai support tertinggi sebesar 2,92%. Pasangan produk “1.5V IND AAA ALK BULK dan “1.5V IND AA ALK BULK menunjukkan asosiasi kuat dengan confidence 68,9% dan lift 58,46%. Kesimpulan: Penelitian ini berhasil mengidentifikasi pola pembelian konsumen dan menghasilkan aturan asosiasi yang signifikan sebagai dasar strategi pemasaran berbasis data. Penelitian selanjutnya disarankan mengeksplorasi algoritma lain seperti FP-Growth atau Eclat untuk membandingkan efisiensi dan akurasi.

Penelitian ini menunjukkan bahwa algoritma Apriori efektif dalam mengidentifikasi pola pembelian konsumen berdasarkan data transaksi ritel.Aturan asosiasi yang dihasilkan mengungkap hubungan kuat antara produk, seperti produk 1.5V IND AAA ALK BULK dan 1.Temuan ini memberikan dasar yang kuat bagi toko ritel untuk menerapkan strategi pemasaran yang lebih efektif, seperti penataan produk, bundling, dan personalisasi.

Penelitian selanjutnya dapat memperluas analisis dengan mengintegrasikan data demografis dan perilaku pelanggan untuk menghasilkan rekomendasi produk yang lebih personal dan akurat. Pengembangan sistem rekomendasi otomatis berbasis data transaksi real-time juga perlu dipertimbangkan agar hasil analisis dapat langsung diterapkan secara dinamis dalam operasional toko. Selain itu, eksplorasi algoritma data mining alternatif seperti FP-Growth atau Eclat dapat dilakukan untuk membandingkan efisiensi dan akurasi dalam mengidentifikasi pola pembelian konsumen, sehingga dapat dipilih metode yang paling optimal untuk diterapkan dalam konteks bisnis ritel.

  1. Penerapan Metode Asosiasi Pada Toko Afifa Dengan Algoritma Apriori | Instink: Inovasi Pendidikan, Teknologi... doi.org/10.30599/instink.v1i1.1498Penerapan Metode Asosiasi Pada Toko Afifa Dengan Algoritma Apriori Instink Inovasi Pendidikan Teknologi doi 10 30599 instink v1i1 1498
  2. PENERAPAN DATA MINING DENGAN METODE ALGORITMA APRIORI UNTUK MENENTUKAN POLA PEMBELIAN IKAN | JSiI (Jurnal... doi.org/10.30656/jsii.v6i2.1587PENERAPAN DATA MINING DENGAN METODE ALGORITMA APRIORI UNTUK MENENTUKAN POLA PEMBELIAN IKAN JSiI Jurnal doi 10 30656 jsii v6i2 1587
  3. PEMANFAATAN ALGORITMA APRIORI DALAM MENGUNGKAP POLA TRANSAKSI UNTUK DESAIN TATA LETAK PRODUK | Jurnal... journal.eng.unila.ac.id/index.php/jitet/article/view/6181PEMANFAATAN ALGORITMA APRIORI DALAM MENGUNGKAP POLA TRANSAKSI UNTUK DESAIN TATA LETAK PRODUK Jurnal journal eng unila ac index php jitet article view 6181
  1. #harga saham#harga saham
  2. #kinerja guru#kinerja guru
Read online
File size874.62 KB
Pages20
Short Linkhttps://juris.id/p-23z
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test