Penerapan Metode Market Basket Analysis dengan Algoritma CT-Pro Untuk Prediksi Minat Konsumen Terhadap Produk Perusahaan Retail

Bernad Jumadi Dehotman Sitompul; Novi Margritje Tulung; Pinrolinvic D. K. Manembu

doi:10.66785/fimerkom.v3i1.194

Authors

Bernad Jumadi Dehotman Sitompul Program Studi Teknik Informatika, Fakultas Teknik, Universitas Sam Ratulangi, Manado, Indonesia
Novi Margritje Tulung Program Studi Teknik Elektro, Fakultas Teknik, Universitas Sam Ratulangi, Manado, Indonesia
Pinrolinvic D. K. Manembu Program Studi Teknik Elektro, Fakultas Teknik, Universitas Sam Ratulangi, Manado, Indonesia

DOI:

https://doi.org/10.66785/fimerkom.v3i1.194

Keywords:

Prediksi, CT-Pro, Market Basket Analysis, Retail, Penjualan

Abstract

Strategi untuk meningkatkan tumbuhnya perkembangan suatu perusahaan retail adalah dengan menganalisis minat dan kebiasaan belanja dari konsumen. Dengan memprediksi minat dari konsumen terhadap produk, pelaku usaha retail dapat menentukan strategi bisnis yang tepat untuk meningkatkan penjualan dan pertumbuhan usaha retail tersebut. Salah satu cara untuk melakukan analisis dan minat konsumen terhadap produk adalah dengan melakukan pengolahan data atau yang disebut dengan data mining. Data mining merupakan proses ekstraksi data dengan menggunakan teknik atau metode tertentu untuk mengidentifikasi informasi pengetahuan yang baru. Dalam data mining, teknik yang digunakan untuk melihat keterkaitan antar data adalah asosiasi. Market basket analysis juga dikenal dengan nama association rule mining atau affinity analysis. Uji data pada penelitian ini menggunakan tools data mining yaitu orange dalam menemukan hubungan pola dari riwayat transaksi penjualan produk antar item. Proses pengolahan data dimulai dari pra-pemrosesan dengan memilih variabel data kemudian menemukan nilai support dari tiap item set produk dan kombinasi antara jenis produk. Dari hasil pencarian nilai support dan kombinasi antara jenis produk, kemudian ditemukan nilai confidence dalam tiap kombinasi. Kombinasi yang memenuhi nilai minimum support dan minimum confidence akan menjadi sebuah aturan asosiasi. Aturan asosiasi yang dihasilkan menjadi informasi minat dari konsumen terhadap jenis produk yang paling banyak terjual dalam perbulan sampai pertahun.

References

Aldino, A. A., Pratiwi, E. D., Sintaro, S., & Putra, A. D. (2021, October). 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) (pp. 29-34). IEEE.

Kurnia, Y., Isharianto, Y., Giap, Y. C., & Hermawan, A. (2019, March). Study of application of data mining market basket analysis for knowing sales pattern (association of items) at the O! Fish restaurant using apriori algorithm. In Journal of Physics: Conference Series (Vol. 1175, No. 1, p. 012047). IOP Publishing.

Lisnawita, L., & Devega, M. (2018). Analisis Perbandingan Algoritma Apriori Dan Algoritma Eclat Dalam Menentukan Pola Peminjaman Buku Di Perpustakaan Universitas Lancang Kuning. INOVTEK Polbeng-Seri Informatika, 3(2), 118-130.

Lisnawati, H., & Sinaga, A. (2020). Data Mining with Associated Methods to Predict Consumer Purchasing Patterns. International Journal of Modern Education & Computer Science, 12(5).

Effendi, M. M., Al Khairi, F., & Siswandi, A. (2023). Prediksi Persediaan Barang Tepat Waktu dengan Menerapkan Algoritma Apriori. Bulletin of Information Technology (BIT), 4(2), 152-162.

Y. Aziz, H. Hasdiana, and N. Nurjamiyah, “Analisis Asosiasi Rule Mining Dalam Rekomendasi Sparepart Pada Bengkel Service 227 Menggunakan Algortima CT Pro ”, JUMIN, vol. 4, no. 1, pp. 31–39, Nov. 2022.

Sesver, D., Tuna, S., Aktaş, M. S., Kalıpsız, O., Kanlı, A. N., & Turgut, U. O. (2019, September). Implementation of association rule mining algorithms on distributed data processing platforms. In 2019 4th International Conference on Computer Science and Engineering (UBMK) (pp. 79-84). IEEE.

Siregar, A. H., Lydia, M. S., & Wage, S. (2021). Association Rule Analysis using CT-Pro and Hash-based Algorithm in Violence Case of Children. no. Cesit, 565-573.

Mangunsong, A. R., Sihombing, V., & Munthe, I. R. (2024). Pengembangan Sistem Rekomendasi Produk Berdasarkan Pola Pembelian dengan Pendekatan Algoritma Apriori. Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), 7(1), 82-86.

Setiawan, R. R., & Jananto, A. (2023). Implementasi Data Mining Untuk Rekomendasi Penyedia Pupuk Non Subsidi Dengan Menggunakan Metode Algoritma Apriori. Jurnal Tekno Kompak, 17(1), 13-24.

Hapipah, N., Novitri, S. R. P., & Jaman, J. H. (2023). Sistem pendukung keputusan dalam asosiasi penjualan produk dengan algoritma apriori. JATI (Jurnal Mahasiswa Teknik Informatika), 7(2), 1144-1150.

Panjaitan, S., Sulindawaty, Amin, M., Lindawati, S., Watrianthos, R., Sihotang, H. T., & Sinaga, B. (2019, August). Implementation of apriori algorithm for analysis of consumer purchase patterns. In Journal of Physics: Conference Series (Vol. 1255, No. 1, p. 012057). IOP Publishing.

Nisa, V. C., & Khasanah, F. N. (2023). Algoritma Apriori Dalam Identifikasi Pola Pembelian Konsumen Pada Produk Minuman. INFORMAL: Informatics Journal, 8(2), 156-164.

Agarina, M., & Sutedi, S. (2020). Penerapan Datamining dalam Perancangan Sistem Pendukung Keputusan Seleksi Penerimaan Beasiswa Menggunakan Naive Bayes Classifier (Studi Kasus: IIB Darmajaya). TEKNIKA, 14(2), 165-174.

Ependi, U., & Putra, A. (2019). Solusi prediksi persediaan barang dengan menggunakan algoritma apriori (studi kasus: regional part depo auto 2000 Palembang). JEPIN (Jurnal Edukasi dan Penelitian Informatika), 5(2), 139-145.

Iswandi, P., Permana, I., & Salisah, F. N. (2020). Penerapan Algoritma Apriori Pada Data Transaksi Penjualan Hypermart Xyz Lampung Untuk Penentuan Tata Letak Barang. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 6(1), 70-74.

Mardianti, F., & Fauzi, R. (2020). Algoritma Apriori Dalam Menentukan Pola Konsumen Terhadap Tata Letak Barang. Computer and Science Industrial Engineering (COMASIE), 3(1), 130-139.

Eltalhi, S., & Kutrani, H. (2019). Breast cancer diagnosis and prediction using machine learning and data mining techniques: A review. IOSR Journal of Dental and Medical Sciences, 18(4), 85-94.

Amirullah, A., Fahlevi, M. R., & Azhar, A. (2023). Pengembangan Sistem Peminjaman dan Rekomendasi Buku di UPT. Perpustakaan Politeknik Negeri Lhokseumawe dengan Menggunakan Algoritma CT-PRO. Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan, 8(2), 78-87.

Sulianta, F., & Zaeni, A. (2023). Teknik asosiasi data mining sebagai aksi bisnis dalam menciptakan varian produk baru. Jurnal Darma Agung, 31(6), 317-326.