Analisis Tingkat Pembelian Konsumen dengan Algoritma Apriori

Abstract

Saat ini data mining telah diimplementasikan ke berbagai bidang salah satu diantaranya adalah pada bidang bisnis atau perdagangan yang dapat membantu para pebisnis dalam kebijakan pengambilan keputusan terhadap apa yang berhubungan dengan persediaan barang. Misalnya pentingnya sistem persediaan barang di suatu Toko dan jenis barang apa yang menjadi prioritas utama yang harus di stok untuk mengantisipasi kekosongan barang. Karena minimnya stok barang dapat berpengaruh pada pelayanan konsumen dan pendapatan Toko. Metode yang sering digunakan untuk menganalisa pola pembelian pelanggan adalah metode asosiasi atau association rule mining. Association rule mining adalah suatu metode untuk mencari pola hubungan antar satu atau lebih itemset yang ada dalam suatu dataset. Algoritma yang paling popular dalam mencari pola hubungan item set adalah algoritma apriori atau sering disebut dengan market basket analysis. Proses yang dilakukan dalam penelitian ini menggunakan tools Rapid Miner untuk mengolah data dengan algoritma apriori, dari pengujian yang dilakukan dengan parameter yang telah ditentukan yaitu minimum support 70% dan minimum confidence 80% menghasilkan 4 aturan asosiasi dengan nilai confidance 100% yaitu kombinasi item aqua 600ml-fulloblasto caramel cruncy chocolat - yupi 500 semua rasa - beng beng 25g. Dengan pencarian pola menggunakan algoritma apriori ini diharapkan informasi yang dihasilkan dapat meningkatakan strategi penjualan selanjutnya