Apriori Algorithm for Analyzing Motorcycle Spare Part Purchase Patterns and Stock Optimization

Abstract

Pengelolaan persediaan pada bisnis penjualan suku cadang motor sering menghadapi tantangan ketidakseimbangan stok akibat kurangnya pemahaman terhadap pola pembelian konsumen. CV FOLC MORA, sebagai salah satu pengecer sparepart di Palembang, mengalami ketidakefisienan dalam pengendalian stok yang dapat mengakibatkan biaya penyimpanan berlebih atau hilangnya peluang penjualan ketika barang populer tidak tersedia. Kebaruan dari penelitian ini terletak pada konteks penerapan algoritma Apriori yang difokuskan pada skala usaha mikro, kecil, dan menengah (UMKM) penjualan suku cadang motor, yang relatif jarang dieksplorasi pada penelitian terdahulu yang umumnya menitikberatkan pada e-commerce berskala besar. Selain itu, penelitian ini tidak hanya menghasilkan analisis pola pembelian, tetapi juga mengintegrasikan hasil tersebut ke dalam dashboard interaktif berbasis Streamlit yang memudahkan pelaku UMKM dalam melakukan pemantauan stok dan perencanaan pembelian. Kombinasi konteks UMKM dan pemanfaatan dashboard analitik inilah yang menjadi nilai kebaruan sekaligus kontribusi praktis penelitian ini. Penelitian ini bertujuan untuk menganalisis pola pembelian menggunakan algoritma Apriori guna mendukung pengambilan keputusan dalam optimalisasi stok dan peningkatan penjualan. Metode yang digunakan adalah CRISP-DM (Cross-Industry Standard Process for Data Mining) yang terdiri dari enam tahapan: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Data transaksi penjualan yang dianalisis berasal dari periode Januari hingga April 2025, dengan total 1.550 transaksi dan 6.478 data item. Pengolahan data dilakukan menggunakan Python dengan bantuan pustaka Pandas dan MLxtend, sedangkan hasil analisis disajikan melalui dashboard interaktif berbasis Streamlit. Algoritma Apriori menghasilkan keterkaitan kuat antar produk, seperti “Ban Luar Swallow 80/90-17” dan “Velg TK Excel Rim” dengan nilai support 1%, confidence 76%, dan lift 2,15. Temuan ini menjadi dasar penyusunan strategi bundling produk dan keputusan restok barang. Dashboard yang dikembangkan memudahkan pemilik usaha untuk mengunggah data transaksi, mengatur parameter analisis, serta melihat frequent itemset dan rekomendasi kombinasi produk. Pendekatan ini meningkatkan efisiensi pengelolaan stok, mendukung strategi pemasaran berbasis data, serta berkontribusi pada peningkatan kepuasan pelanggan dan kinerja penjualan.Inventory management in motorcycle spare part businesses often faces challenges related to stock imbalances caused by the lack of insight into consumer purchasing patterns. CV FOLC MORA, a spare part retailer in Palembang, experiences inefficiencies in stock control, which can result in excessive inventory costs or lost sales opportunities when popular items are unavailable. This research aims to analyze purchasing patterns using the Apriori algorithm to support decision-making in stock optimization and sales improvement. The study adopts the CRISP-DM (Cross-Industry Standard Process for Data Mining) methodology, consisting of six stages: business understanding, data understanding, data preparation, modeling, evaluation, and deployment. Sales transaction data collected from January to April 2025 comprises 1,550 transactions and 6,478 item records. Data processing was conducted using Python with the Pandas and MLxtend libraries, and results were presented via an interactive dashboard built with Streamlit. The Apriori algorithm identified strong associations between products, such as “Ban Luar Swallow 80/90-17” and “Velg TK Excel Rim,” with a support value of 1%, confidence of 76%, and lift of 2.15. These findings provide actionable insights for product bundling strategies and restocking decisions. The developed dashboard enables business owners to upload transaction data, adjust analysis parameters, and view frequent itemsets and recommended product combinations. This approach enhances inventory management efficiency, supports data-driven marketing strategies, and ultimately contributes to increased customer satisfaction and sales performance.