Penerapan Algoritma Apriori Untuk Menemukan Pola Asosiasi Pada Data Penjualan Retail Fashion

Abstract

Penelitian ini menerapkan algoritma Apriori dalam analisis data transaksi penjualan di bidang retail fashion guna menemukan keterkaitan produk yang kerap dibeli dalam satu waktu. Dataset yang dianalisis berisi 3.400 transaksi pelanggan dari platform Kaggle, dan diolah menggunakan RapidMiner dengan parameter minimum support 0,1 serta confidence 0,6. Metode yang digunakan meliputi preprocessing data, normalisasi, transformasi one-hot encoding, dan pengujian dengan operator W-Apriori. Hasilnya ditemukan pola signifikan, seperti pembelian backpack dan loafers berasosiasi kuat dengan raincoat (confidence 74%). Algoritma Apriori terbukti efisien dalam mengenali pola kebiasaan pembelian konsumen, dan dapat digunakan untuk kegiatan promosi, penyusunan rekomendasi produk, dan penataan layout toko. Aturan asosiasi yang diperoleh mencerminkan pola perilaku konsumen saat berbelanja, salah satunya menunjukkan adanya hubungan erat antara beberapa produk. Informasi tersebut dapat dimanfaatkan sebagai dasar pengambilan keputusan strategis yang berorientasi data, termasuk dalam penataan produk yang lebih efisien, pengembangan fitur rekomendasi, serta perancangan promosi yang relevan dan tepat sasaran.