Implementasi Association Rule Mining Menggunakan Algoritma Apriori Untuk Rekomendasi Cross-Selling Produk Ritel

Abstract

Perkembangan transaksi digital pada industri ritel menghasilkan data besar yang menyimpan informasi penting mengenai pola pembelian konsumen. Penelitian ini bertujuan mengidentifikasi association rule antarproduk menggunakan metode association rule mining dengan algoritma Apriori untuk mendukung strategi cross-selling dan penataan produk. Dataset terdiri dari 3.898 transaksi dengan 167 produk unik dan karakteristik sparse market basket dengan kepadatan 5,95%, yang menunjukkan sebagian besar kombinasi produk jarang muncul bersamaan. Penelitian menggunakan kerangka kerja CRISP-DM yang meliputi data understanding, data preparation, modeling, dan evaluation. Pada tahap modeling, algoritma Apriori diterapkan dengan minimum support 0,01 dan minimum confidence 0,40 sehingga menghasilkan 3.016 frequent itemsets dan 3.398 association rule. Setelah disaring menggunakan kriteria lift > 1,0 dan confidence >= 0,40, diperoleh 2.228 aturan yang memenuhi standar kualitas. Validasi menggunakan uji Chi-Square menunjukkan bahwa 74% aturan signifikan pada tingkat kepercayaan 95% (p-value < 0,05).Salah satu aturan terbaik menunjukkan bahwa pembelian Other Vegetables, Rolls/Buns, dan Yogurt memiliki hubungan kuat dengan pembelian Whole Milk dengan nilai support 0,0344, confidence 65,69%, dan lift 1,434. Penelitian ini berkontribusi melalui penerapan evaluasi multi-metrik dan validasi statistik untuk meningkatkan reliabilitas association rule. Hasil penelitian dapat dimanfaatkan oleh industri ritel untuk strategi penataan rak, promosi bundling, dan optimalisasi cross-selling berbasis data.