Claim Missing Document
Check
Articles

Found 1 Documents
Search

ANALISIS POLA PEMBELIAN PRODUK MAKANAN MENGGUNAKAN ALGORITMA FP-GROWTH UNTUK STRATEGI PENJUALAN Prasetyo, Fachrul; Hasugian, Humisar
IDEALIS : InDonEsiA journaL Information System Vol. 7 No. 1 (2024): Jurnal IDEALIS Januari 2024
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/idealis.v7i1.3085

Abstract

Data penjualan sangat penting di sektor perdagangan untuk memahami perilaku konsumen dan tren penjualan produk, yang pada akhirnya menghasilkan keuntungan. PT Kusno Baso, sebuah perusahaan yang bergerak dibidang kuliner, menjual produk olahan bakso dan otak-otak. Dalam dua tahun terakhir ini yang berfokus pada penjualan tunai pabrik ada sebagian produk mengalami penuruan penjualan. Produksi olahan yang banyak serta jumlah data penjualan yang besar menjadi kendala dalam menganalisis data secara manual. Hal ini menyebabkan produk-produk yang sudah diproduksi setiap harinya menumpuk karena ada yang kurang laku terjual. Salah satu faktor yang mempengaruhi adalah belum mengetahui produk apa saja yang paling sering dibeli oleh konsumen dalam satu kali transaksi. Untuk mengatasi hal tersebut, tujuan dari penelitian ini adalah menghasilkan saran pola kombinasi pembelian produk dengan memanfaatkan algoritma FP-Growth untuk strategi cross-selling. Penelitian ini menggunakan metodologi penelitian Cross-Industry Standard Process for Data Mining (CRISP-DM). Metode pengumpulan data sekunder dilakukan pada data transaksi tunai pabrik penjualan produk olahan bakso dan otak-otak di PT Kusno Baso Ciledug pada tanggal 11 Mei 2021 sampai dengan tanggal 11 Mei 2023 yang terdiri dari 600 data transaksi dan 21 atribut yang sudah bersih tanpa ada missing value. Hasil dari penelitian ini yaitu memberikan pola asosiasi yang menjelaskan produk mana yang paling sering dibeli dalam waktu bersamaan, yang dapat dijadikan acuan dalam strategi penjualan dengan sistem cross-selling. Hasil penelitian percobaan terbaik menggunakan algoritma FP-Growth diperoleh dengan setting parameter minimum Support 20%, minimum Confidence 70% dan nilai lift ratio > 1 yang menghasilkan 9 rekomendasi aturan asosiasi dengan 11 item produk.