Data Mining Penerapan Asosiasi Apriori Dalam Penentuan Pola Penjualan

Firdo Andri Saputra (Universitas Nasional, Jakarta)
Agus Iskandar (Universitas Nasional, Jakarta)

Journal of Computer System and Informatics (JoSYC)
Vol 4 No 4 (2023): August 2023

Penjualan merupakan hal yang tak terpisahkan dari kehidupan sehari-hari, di mana setiap orang secara rutin melakukan transaksi jual beli yang berdampak besar bagi pertumbuhan ekonomi. Bagi para pebisnis yang bergerak di bidang penjualan, seperti pemilik coffee shop, strategi untuk meningkatkan jumlah penjualan dan laba menjadi hal krusial. Dengan aktivitas transaksi harian yang terus meningkat, data penjualan tersebut bukan sekadar arsip biasa, melainkan memiliki potensi untuk diolah menjadi informasi berharga guna meningkatkan penjualan. Namun, seringkali terjadi masalah ketika stok item yang diinginkan oleh konsumen tidak tersedia atau habis karena kurangnya pengelolaan stok yang baik oleh karyawan coffee shop. Akibatnya, data transaksi penjualan yang ada hanya terabaikan dan tidak dimanfaatkan secara optimal, menyebabkan kerugian karena persediaan menu tidak terkontrol dengan baik. Sebaliknya, data transaksi sebelumnya dapat digunakan untuk mengidentifikasi pola pembelian pelanggan, sehingga dapat diambil kesimpulan bahwa jika pelanggan membeli menu A, kemungkinan besar akan membeli menu B juga. Untuk mengatasi permasalahan tersebut, solusi yang dapat diterapkan adalah memanfaatkan data transaksi penjualan yang telah terkumpul. Data ini mengandung informasi berharga yang bisa digunakan untuk pengambilan keputusan dan memperoleh pengetahuan baru tentang pola penjualan di coffee shop, sehingga pengelolaan persediaan menu dapat lebih terstruktur dan jumlah persediaan menu yang tidak diminati dapat dikurangi. Untuk mencapai persediaan yang ideal, peneliti menggunakan metode Data Mining, khususnya metode Assosiasi dengan Apriori. Namun, pencarian support hanya dilakukan hingga 3 set item tanpa ditemukan kombinasi yang memenuhi batas minimum support, sehingga proses tersebut dihentikan. Untuk melanjutkan pencarian nilai confidence, digunakan gabungan 2 set item (L2) yang memenuhi syarat untuk membentuk asosiasi. Hasil analisis dengan metode ini menghasilkan tiga aturan asosiasi yang berharga untuk meningkatkan penjualan, yaitu "Jika membeli cappuccino maka akan membeli donat" dengan confidence 0,65, "Jika membeli donat maka akan membeli cappuccino" dengan confidence 0,93, dan "Jika membeli muffin maka akan membeli cappuccino" dengan confidence 0,83.