Implementasi Algoritma Apriori Untuk Analisis Pola Pembelian Produk Donat Bolong

Pradipta, Natasya Adi
Untari N, Rr. Dewi Handayani (Universitas Stikubank)

Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Vol 13, No 1: April 2024

The lack of clear understanding of sales patterns and consumer preferences in Semarang donut bolong shops is an obstacle in optimizing sales strategies and product stock management. The availability of sales transaction data offers great potential to gain valuable insights, however, the lack of sophisticated analytical tools often makes it difficult to unearth relevant information. By using the Aprori algorithm, it can be used to predict consumer behavior and market trends. By detecting common purchasing patterns, retailers can create more effective sales strategies, optimize product stock and improve customer experience. The results of the research with a minimum support of 30% and a minimum of frequent item set 3, the highest support value of 45% was obtained, namely Oreo, Taro with a confidence value of 100%, then Taro, Tiramisu, where a support value of 30% resulted in 86% confidence and the lowest was Taro, the cheese that having a support value of 20% produces 29% confidence.Keyword: Apriori Algorithm; Data Mining; PredictionAbstrakTidak jelasnya pemahaman terhadap pola penjualan dan preferensi konsumen di toko donat bolong Semarang menjadi kendala dalam mengoptimalkan strategi penjualan dan pengelolaan persediaan produk. Ketersediaan data transaksi penjualan menawarkan potensi besar untuk mendapatkan wawasan yang berharga, namun, kurangnya alat analisis yang canggih sering kali membuat sulit untuk menggali informasi yang relevan. Dengan menggunakan algoritma Aprori maka dapat digunakan untuk meramalkan perilaku konsumen dan tren pasar. Dengan mendeteksi pola pembelian yang umum, peritel dapat membuat strategi penjualan yang lebih efektif, mengoptimalkan persediaan produk, dan meningkatkan pengalaman pelanggan. Hasil penelitian dengan minimal support 30% dan minimal frequent item set 3 maka didapat nilai support tertinggi 45% yaitu pada oreo dan taro dengan nilai confidence 100%. Selanjutnya taro dan tiramisu dimana nilai support 30% menghasilkan confidence 86% dan yang terendah taro dan keju yang memiliki nilai support 20% menghasilkan confidence 29%.