Penerapan Aturan Asosiasi di Alfamart untuk Meningkatkan Pola Pembelian Pelanggan

Raul Arifin Magna
Moh Arafat Wasiru (Institut Teknologi Batam)
Shania Maharani N (Institut Teknologi Batam)
Abdulloh Bin Harsyah (Institut Teknologi Batam)

IESM
Vol. 4 No. 2 (2023): Vol 4 No 2 Agustus 2023

Salah satu aspek penting dari perilaku pelanggan adalah pola pembelian mereka. Pola pembelian mengacu pada kombinasi item yang cenderung dibeli bersama-sama oleh pelanggan. Dengan memahami pola pembelian ini, perusahaan dapat mengambil langkah-langkah strategis untuk meningkatkan penjualan, meningkatkan kepuasan pelanggan, dan mengoptimalkan persediaan produk. Terutama pada alfamart yang merupakan toko ritel yang sering dikinjungi masyarakat. Alfamart telah menjadi salah satu ikon ritel di Indonesia dengan visi untuk memberikan kemudahan dan kenyamanan berbelanja bagi masyarakat. Dengan konsep toko yang nyaman, produk yang lengkap, dan layanan yang baik, Alfamart telah menjadi pilihan populer bagi pelanggan yang mencari kebutuhan sehari-hari dengan mudah dan efisien.Data mining adalah proses ekstraksi informasi yang berharga dan berarti dari dataset yang besar dan kompleks. Data mining adalah metode yang diterapkan untuk mengolah dan menganalisis data (Kurniana et al., 2023). Dalam konteks cafe, data mining digunakan untuk menggali wawasan bisnis dari data transaksi pembelian, seperti pola pembelian, asosiasi menu, dan preferensi konsumen.Algoritma FP-Growth adalah algoritma yang menerapkan teknik untuk menemukan hubungan antar item yang sering muncul dengan memadatkannya menjadi FP-Tree. FP-Growth adalah cara untuk menggambarkan pola pembelian konsumen dan item yang sering muncul secara bersamaan terutama yaitu item yang sering dibeli oleh konsumen sehingga dapat dianalisis data dengan menentukan pola asosiasi (Achmad et al., 2023). Algoritma FP-growth (Frequent Pattern-growth) adalah algoritma data mining yang digunakan untuk mengidentifikasi itemset frekuensi tinggi dalam dataset transaksi (Dewi Anisa Istiqomah et al., 2022). Algoritma ini berfokus pada struktur pohon yang disebut FP-tree (Frequent Pattern tree) untuk menghasilkan itemset frekuensi tinggi dengan cepat. RapidMiner adalah perangkat lunak yang dikembangkan oleh Dr. Markus Hofmann dan Ralf Klinkenberg dari Institut Teknologi Blanchardstown dan memfasilitasi pemrograman berbasis GUI (Graphical User Interface). Perangkat lunak tersebut berbasis open source, ditulis dengan bahasa pemrograman Java dan RapidMiner, serta dapat digunakan pada sistem operasi apa saja (Wijaya & Pratama, 2022).