<![CDATA[Abstrak Strategi bundling memerlukan informasi mengenai kombinasi produk yang tidak hanya sering dibeli bersama, tetapi juga menghasilkan nilai penjualan tinggi. Penelitian ini bertujuan menerapkan Top-K High-Utility Itemset Mining untuk menentukan kombinasi produk bernilai penjualan tertinggi sebagai rekomendasi bundling. Data yang digunakan adalah Online Retail II dari UCI Machine Learning Repository. Tahapan penelitian mencakup pembersihan data, penghapusan transaksi pembatalan dan nilai nonpositif, agregasi produk pada setiap faktur, perhitungan utility berdasarkan kuantitas dan harga satuan, pembentukan basis data utility, serta penambangan pola menggunakan utility-list. Proses penambangan menggunakan nilai K sebesar 10 dengan panjang kombinasi dua sampai empat produk. Setelah preprocessing, diperoleh 36.302 transaksi valid untuk dianalisis. Hasil penelitian menunjukkan bahwa sembilan pola teratas merupakan kombinasi dua produk dan satu pola merupakan kombinasi tiga produk. Jumbo Bag Strawberry dan Jumbo Bag Red White Spotty menghasilkan utility tertinggi sebesar £115.525,29 dengan support 3,2753%. Sementara itu, Jumbo Bag Pink with White Spots dan Jumbo Bag Red White Spotty memiliki support tertinggi sebesar 3,9337% dengan utility £109.344,48. Temuan ini menunjukkan bahwa kombinasi paling sering dibeli tidak selalu menghasilkan nilai penjualan tertinggi. Metode tersebut dapat menghasilkan rekomendasi bundling dengan mempertimbangkan frekuensi, kuantitas, dan nilai penjualan produk secara bersamaan. ]]>
Copyrights © 2026
