<![CDATA[Peningkatan volume data transaksi penjualan ritel sering kali hanya menjadi arsip digital tanpa dimanfaatkan secara optimal. Padahal, data tersebut menyimpan informasi strategis mengenai pola perilaku belanja konsumen. Penelitian ini bertujuan untuk mengimplementasikan teknik Market Basket Analysis (MBA) menggunakan algoritma Frequent Pattern Growth (FP-Growth) ke dalam sebuah sistem aplikasi berbasis web yang terintegrasi. Metode penelitian ini menggabungkan kerangka Knowledge Discovery in Databases (KDD) untuk pemrosesan data mining dan System Development Life Cycle (SDLC) untuk perancangan perangkat lunak. Menggunakan Retail Transaction Dataset yang memuat 30.000 riwayat transaksi, sistem mampu memproses unggahan data mentah menjadi format matriks secara mandiri dan memetakannya ke dalam visualisasi interaktif Graph FP-Tree. Pengujian algoritma dengan parameter minimum support 6% dan minimum confidence 40% berhasil mengekstraksi aturan asosiasi yang valid. Temuan terbaik menunjukkan korelasi positif yang kuat pada kombinasi produk Cereal dan Milk dengan nilai Lift Ratio 2.511. Inovasi dari sistem ini terletak pada kemampuannya menerjemahkan perhitungan matematis secara otomatis menjadi interpretasi bisnis, sehingga dapat memberikan rekomendasi strategis bagi pengelola toko terkait optimalisasi tata letak rak, perumusan paket promosi (bundling), dan pemeliharaan persediaan stok barang.]]>
Copyrights © 2026
