<![CDATA[Data penjualan di toko buku meningkat setiap harinya, namun biasanya hanya disimpan sebagai arsip, sehingga informasi terkait pola pembelian pelanggan belum dimanfaatkan secara maksimal. Penelitian ini bertujuan untuk menerapkan algoritma Apriori dalam menganalisis pola keranjang belanja berdasarkan dataset transaksi penjualan toko buku yang diperoleh dari platform Kaggle menggunakan algortima Apriori untuk menghasilkan aturan asosiasi yang dapat membantu pengambilan keputusan bisnis. Metode yang digunakan dalam penelitian ini adalah Cross-Industry Standard Process for Data Mining (CRISP-DM) yang terdiri dari langkah-langkah Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang diambil berisi 1.000 transaksi penjualan dengan parameter minimum support sebesar 15% dan minimum confidence sebesar 50%. Temuan penelitian menunjukkan bahwa algoritma Apriori menghasilkan 66 aturan asosiasi yang memenuhi syarat. Aturan dengan lift ratio tertinggi mencapai 1,38, menunjukkan hubungan positif antara pembelian Aksesoris Buku, Alat Tulis, dan Buku Anak-Anak, sedangkan nilai confidence tertinggi mencapai 91,9% pada aturan pembelian Buku Anak-Anak dan Buku Sejarah terhadap Alat Tulis. Semua aturan utama memiliki nilai lift ratio lebih dari satu, menunjukkan adanya hubungan signifikan antar produk. Hasil penelitian menunjukkan bahwa algoritma Apriori efektif dalam mengidentifikasi pola pembelian pelanggan dan dapat dijadikan sebagai dasar untuk merumuskan strategi promosi, penempatan produk, rekomendasi cross-selling, serta manajemen persediaan guna meningkatkan efektivitas penjualan di toko buku.]]>
Copyrights © 2026
