<![CDATA[Persaingan usaha perabotan rumah tangga menuntut pelaku usaha memanfaatkan data transaksi secara lebih sistematis untuk mendukung keputusan penjualan dan persediaan. Toko Meubel Helbaf Waitabula menghadapi masalah penumpukan beberapa jenis barang dan kekosongan produk lain akibat pola permintaan konsumen yang belum dianalisis secara terstruktur. Penelitian ini bertujuan mengimplementasikan data mining dengan Algoritma Apriori untuk mengidentifikasi pola keterkaitan pembelian produk meubel berdasarkan data penjualan periode Januari–Juni 2026. Data sembilan produk utama ditransformasikan menjadi matriks biner dengan enam transaksi bulanan, kemudian dianalisis menggunakan minimum support 30% dan minimum confidence 60%. Hasil analisis menunjukkan enam produk memenuhi kriteria frequent 1-itemset dan tiga pasangan memenuhi kriteria 2-itemset. Dari proses pembentukan aturan asosiasi diperoleh empat aturan final dengan confidence 100%, yaitu Lemari Tipe 1 (L01) → Sofa Tipe 2 (S02), Sofa Tipe 2 (S02) → Lemari Tipe 1 (L01), Lemari Tipe 2 (L02) → Kaca Rumah (KR), dan Sofa Tipe 1 (S01) → Kaca Rumah (KR). Validasi tambahan menunjukkan lift ratio sebesar 3,00 pada hubungan L01–S02 dan 1,50 pada hubungan L02–KR serta S01–KR, sehingga seluruh aturan menunjukkan asosiasi positif. Hasil penelitian diimplementasikan menggunakan Python dan dapat dimanfaatkan sebagai dasar penyusunan paket promosi, penataan display untuk cross-selling, serta pengendalian stok produk komplementer. Meskipun demikian, jumlah periode transaksi yang terbatas membuat hasil perlu dikonfirmasi menggunakan data transaksi yang lebih rinci dan lebih panjang pada penelitian selanjutnya.]]>
Copyrights © 2026
