Association Rules antar Komoditi pada Pusat Perbelanjaan dengan Menggunakan Algoritma Apriori

Abstract

Pada pusat-pusat perbelanjaan saat ini, dapat dipastikan menyimpan semua data penjualan atau transaksi yang terjadi pada media digital dan data tersebut menjadi hal yang sangat krusial. Dengan adanya data penjualan, pembuatan laporan keuangan, stok barang, mencari tahu barang yang paling banyak dibeli akan menjadi sangat mudah dan efisien. Data tersebut juga akan mengalami pertumbuhan yang sangat cepat, seiring dengan banyaknya transaksi yang terjadi. Di samping banyaknya manfaat dari data penjualan, muncul satu pertanyaan yang menarik, apakah ada suatu pola di dalam data tersebut yang sebelumnya tidak diketahui. Data mining adalah ekstraksi informasi yang sebelumnya tidak diketahui, dan informasi yang ditemukan bermanfaat bagi pemilik data. Pada penelitian ini akan dilakukan suatu proses data mining dengan teknik association rules (aturan asosiasi) menggunakan algoritma apriori. Aturan-aturan yang didapat akan disajikan dalam bentuk "if-then" atau "jika-maka", misalnya jika membeli pengharum ruangan maka membeli juga sabun mandi. Karena awalnya berasal dari studi tentang database transaksi pelanggan untuk menentukan kebiasaan suatu produk dibeli bersama produk apa, maka aturan asosiasi juga sering dinamakan market basket analysis. Algoritma apriori menggunakan support dan confidence dalam pencarian aturan. Support adalah berapa banyak transaksi yang mengandung suatu itemset tertentu. Confidence mengukur seberapa besar ketergantungan suatu item dengan item yang lainnya. Confidence digunakan sebagai perangkingan dari aturan asosiasi. Dari hasil pengujian yang dilakukan dengan menggunakan input dari beberapa dataset transaksi yang berbedaditemukan aturan asosiasi antar item atau barang, salah satu di antaranya adalah jika membeli Tissu Tessa,Fanta llt,Attack 500gr,Pepsodent lOOgr maka juga membeli Djarum Super 12 dengan suport sebesar 3 dan confidence sebesar 1. Dari aturan yang ditemukan dapat digunakan pemilik data khususnya pusat perbelanjaan untuk pengambilan keputusan yang menguntungkan. Contohnya peletakan barang-barang, diskon, barang-barang apa saja yang diminati oleh konsumen dengan pekerjaan tertentu dan lain sebagainya.