Analisa pola pembelian pelanggan menggunakan algoritma apriori dan teori himpunan lunak

Abstract

Transaksi industri ritel seperti minimarket atau supermarket tergolong ke dalam suatu data yang besar dan dapat diolah menjadi informasi yang bermanfaat untuk meningkatkan penjualan. Dengan menganalisa data transaksi tersebut, pola kegiatan belanja pelanggan dapat diketahui. Pola yang akan dicari adalah kombinasi pembelian produk yang sering dibeli oleh kebanyakan pelanggan. Dengan mengetahui hal tersebut, pemilik bisnis dapat merancang suatu strategi penjualan, seperti paket penawaran untuk memudahkan pelanggan dalam membeli produk. Pola kegiatan belanja dapat digolongkan ke dalam suatu aturan asosiasi yang dibagi menjadi dua jenis, yaitu aturan asosiasi biasa dan aturan asosiasi maksimal. Karena data transaksi tergolong besar, aturan asosiasi tidak dapat dilakukan secara manual. Oleh karena itu, algoritma apriori digunakan dan diterapkan dengan program komputer. Untuk memudahkan pemrograman, data transaksi perlu diubah terlebih dahulu ke dalam data Boolean. Salah satu transformasi data tersebut adalah teori himpunan lunak. Pada skripsi ini terdapat dua jenis data yang akan diolah, yaitu data sintetis dan data transaksi suatu toko aksesoris online. Hasil untuk masing-masing data dengan menggunakan aturan asosiasi biasa dan maksimal, dapat disimpulkan bahwa aturan asosiasi biasa menunjukkan tingkat pembelian produk yang lebih tinggi dibandingkan aturan asosiasi maksimal. Sedangkan aturan asosiasi maksimal menghasilkan pola pembelian produk yang lebih bervariasi dibandingkan aturan asosiasi biasa.