Penentuan Strategi dan Tata Letak Barang Berdasarkan Data Penjualan Pada Toko Irian Menggunakan Algoritma Apriori
DOI:
https://doi.org/10.30865/json.v6i2.8810Keywords:
Tata Letak Barang, Strategi Penjualan, Algoritma Apriori, Aturan Asosiasi, Pola Pembelian PelangganAbstract
Tata letak barang dan strategi penjualan yang optimal merupakan faktor penting dalam keberhasilan bisnis toko retail. Selama ini, penentuan tata letak barang dan strategi penjualan di Toko Irian dilakukan secara manual berdasarkan pengalaman dan intuisi pemilik toko. Namun, pendekatan tersebut menjadi kurang efektif dan efisien dengan semakin banyaknya produk yang dijual dan kompleksitas data penjualan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Apriori pada data penjualan Toko Irian untuk menemukan aturan asosiasi yang menggambarkan pola pembelian pelanggan. Aturan asosiasi tersebut kemudian digunakan untuk menentukan strategi dan tata letak barang yang optimal di Toko Irian. Dengan memanfaatkan 113 transaksi dengan 15 jenis produk. Nilai minimum support dan confidance telah ditentukan yaitu nilai minimum support sebesar 40% dan nilai minimum confidance sebesar 75%. Penelitian ini diharapkan dapat membantu Toko Irian dalam menentukan tata letak barang yang memudahkan pelanggan menemukan produk yang diinginkan, serta menentukan strategi penjualan yang tepat seperti promosi, penawaran bundling, atau penempatan produk di lokasi strategis. Adapun atururan pertama yaitu Jika membeli CHITATO LITE NORI SEAWEED 68G maka akan membeli BEAR BRAND ORI CAN 169ML” dengan besar confidence 80,65%, aturan kedua “Jika membeli INDOMIE SOTO MEDAN 70KG maka akan membeli BEAR BRAND ORI CAN 169ML” dengan besar confidence sebesar 77,27%. Hal ini dapat meningkatkan penjualan, loyalitas pelanggan, dan memberikan pengalaman berbelanja yang lebih baik bagi pelanggan Toko Irian.
References
W. Sahara, S. D. Saragih, and A. P. Windarto, “Teknik Asosiasi Datamining Dalam Menentukan Pola Penjualan dengan Metode Apriori,” TIN Terap. Inform. Nusant., vol. 2, no. 12, pp. 684–689, 2022, doi: 10.47065/tin.v2i12.1577.
S. Syahriani, “Penerapan Data Mining Untuk Menentukan Pola Penjualan Sepatu Menggunakan Metode Algoritma Apriori,” Bina Insa. Ict J., vol. 9, no. 1, p. 43, 2022, doi: 10.51211/biict.v9i1.1758.
S. Styawati, A. Nurkholis, and K. N. Anjumi, “Analisis Pola Transaksi Pelanggan Menggunakan Algoritme Apriori,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 5, no. 2, pp. 619–626, 2021.
A. S. L. T. T. H. Hafizah, “Data Mining Estimasi Biaya Produksi Ikan Kembung Rebus Dengan Regresi Linier Berganda,” J. Sist. Inf. Triguna Dharma (JURSI TGD), no. Vol 1, No 6 (2022): EDISI NOVEMBER 2022, pp. 888–897, 2022, [Online]. Available: https://ojs.trigunadharma.ac.id/index.php/jsi/article/view/5732/1938
Y. L. Nainel, E. Buulolo, and I. Lubis, “Penerapan Data Mining Untuk Estimasi Penjualan Obat Berdasarkan Pengaruh Brand Image Dengan Algoritma Expectation Maximization (Studi Kasus: PT. Pyridam Farma Tbk),” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 2, p. 214, 2020, doi: 10.30865/jurikom.v7i2.2097.
M. Azhari, Z. Situmorang, and R. Rosnelly, “Perbandingan Akurasi, Recall, dan Presisi Klasifikasi pada Algoritma C4.5, Random Forest, SVM dan Naive Bayes,” J. Media Inform. Budidarma, vol. 5, no. 2, p. 640, 2021, doi: 10.30865/mib.v5i2.2937.
S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, pp. 16–25, 2019, doi: 10.36787/jti.v13i1.78.
H. Maulidiya and A. Jananto, “Asosiasi Data Mining Menggunakan Algoritma Apriori dan FP-Growth sebagai Dasar Pertimbangan Penentuan Paket Sembako,” Proceeding SENDIU 2020, vol. 6, pp. 36–42, 2020.
B. B. Asosiasi, “Prediksi Persediaan Bahan Baku untuk Produksi Percetakan Menggunakan Metode Asosiasi,” Paradigma, vol. 23, no. 1, 2021.
L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes: Systematic Review,” Fakt. Exacta, vol. 13, no. 1, pp. 35–43, 2020.
Z. Munawar, Y. Herdiana, and N. I. Putri, “Sistem Rekomendasi Hibrid Menggunakan Algoritma Apriori Mining Asosiasi,” TEMATIK, vol. 8, no. 1, pp. 84–95, 2021.
I. M. D. P. Asana, I. G. I. Sudipa, A. A. T. W. Mayun, N. P. S. Meinarni, and D. V. Waas, “Aplikasi Data Mining Asosiasi Barang Menggunakan Algoritma Apriori-TID,” INFORMAL Informatics J., vol. 7, no. 1, pp. 38–45, 2022.
H. Maulidiya and A. Jananto, “Asosiasi Data Mining Menggunakan Algoritma Apriori Dan Fpgrowth Sebagai Dasar Pertimbangan Penentuan Paket Sembako,” 2020.
N. Barkah, E. Sutinah, and N. Agustina, “Metode Asosiasi Data Mining Untuk Analisa Persediaan Fiber Optik Menggunakan Algoritma Apriori,” J. Kaji. Ilm., vol. 20, no. 3, 2020.
R. Takdirillah, “Penerapan Data Mining Menggunakan Algoritma Apriori Terhadap Data Transaksi Sebagai Pendukung Informasi Strategi Penjualan,” Edumatic J. Pendidik. Inform., vol. 4, no. 1, pp. 37–46, 2020, doi: 10.29408/edumatic.v4i1.2081.
Z. Abidin, A. K. Amartya, and A. Nurdin, “PENERAPAN ALGORITMA APRIORI PADA PENJUALAN SUKU CADANG KENDARAAN RODA DUA (Studi Kasus: Toko Prima Motor Sidomulyo),” J. Teknoinfo, vol. 16, no. 2, p. 225, 2022, doi: 10.33365/jti.v16i2.1459.
S. Nurajizah, “Analisa Transaksi Penjualan Obat menggunakan Algoritma Apriori,” INOVTEK Polbeng - Seri Inform., vol. 4, no. 1, p. 35, 2019, doi: 10.35314/isi.v4i1.938.
I. Musdalifah and A. Jananto, “Analisis Perbandingan Algoritma Apriori Dan FP-Growth Dalam Pembentukan Pola Asosiasi Keranjang Belanja Pelanggan,” Progresif J. Ilm. Komput., vol. 18, no. 2, pp. 175–184, 2022.
A. Novianti and E. Elisa, “Penentuan Aturan Asosiasi Pola Pembelian Pada Minimarket Dengan Algoritma Apriori,” Build. Informatics, Technol. Sci., vol. 2, no. 1, pp. 64–70, 2020.
P. H. Simbolon, “Implementasi Data Mining Pada Sistem Persediaan Barang Menggunakan Algoritma Apriori (Studi Kasus: Srikandi Cash Credit Elektronic dan Furniture),” JURIKOM (Jurnal Ris. Komputer), vol. 6, no. 4, pp. 401–406, 2019.
