Penerapan Algoritma Apriori untuk Mencari Pola Transaksi Penjualan Berbasis Web pada Cafe Sakuyan Side
DOI:
https://doi.org/10.24002/konstelasi.v3i1.7005Keywords:
pola penjualan, data mining , apriori, lift ratioAbstract
Abstrak. Dalam menjalankan usaha bisnis kafe diperlukan suatu strategi penjualan agar dapat menarik pelanggan. Strategi penjualan yang dapat dilakukan antara lain membuat paket menu dan cross-selling (menawarkan produk tambahan atau pelengkap kepada pelanggan). Sakuyan Side merupakan salah satu kafe yang ada di Kota Palangka Raya, Kalimantan Tengah memiliki data transaksi penjualan yang cukup banyak setiap harinya, namun sayangnya hanya dimanfaatkan sebagai laporan keuangan. Padahal dengan menggunakan data mining algoritma apriori, data transaksi penjualan tersebut dapat dianalisis dan diolah untuk mendapatkan suatu pola penjualan berdasarkan menu transaksi penjualan. Dari hasil pola penjualan ini dapat digunakan sebagai bahan pertimbangan dalam menyusun strategi penjualan yakni rekomendasi pembuatan paket menu dan rekomendasi penawaran produk tambahan atau biasa disebut sebagai cross-selling. Hasil pengujian aturan asosiasi menggunakan lift ratio pada bulan Maret sampai September 2022 dengan minimum support 2% dan minimum confidence 5% berdasarkan menu transaksi didapatkan sebanyak 158 aturan asosiasi yang valid (kuat). Dari hasil aturan asosiasi yang valid (kuat) tersebut dapat digunakan pihak manajemen kafe sebagai bahan pertimbangan dalam menyusun strategi penjualan.
Abstract. In running a cafe business, a sales strategy is needed in order to attract customers. Sales strategies that can be carried out include making menu packages and cross-selling (offering additional or complementary products to customers). Sakuyan Side is one of the cafes in Palangka Raya City, Central Kalimantan, which has quite a lot of sales transaction data every day, but unfortunately, it is only used as a financial report. In fact, by using the Apriori data mining algorithm, the sales transaction data can be analyzed and processed to obtain a sales pattern based on the sales transaction menu. From the results of this sales pattern, it can be used as material for consideration in developing a sales strategy, namely recommendations for making menu packages and recommendations for additional product offerings or commonly referred to as cross-selling. The results of testing the association rules using a lift ratio from March to September 2022 with a minimum support of 2% and a minimum confidence of 5% were 158 valid (strong) association rules. From the results of valid (strong) association rules, the cafe management can use it as a consideration in developing a sales strategy.
References
Mayla Surveyandini, Cross Selling & Cross Buying. 2016.
M. Rajagukguk, R. Dewi, E. Irawan, J. T. Hardinata, and I. S. Damanik, “Implementasi Association Rule Mining Untuk Menentukan Pola Kombinasi Makanan Dengan Algoritma Apriori,” J. Fasilkom, vol. 10, no. 3, pp. 248–254, 2020, doi: 10.37859/jf.v10i3.2308.
R. Rismanto, L. Darmawan, and A. Prasetyo, “Penerapan Algoritma Apriori Dalam Menentukan Pola Pembelian Konsumen Di Kafe Hidden Toast and Float,” J. Teknol. Inf. dan Terap., vol. 4, no. 2, pp. 83–88, 2019, doi: 10.25047/jtit.v4i2.64.
M. Syahru Romadhon and A. Kodar, “Implementasi Metode Market Basket Analysis (Mba) Menggunakan Algoritma Apriori Dalam Transaksi Penjualan (Studi Kasus: Kafe Ruang Temu),” J. SAINTEKOM, vol. 10, no. 2, p. 138, 2020, doi: 10.33020/saintekom.v10i2.137.
Amelina, M. Bettiza, and D. A. Purnamasari, “Implementasi Algoritma Apriori untuk Menemukan Aturan Asosiasi Dalam Transaksi Penjualan di Kafe,” 2020.
Boby, Solikhun, and Zulia Almaida Siregar, “Analisis Pola Penjualan Produk Makanan dan Minuman Menggunakan Algoritma Apriori,” J. Informatics Manag. Inf. Technol., vol. 2, no. 2, pp. 65–72, 2022, doi: 10.47065/jimat.v2i2.161.
K. Tampubolon, H. Saragih, B. Reza, K. Epicentrum, A. Asosiasi, and A. Apriori, “Implementasi Data Mining Algoritma Apriori Pada Sistem Persediaan Alat-Alat Kesehatan,” pp. 93–106, 2013.
D. Jollyta, W. Ramdhan, and M. Zarlis, Konsep Data Mining dan Penerapan. Yogyakarta: Deepublish, 2020.
M. Fauzy, K. R. Saleh W, and I. Asror, “Penerapan Metode Association Rule Menggunakan Algoritma Apriori Pada Simulasi Prediksi Hujan Wilayah Kota Bandung,” J. Ilm. Teknol. Infomasi Terap., vol. 2, no. 3, 2016, doi: 10.33197/jitter.vol2.iss3.2016.111.
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, [Online]. Available: http://tunasbangsa.ac.id/ejurnal/index.php/jsakti/article/view/362.
S. Al Syahdan and A. Sindar, “Data Mining Penjualan Produk Dengan Metode Apriori Pada Indomaret Galang Kota,” J. Nas. Komputasi dan Teknol. Inf., vol. 1, no. 2, 2018, doi: 10.32672/jnkti.v1i2.771.
M. Fauzy, K. R. S. W, and I. Asror, “Penerapan Metode Association Rule Menggunakan Algoritma Apriori Pada Simulasi Prediksi Hujan Wilayah Kota Bandung,” J. Ilm. Teknol. Infomasi Terap., vol. 2, no. 3, 2016, doi: 10.33197/jitter.vol2.iss3.2016.111.
D. Maulana and M. Kiptiyah, “Analisa Pembelian Konsumen Dengan Menggunakan Algoritma Apriori Pada Galeri Elzatta Cikarang,” J. Teknol. Pelita Bangsa, vol. 10, pp. 18–26, 2019.
A. Salam, J. Zeniarja, W. Wicaksono, and L. Kharisma, “Pencarian Pola Asosiasi Untuk Penataan Barang Dengan Menggunakan Perbandingan Algoritma Apriori Dan Fp-Growth (Study Kasus Distro Epo Store Pemalang),” Dinamik, vol. 23, no. 2, pp. 57–65, 2019, doi: 10.35315/dinamik.v23i2.7178.
V. N. Latifah, M. T. Furqon, and N. Santoso, “Implementasi Algoritme Modified-Apriori Untuk Menentukan Pola Penjualan Sebagai Strategi Penempatan Barang Dan Promo,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 10, pp. 2829–2834, 2018.
