Penerapan Algoritma Apriori untuk Analisis Pola Keranjang Belanja pada Data Transaksi Toko Buku
Keywords:
Algoritma Apriori, Data Mining, Association Rule, Pola Keranjang Belanja, CRISP-DMAbstract
Data penjualan di toko buku meningkat setiap harinya, namun biasanya hanya disimpan sebagai arsip, sehingga informasi terkait pola pembelian pelanggan belum dimanfaatkan secara maksimal. Penelitian ini bertujuan untuk menerapkan algoritma Apriori dalam menganalisis pola keranjang belanja berdasarkan dataset transaksi penjualan toko buku yang diperoleh dari platform Kaggle menggunakan algortima Apriori untuk menghasilkan aturan asosiasi yang dapat membantu pengambilan keputusan bisnis. Metode yang digunakan dalam penelitian ini adalah Cross-Industry Standard Process for Data Mining (CRISP-DM) yang terdiri dari langkah-langkah Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang diambil berisi 1.000 transaksi penjualan dengan parameter minimum support sebesar 15% dan minimum confidence sebesar 50%. Temuan penelitian menunjukkan bahwa algoritma Apriori menghasilkan 66 aturan asosiasi yang memenuhi syarat. Aturan dengan lift ratio tertinggi mencapai 1,38, menunjukkan hubungan positif antara pembelian Aksesoris Buku, Alat Tulis, dan Buku Anak-Anak, sedangkan nilai confidence tertinggi mencapai 91,9% pada aturan pembelian Buku Anak-Anak dan Buku Sejarah terhadap Alat Tulis. Semua aturan utama memiliki nilai lift ratio lebih dari satu, menunjukkan adanya hubungan signifikan antar produk. Hasil penelitian menunjukkan bahwa algoritma Apriori efektif dalam mengidentifikasi pola pembelian pelanggan dan dapat dijadikan sebagai dasar untuk merumuskan strategi promosi, penempatan produk, rekomendasi cross-selling, serta manajemen persediaan guna meningkatkan efektivitas penjualan di toko buku.
References
[1] M. Zega and R. Fauzi, "Penerapan Data Mining Pada Transaksi Penjualan Menggunakan Algoritma Apriori Di Alfamart Centre Park," Comput. Sci. Ind. Eng., vol. 9, no. 5, 2023, doi: 10.33884/comasiejournal.v9i5.7783.
[2] A. B. Prasetio, "Interpretable Product Recommendation through Association Rule Mining: An Apriori-Based Analysis on Retail Transaction Data," IJIIS Int. J. Informatics Inf. Syst., vol. 8, no. 2, pp. 67-74, 2025.
[3] A. Wijaya, A. Faqih, D. Solihudin, C. L. Rohmat, and S. Eka Permana, "Penerapan Association Rules Menggunakan Algoritma Apriori Untuk Identifikasi Pola Pembelian," JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3871-3878, 2024, doi: 10.36040/jati.v7i6.8270.
[4] N. D. Sari and S. Khoiriah, "Penerapan Metode Asosiasi Pada Toko Afifa Dengan Algoritma Apriori," Instink Inov. Pendidikan, Teknol. Inf. dan Komput., vol. 1, no. 1, pp. 8-17, 2022, doi: 10.30599/instink.v1i1.1498.
[5] A. B. S. Septianingsih, "Implementasi Association Rule Mining Pada Perpustakaan Menggunakan Algoritma Apriori," J. Econ. Perspect., vol. 2, no. 1, pp. 1-4, 2022, doi: 10.33364/algoritma/v.23-1.3381.
[6] D. Anggraini, H. Harliana, and T. Prabowo, "Implementasi Association Rule Melalui Algoritma Apriori pada Analisis Data Transaksi Penjualan," Ilk. J. Comput. Sci. Appl. Informatics, vol. 5, no. 3, pp. 200-208, 2023, doi: 10.28926/ilkomnika.v5i3.589.
[7] I. F. Rahman and D. Riana, "Market Basket Analysis untuk Penjualan Retail: Perbandingan Akurasi Algoritma Apriori dan FP-Growth Berbasis CRISP-DM," J. Algoritm., vol. 22, no. 1, pp. 468-479, 2025, doi: 10.33364/algoritma/v.22-1.2303.
[8] H. Hartono, K. Hutomo, and M. Mayangsari, "Pengaruh Strategi Pemasaran Terhadap Peningkatan Penjualan Pada Perusahaan' Dengan Menetapkan Alumni Dan Mahasiswa Universitas Bina Nusantara Sebagai Objek Penelitian," Binus Bus. Rev., vol. 3, no. 2, p. 882, 2012, doi: 10.21512/bbr.v3i2.1271.
[9] I. Fitrianti, A. Voutama, and Y. Umaidah, "Clustering Film Populer Pada Aplikasi Netflix Dengan Menggunakan Algoritma K-Means Dan Metode CRISP-DM Clustering Popular Movies on Netflix App Using K-Means Algorithm and CRISP-DM Method," Jtsi, vol. 4, no. 2, pp. 301-311, 2023.
[10] Y. A. Singgalen, "Implementasi Metode CRISP-DM dalam Analisis Model Pendukung Keputusan Simple Additive Weighting dan Pengembangan Basis Data Riwayat Pembelian Layanan Akomodasi Hotel," J. Sist. Komput. dan Inform., vol. 5, no. 2, p. 308, 2023, doi: 10.30865/json.v5i2.7153.
[11] A. Saputra, H. L. Sari, and D. Sartika, "Implementasi Metode Association Rule Mining Pada Penjualan Barang Di Toko Bangunan Ada Mas Menggunakan Algoritma Apriori," J. Multidisiplin Dehasen, vol. 2, no. 4, pp. 709-718, 2023, doi: 10.37676/mude.v2i4.4805.
[12] M. Ali Ridla, Fajriyanto, and Misbahul Marzuqi, "Implementasi Algoritma Apriori untuk Menentukan Pola Transaksi Penjualan Berbasis Web," JTIM J. Teknol. Inf. dan Multimed., vol. 5, no. 3, pp. 196-207, 2023, doi: 10.35746/jtim.v5i3.399.
[13] Andy Hermawan, Bayu Wicaksono, Tigfhar Ahmadjayadi, Bagas Surya Prakasa, and Jasico Dacomoro Aruan, "Implementasi Algoritma Apriori pada Market Basket Analysis terhadap Data Penjualan Produk Supermarket," Algoritm. J. Mat. Ilmu Pengetah. Alam, Kebumian dan Angkasa, vol. 2, no. 5, pp. 95-105, 2024, doi: 10.62383/algoritma.v2i5.137.
[14] A. I. Idris et al., "Comparison of Apriori, Apriori-TID and FP-Growth Algorithms in Market Basket Analysis at Grocery Stores," IJICS (International J. Informatics Comput. Sci., vol. 6, no. 2, p. 107, 2022, doi: 10.30865/ijics.v6i2.4535.
[15] M. U. Albab and D. Hidayatullah, "Penerapan Algoritma Apriori pada Sistem Informasi Inventori Toko," J. Media Inform. Budidarma, vol. 6, no. 3, p. 1321, 2022, doi: 10.30865/mib.v6i3.4160.
[16] Y. A. Alhillah, W. Priatna, and A. Fitriyani, "Implementation of Apriori Algorithm for Determining Spare Parts Product Recommendation Packages," J. Appl. Informatics Comput., vol. 7, no. 2, pp. 212-217, 2023, doi: 10.30871/jaic.v7i2.5589.
[17] N. I. Rosmia, "Pengaruh Price Discount dan Shopping Lifestyle Terhadap Impulse Buying," 2022.
