Analisis Keranjang Belanja

ANALISIS KERANJANG BELANJA PADA DATA
TRANSAKSI PENJUALAN
(STUDI KASUS TOSERBA YOGYA BANJAR)
SKRIPSI
Oleh
TRI LESTARI
H24052006
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
2009
ii
ANALISIS KERANJANG BELANJA PADA DATA

TRANSAKSI PENJUALAN
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
pada Departemen Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh
TRI LESTARI
H24052006
2009
ABSTRAK
Tri Lestari H24052006. Analisis Keranjang Belanja Pada Data Transaksi
Penjualan (Studi Kasus Toserba Yogya Banjar). Di bawah bimbingan
Muhammad Syamsun.
Dunia bisnis ritel mengalami pertumbuhan yang sangat pesat, hal ini
ditandai dengan meningkatnya jumlah ritel. Umumnya setiap ritel menggunakan
sistem komputerisasi dalam penyimpanan data penjualan dan pembelian yang
menghasilkan data transaksi. Data transaksi tesebut dapat digunakan sebagai
sumber informasi penting dalam mempertahankan keberadaan usaha tersebut.
Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis ritel ini
adalah dengan meningkatkan dan mempertahankan tingkat pertumbuhan
penjualannya.
Penelitian ini bertujuan (1) mempelajari sebuah aplikasi analisis keranjang
belanja (market basket analysis) yang berkaitan dengan data transaksi penjualan
yang menggunakan teknik assosiatif, (2) mengidentifikasi beberapa tipe dari
kaidah asosiasi (association rules) yang berkaitan dengan data transaksi penjualan
yaitu nilai-nilai support dan confidence, (3) mengetahui implikasi manajerial dari
analisis keranjang belanja (market basket analysis). Penelitian ini dilaksanakan di
Toserba Yogya Banjar, data yang digunakan adalah data sekunder yang
bersumber dari dokumen perusahaan berupa data transaksi. Penelitian diolah
dengan menggunakan software Microsoft Office Excel 2007 dan software Minitab
14. Data dianalisis dengan menggunakan algoritma apriori yang menghasilkan
aturan asosiasi, dengan pola if-then.
Aplikasi Analisis Keranjang Belanja tidak hanya digunakan untuk
menentukan kecenderungan pelanggan dalam membeli barang-barang secara
bersamaan, dapat melihat kapan suatu barang dibeli pada jumlah yang paling
besar. Tipe kaidah asosiasi yang dihasilkan adalah jeruk lebih banyak dibeli pada
waktu pembelian antara jam 17:14-21:20 WIB, mie lebih banyak dibeli pada
waktu pembelian antara jam 17:14-21:20 WIB, pembelian item apabila tidak
promosi maka tidak diskon, dan apabila terjadi pembelian pada buah, mie maka
akan di beli minyak goreng. Implikasi manajerial, Toserba YOGYA lebih
memperhatikan persediaan untuk item yang dipengaruhi oleh waktu.
iv

ANALISIS KERANJANG BELANJA PADA DATA TRANSAKSI

PENJUALAN
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
pada Departemen Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh
TRI LESTARI
H24052006
Menyetujui, Mei 2009
Dr. Ir. Muhammad Syamsun M.Sc

Dosen Pembimbing
Mengetahui,
Dr. Ir. Jono M. Munandar, M.Sc

Ketua Departemen
Tanggal lulus :
RIWAYAT HIDUP
Penulis dilahirkan di Ciamis pada tanggal 16 Oktober 1986, penulis

merupakan anak ketiga dari empat bersaudara pasangan Sugiono dan Tintin
Rumtinah. Penulis menyelesaikan pendidikan TK YWKA Banjar pada tahun
1993, lalu melanjukan pendidikan Sekolah Dasar Banjar XIII. Pada Tahun 1999,
penulis melanjutkan pendidikan di Sekolah Lanjutan Tingkat Pertama Negeri I
Pataruman dan Sekolah Menengah Umum Negeri I Banjar dengan program IPA
pada Tahun 2002. Pada tahun 2005, penulis diterima di Institut Pertanian Bogor
melalui jalur Undangan Seleksi Masuk IPB (USMI) di Tingkat Persiapan Bersama
(TPB) dan diterima di Departemen Manajemen, Fakultas Ekonomi dan
Manajemen pada tahun 2006.
Selama menjalani perkuliahan, penulis berpartisipasi aktif dalam organisasi
kemahasiswaan, yaitu himpunan profesi Departemen Manajemen, Fakultas
Ekonomi dan Manajemen, Institut Pertanian Bogor yang bernama Center Of
Management (COM@). Pada tahun periode 2006-2007 dan 2007-2008 penulis
menjabat sebagai staff Produksi Operasi Bisnis. Penulis juga aktif pada kegiatan
di lingkungan kampus seperti kepanitiaan, kegiatan olah raga seperti sportakuler
dan OMI, seminar-seminar, pelatihan, panitia Masa Perkenalan Departemen.
iv
KATA PENGANTAR
Alhamdulillah, segala puji dan syukur penulis panjatkan kekhadirat Allah

SWT yang telah melimpahkan rahmat, hidayah, dan karunia-Nya kepada penulis,
sehingga dapat menyelesaikan skripsi ini dengan baik. Skripsi ini disusun sebagai
syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen,
Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Skripsi ini mengambil judul Analisis Keranjang Belanja Pada Data
Transaksi Penjualan (Studi Kasus Toserba YOGYA Banjar) Usulan penelitian ini
merupakan salah satu syarat untuk memperoleh gelar sarjana pada Fakultas
Ekonomi dan Manajemen, Institut Pertanian Bogor.
Penyusunan skripsi ini, penulis banyak dibantu oleh berbagai pihak baik
secara moril maupun materiil. Oleh karena itu, penulis mengucapkan terima kasih
yang sebesar-besarnya kepada:
1. Dr. Ir. Muhammad Syamsun, M.Sc. sebagai dosen pembimbing yang telah
banyak meluangkan waktunya untuk memberikan bimbingan, saran, motivasi
dan pengarahan kepada penulis.
2. Dra. Siti Rahmawati, M.Pd dan Deddy Cahyadi, S.TP, MM atas kesediaannya
untuk meluangkan waktu menjadi dosen penguji.
3. Bapak Budi (store manager), Teh Linda, Pa Felix dan pihak Toserba YOGYA
Banjar yang telah memberikan kesempatan bagi penulis untuk melaksanakan
penelitian serta memberikan masukan dan informasi demi terselesaikannya
skripsi ini.
4. Seluruh Dosen Departemen Manajemen yang telah memberikan ilmu dan
pengetahuan yang berguna bagi penulis, Kepala Tata Usaha Fakultas Ekonomi
dan Manajemen dan staf atas bantuan selama penulis menyelesaikan
perkuliahan.
5. Kedua orang tua, saudara (Teh Rani, Mas Eko, Teh Novi, A Andri dan
Yayang), keponakanku (Agung dan Iki) dan seluruh keluarga besar yang
senantiasa memberikan doa yang tulus, semangat dan kasih sayang kepada
penulis.
6. Irsam Ardiantoro atas ketulusan, kesabaran, kasih sayang, semangat, dan

bantuannya dalam penyelesaian skripsi ini.
7. Heni, Ica, Nain, Rini, Dila, Lina atas indahnya persahabatan dan semangat
yang telah diberikan selama ini.
8. Rara, Pei, Dewi, Anggi, Levi, Faris, Riri, Ira, yang telah memberikan
indahnya persahabatan, keceriaan, dan kebersamaan selama ini serta kasih
sayang, motivasi dan masukan yang telah diberikan kepada penulis.
9. Sahabat-sahabat terbaik Manajemen Angkatan 42 yang selalu bersama-sama
membuat kenangan dan persahabatan yang indah serta ilmu kehidupan yang
diberikan.
10. Rekan-rekan satu bimbingan: Levi, Mita, Jidor, Nceq, Indri, Agung dan Riri,
untuk kerjasama dan motivasi selama proses bimbingan dan penyusunan
skripsi.
11. Lulud, Fitra, Bagus, Maya, dan Yeyen untuk motivasi dan masukan yang telah
diberikan kepada penulis.
12. Semua pihak yang telah membantu dalam penulisan skripsi ini. Semoga Allah
SWT senantiasa memberikan pahala atas kebaikannya.
Tidak ada kesempurnaan pada manusia. Penulis menyadari bahwa masih
terdapat kekurangan dalam penyusunan skripsi ini. Oleh karena itu, kritik dan
saran konstruktif sangat diperlukan untuk kemajuan yang lebih baik. Akhirnya,
penulis berharap semoga skripsi ini bermanfaat bagi kemaslahatan umat dan
bernilai ibadah dalam pandangan ALLAH SWT. Amin.
Bogor, Mei 2009
Penulis
vi
DAFTAR ISI
Halaman
ABSTRAK
RIWAYAT HIDUP ....................................................................................
iv
KATA PENGANTAR ................................................................................
DAFTAR ISI ..............................................................................................
vii
DAFTAR TABEL ......................................................................................
ix
DAFTAR GAMBAR ..................................................................................
DAFTAR LAMPIRAN ..............................................................................
xi
I. PENDAHULUAN .................................................................................
1.1. Latar Belakang .............................................................................
1.2. Perumusan Masalah ......................................................................
1.3. Tujuan Penelitian ..........................................................................
1.4. Manfaat Penelitian ........................................................................
1.5. Ruang Lingkup .............................................................................
1
1
4
4
5
5
II. TINJAUAN PUSTAKA ......................................................................

2.1. Manajemen Pemasaran .................................................................
2.2. Bauran Pemasaran .........................................................................
2.3. Pengertian Penjualan .....................................................................
2.4. Struktur Dasar Bisnis Ritel .............................................................
2.4.1. Pengertian dan Jenis-jenis Pengecer ....................................
2.4.2. Peritel yang Berhasil ...........................................................
2.4.3. Perilaku Konsumen dalam Retailing ...................................
2.4.4. Toserba ...............................................................................
2.4.5. Transaksi Penjualan ............................................................
2.5. Data Mining ..................................................................................
2.6. Proses Penggalian Data dan Penemuan Pengetahuan .....................
2.7. Teknik-teknik Penggalian Data .....................................................
2.8. Analisis Keranjang Belanja ............................................................
2.9. Penelitian Terdahulu ......................................................................
6
6
7
8
8
9
13
14
15
15
16
19
20
22
25
III. METODE PENELITIAN ...................................................................

3.1. Kerangka Pemikiran Penelitian ......................................................
3.2. Metode Penelitian .........................................................................
3.2.1. Lokasi dan Waktu Penelitian ................................................
3.2.2. Jenis dan Sumber Data .........................................................
3.2.3. Metode Pengolahan dan Analisis Data .................................
3.2.4. Algoritma Apriori ................................................................
26
26
27
27
27
28
29
IV. HASIL DAN PEMBAHASAN ...........................................................

4.1. Gambaran Umum Perusahaan .......................................................
4.1.1. Sejarah Toserba YOGYA ....................................................
30
30
30
vii
4.1.2. Sejarah Toserba YOGYA Cabang Banjar ............................

4.1.3. Visi dan Misi Perusahaan .....................................................
4.1.4. Kategori Produk ...................................................................
Segmentation, Targeting, Positioning Toserba YOGYA ..............
Aplikasi Analisis Keranjang Belanja .............................................
Kaidah Asosiasi antara Item-item Penjualan ..................................
Implikasi Manajerial .....................................................................
32
33
34
34
35
36
49
KESIMPULAN DAN SARAN ...................................................................

1. Kesimpulan ...........................................................................................
2. Saran ....................................................................................................
50
50
51
DAFTAR PUSTAKA .................................................................................
52
LAMPIRAN ...............................................................................................
53
4.3.
4.4.
4.5.
4.6.
viii
DAFTAR TABEL
No.
1.
2.
3.
4.
Halaman
Jumlah Toko Ritel di Indonesia .................................................................. 2

Bidang Aplikasi Penggalian Data ............................................................... 18
Support count untuk kandidat 1 itemset ...................................................... 36
Support count untuk kandidat 2 itemset
produk (mie, jeruk), waktu pembelian ....................................................... 37
5. Support count untuk kandidat 3 itemset T1 ................................................ 38
8. Nilai support dan confidence dari kaidah asosiasi ....................................... 39
9. Support count untuk kandidat 1 itemset ...................................................... 40
10. Support count dan support untuk 2itemset yaitu promosi dan diskon .......... 41
11. Support count dan support untuk 2itemset yaitu diskon dan waktu
pembelian .................................................................................................. 41
12. Support count dan support untuk 2itemset yaitu promosi dan waktu
pembelian .................................................................................................. 42
13. Support count dan support untuk 3itemset promosi, waktu pembelian dan
tidak diskon ................................................................................................ 42
14. Support count dan support untuk 3itemset promosi, waktu pembelian dan
diskon ........................................................................................................ 43
15. Nilai support dan confidence dari kaidah asosiasi ....................................... 43
16. Support count dan support untuk 1itemset yaitu waktu pembelian dan
5 produk ..................................................................................................... 44
17. Support count dan support untuk 2 itemset (A, B, C, D, E, F) ....................... 45
ix
DAFTAR GAMBAR
No.
1.
2.
Halaman
Struktur Data dari Market Basket Data ....................................................... 24
Kerangka Pemikiran ................................................................................... 27
DAFTAR LAMPIRAN
No.
1.
2.
3.
Halaman
Struktur Organisasi Toserba YOGYA Banjar ............................................. 53
Contoh Data Transaksi ............................................................................... 54
Hasil Pengolahan Data ............................................................................... 56
I. PENDAHULUAN
1.1. Latar Belakang

Seiring dengan perkembangan teknologi, semakin berkembang pula
kemampuan kita dalam mengumpulkan dan mengolah data. Penggunaan
Sistem komputerisasi dalam berbagai bidang baik itu dalam transaksitransaksi bisnis, maupun untuk kalangan pemerintah dan sosial, telah
menghasilkan data yang berukuran sangat besar. Data-data yang terkumpul
ini merupakan suatu tambang emas yang dapat digunakan sebagai informasi
dalam dunia bisnis.
Aplikasi basis data telah banyak diterapkan dalam berbagai bidang,
antara lain bidang manajemen, manajemen data untuk industri, ilmu
pengetahuan, administrasi pemerintah dan bidang-bidang lainnya. Akibatnya
data yang dihasilkan oleh bidang-bidang tersebut sangatlah besar dan
berkembang sangat cepat. Hal ini menyebabkan timbulnya kebutuhan
terhadap teknik-teknik yang dapat melakukan pengolahan data sehingga dari
data-data yang ada dapat diperoleh informasi penting yang dapat digunakan
untuk perkembangan pada masing-masing bidang.
Perkembangan dunia bisnis ritel kembali diserbu konsumen yang
ditandai dengan semakin banyaknya supermarket yang didirikan. Hampir
semua supermarket menggunakan sistem komputerisasi dalam penyimpanan
data penjualan dan pembelian, sehingga akan dihasilkan banyak data
transaksi. Data transaksi tersebut dapat digunakan sebagai sumber informasi
penting dalam mempertahankan keberadaan usaha tersebut.
Catatan
statistik
menunjukan
sepanjang
1999
hanya
sektor
konsumsilah yang mencatat angka pertumbuhan positif jika mengacu pada

PDB atau produk domestik bruto (menurut output) konsumsi rumah tangga
mencatat pertumbuhan 3,68% sementara pemerintah mencatat pertumbuhan
0,69% hingga semester kedua tahun 2000 pertumbuhan konsumsi masih terus
berlangsung mencapai 2,58% (Warta Ekonomi, 2000 : 12-13). Hal itu
menunjukan bahwa keinginan membeli pada konsumen cukup besar,
sehingga akan menguntungkan bagi pihak supermarket.
Total penjualan (hypermarket, supermarket, dan minimarket) selama

tahun 2002-2006, rata-rata tumbuh 19,75% per tahun. Tahun 2007, geraigerai hypermarket dan minimarket diprediksi tumbuh 25%. Hypermarket dan
Carrefour masing-masing bakal menambah 10 outlet, sedangkan Alfamart
dan Indomart masing-masing 400 toko, sementara itu, supermarket juga
masih bertumbuh, meskipun hanya single digit (Marketing 2007: 29-30).
Perkembangan industri ritel di Indonesia dapat ditunjukkan dari jumlah toko
ritel yang cenderung mengalami peningkatan dari setiap jenis ritel yang ada di
Indonesia selama tahun 2004-2006. Jumlah toko ritel di Indonesia selama
tahun 2004-2006 dapat dilihat dalam Tabel 1.
Tabel 1. Jumlah Toko Ritel di Indonesia
2006
2005
2004
1,846,752
1,787,897
1,745,589
Convenience Stores
120
115
154
Total Hypermarkets
105
83
68
26
24
22
Total Minimarkets
7,356
6,465
5,604
Total Supermarkets
1,311
1,152
956
1,855,670
1,795,736
1,752,393
Traditional Grocery Stores
Total Warehouse Clubs
Total Universe
Sumber : AC Nielsen dalam Marketing, 2007

Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis
ritel ini adalah dengan meningkatkan dan mempertahankan tingkat
pertumbuhan penjualannya. Pendekatan yang dapat dilakukan dalam rangka
meningkatkan volume penjualan tersebut adalah dengan memahami dan
mengetahui pola perilaku belanja konsumen. Pengetahuan tentang pola
perilaku belanja tersebut kemudian dapat dimanfaatkan untuk menyusun tata
letak rak toko sedemikian rupa sehingga memberikan kemudahan bagi
konsumen
dalam
melakukan
pembelian,
dan
dapat
meningkatkan
kemungkinan munculnya keinginan membeli (impulse buying).

Pada sebuah supermarket dapat digali berbagai macam informasi dari
data transaksi pembelian produk-produk. Asosiasi antara jenis-jenis produk
yang dibeli konsumen, kemasan (packing) produk yang disukai konsumen,
dan kapan produk tertentu banyak dibeli, merupakan informasi yang dapat
digunakan pihak supermarket dalam mengatur peletakan produk di etalase
dan rak barang, sehingga dapat membantu pelayan supermarket dan
konsumen dalam mencari dan mengingat kembali bila lupa. Pihak
supermarket dapat menentukan kapan perlu mendatangkan lebih banyak jenis
produk tertentu pada waktu-waktu tertentu. Keputusan-keputusan ini pada
akhirnya dapat membantu supermarket untuk lebih mengoptimalkan kinerja.
Salah satu metode yang dapat digunakan untuk menganalisis pola
perilaku belanja konsumen adalah analisis keranjang belanja (market basket
analysis). Analisis ini merupakan salah satu metode dalam penambangan data
(data mining) yang bertujuan untuk menemukan produk-produk yang sering
dibeli bersamaan dari data transaksi. Tujuan analisis ini pada transaksi
penjualan adalah untuk merancang strategi penjualan atau pemasaran yang
efektif dengan memanfaatkan data transaksi penjualan yang telah tersedia di
supermarket. Penggunaan teknik data mining, orang tidak perlu melakukan
analisis secara manual, melainkan dapat menggunakan analisis keranjang
belanja.
Kota Banjar adalah salah satu kota yang ada di Provinsi Jawa Barat
yang berbatasan dengan Provinsi Jawa Tengah yaitu Kabupaten Cilacap dan
menjadi pintu utama jalur lintas selatan Jawa Barat, untuk membedakan
dengan Banjarnegara yang berada di Jawa Tengah, kota ini biasa disebut
Banjar Patoman (dari nama asal Banjar Pataruman). Kota ini diresmikan oleh
Menteri Dalam Negeri pada tanggal 21 Februari 2002 dan memiliki luas
wilayah 13.197,23 Ha serta terbagi dalam 4 kecamatan.
Toserba YOGYA Banjar merupakan cabang Yogya Departement
Store yang ke 43. Terletak di Jalan Letnan Jendral Suwarto No. 36 di
Kompleks Pertokoan di pusat kota Banjar. YOGYA Group ini merupakan
perusahaan ritel dengan format supermarket dan department store.
Perusahaan ini selalu berusaha mewujudkan kepuasan bagi konsumen dengan
menyediakan produk yang berkualitas, layanan yang unggul, dan akrab
bersahabat, serta dalam suasana belanja yang menyenangkan, namun karena
terjadi persaingan dengan perusahaan lainnya maka diperlukan strategi-
strategi untuk mempertahankan perusahaanya. Sehubungan dengan itu

perusahaan
harus
mengerti
konsumennya untuk
apa
yang
sebenarnya
diinginkan
memberikan kenyamanan dalam
oleh
berbelanja di
supermarket, hal ini menjadi menarik untuk diteliti dengan melihat beberapa
hubungan yang terjadi antara produk, waktu pembelian, diskon, dan promosi.
1.2. Perumusan Masalah
Adapun masalah yang akan dibahas dalam penelitian ini adalah
sebagai berikut :
1. Bagaimana mengembangkan sebuah aplikasi analisis keranjang belanja
(market basket analysis) yang berkaitan dengan data transaksi penjualan
yang menggunakan teknik assosiatif ?
2. Bagaimana output yang akan dihasilkan dari kaidah asosiasi (association
rules) yang berkaitan dengan data data penjualan yaitu nilai-nilai support
dan confidence ?
3. Bagaimana implikasi manajerial dari analisis keranjang belanja (market
basket analysis) ?
1.3. Tujuan
Berdasarkan perumusan masalah yang telah dibahas sebelumnya,
maka tujuan dari penelitian ini adalah sebagai berikut :
1. Mempelajari sebuah aplikasi analisis keranjang belanja (market basket
analysis)
yang
berkaitan dengan data transaksi penjualan yang
menggunakan teknik assosiatif di Toserba Yogya Banjar.

2. Mengidentifikasi beberapa tipe dari kaidah asosiasi (association rules)
yang berkaitan dengan data transaksi penjualan yaitu nilai-nilai support
dan confidence.
3. Memberikan implikasi manajerial dari analisis keranjang belanja (market
basket analysis).
1.4. Manfaat
Manfaat yang dapat diambil dari penelitian ini adalah sebagai berikut :
1. Bagi
pemilik
lembaga
swalayan
membantu
dalam
menganalisis
kecenderungan atau pola konsumsi yang dimiliki oleh pelanggan masingmasing, menentukan kapan perlu mendatangkan lebih banyak jenis produk
tertentu pada waktu-waktu tertentu, dan memberikan Informasi yang dapat
digunakan dalam menentukan tata letak rak toko yang baru, menetapkan
produk-produk mana yang akan diletakan dalam tempat yang khusus, serta
dapat
digunakan
untuk
mengidentifikasi
ketika
persoalannya
berpasangan/kupon (issue coupons).

2. Bagi penulis, diharapkan dapat menambah wawasan penulis dalam rangka
menerapkan
ilmu-ilmu
manajemen
khususnya
mengenai
Analisis
Keranjang Belanja.
3. Bagi peneliti selanjutnya, penelitian ini diharapkan dapat memberikan
informasi, ilmu dan bahan pembanding, untuk penelitian selanjutnya.
1.5. Ruang Lingkup
Kegiatan penelitian ini dibatasi pada asosiasi antara jenis-jenis produk
yang dibeli konsumen dengan menggunakan analisis keranjang belanja,
sehingga dapat menentukan pola berupa produk-produk yang sering dibeli
bersamaan atau cenderung muncul bersamaan dalam sebuah transaksi yang
pada umumnya berukuran sangat besar, item dibatasi yaitu produk (mie,
jeruk, telur, buah, susu, minyak goreng), waktu pembelian, diskon, dan
promosi.
II. TINJAUAN PUSTAKA
2.1. Manajemen Pemasaran

Menurut Kotler (2005), manajemen pemasaran sebagai seni dan ilmu
untuk memilih pasar sasaran serta mendapatkan, mempertahankan, dan
menambah jumlah pelanggan melalui penciptaan, penyampaian, dan
pengkomunikasian nilai pelanggan yang unggul. Pemasaran adalah proses
sosial yang dengan proses itu individu dan kelompok mendapatkan apa yang
mereka butuhkan dan inginkan dengan menciptakan, menawarkan, dan secara
bebas mempertukarkan produk dan jasa yang bernilai dengan pihak lain.
Pemasar adalah seorang yang mencari tanggapan (perhatian, pembelian,
pemberian suara, sumbangan) dari pihak lain yang disebut calon pelanggan.
Tugas pemasar adalah menyusun program atau rencana pemasaran untuk
mencapai tujuan yang diinginkan perusahaan.
Strategi pemasaran adalah rencana yang menyeluruh, terpadu, dan
menyatu di bidang pemasaran, yang memberikan panduan tentang kegiatan
yang akan dijalankan untuk dapat tercapainya tujuan pemasaran suatu
perusahaan (Assauri, 2004). Strategi pemasaran yang paling utama adalah
segmentation, targeting, dan positioning (Kotler, 2005).
1. Segmentasi
Strategi segmentasi merupakan bagian yang paling penting dalam
menentukan kesuksesan suatu perusahaan. Segmentasi adalah proses
membagi pasar yang bersifat heterogen ke dalam beberapa segmen
sehingga masing-masing segmen cenderung bersifat homogen dalam
segala aspek. Variabel segmentasi utama yang digunakan untuk pasar
konsumen adalah geografi, demografi, psikografi, perilaku dan individual.
2. Targeting
Menurut Kotler (2005), penentuan pasar sasaran atau targeting penting
untuk dilakukan setelah perusahaan menetapkan segmen pasar yang
memiliki peluang paling besar. Perusahaan-perusahaan akan berhasil
secara gemilang apabila mereka cermat dalam memilih pasar sasaran dan
mempersiapkan program pemasaran yang dirancang khusus untuk masing-
masing pasar tersebut. Targeting merupakan pemilihan satu atau lebih

segmen yang dianggap paling potensial dan menguntungkan, sekaligus
mengembangkan produk dan program pemasaran untuk segmen-segmen
yang dipilih. Perusahaan perlu mengevaluasi sebelum melakukan
pemilihan segmen pasar yang berbeda, dengan memperhatikan daya tarik
segmen secara keseluruhan serta tujuan dan sumberdaya perusahaan.
Perusahaan dapat mempertimbangkan lima pola pemilihan pasar sasaran
yaitu (1) konsentrasi segmen tunggal, (2) spesialisasi selektif, (3)
spesialisasi produk, (4) spesialisasi pasar, dan (5) cakupan ke seluruh
pasar.
3. Positioning
Positioning adalah strategi yang berusaha menciptakan diferensiasi yang
unik dalam benak pelanggan sasaran sehingga terbentuk citra merek atau
produk yang lebih unggul dibandingkan merek produk pesaing. Hasil akhir
penetapan posisi adalah keberhasilan penciptaan proporsi nilai yaitu alasan
yang meyakinkan pelanggan untuk membeli produk perusahaan (Kotler,
2005).
2.2. Bauran Pemasaran
Kotler (2005), mengemukakan bauran pemasaran adalah seperangkat
alat pemasaran yang digunakan perusahaan untuk mencapai tujuan
pemasarannya dalam pasar sasaran. Bauran ini terdiri dari empat unsur, yang
biasa disebut empat P (4P), yaitu produk (product), harga (price), tempat/
distribusi (place), dan promosi (promotion).
1. Produk (product)
Produk merupakan alat bauran pemasaran yang paling mendasar dan
pokok. Produk menjadi penawaran berwujud produsen kepada pasar, yang
mencakup kualitas, rancangan, bentuk, merek, dan kemasan produk.
Strategi produk dikonsentrasikan pada pengembangan produk yang tepat
bagi pasar yang ingin dituju.
2. Harga (price)
Strategi ini meliputi pemilihan metode penetapan harga produk,
memodifikasi harga yang sudah ada serta menetapkan dan menanggapi
perubahan harga. Tujuan dari strategi ini adalah untuk mempertahankan

pangsa pasar, mencapai keuntungan yang maksimum, memperoleh
pendapatan maksimum, dan mencapai pertumbuhan penjualan yang tinggi.
Produsen harus menentukan apa yang ingin dicapai dari produk yang
dipasarkannya, sebelum penetapan harga tersebut dilakukan, dengan
mempertimbangkan faktor pelanggan, pesaing, dan biaya produksi.
3. Tempat/ distribusi (place)
Kegiatan ini bertujuan mengantarkan produk ke konsumen dan
menyediakan bagi pelanggan sasaran. Produsen harus mengerti berbagai
jenis pengecer, pedagang grosir, perusahaan distribusi fisik dan bagaimana
mereka membuat suatu keputusan.
4. Promosi (promotion)
Promosi meliputi semua kegiatan yang dilakukan perusahaan untuk
mengkomunikasikan dan mempromosikan produknya kepada pasar.
Perusahaan harus membuat komunikasi dan promosi yang terdiri dari
iklan, promosi penjualan, hubungan masyarakat serta pemasaran langsung
maupun online. Promosi penting bagi produsen dalam meningkatkan nilai
penjualan dan pertumbuhan produk.
2.3. Pengertian Penjualan
Menurut Assauri (2004), kegiatan penjualan merupakan kegiatan
pelengkap dari pembelian untuk memungkinkan terjadinya transaksi.
Kegiatan pembelian dan penjualan merupakan satu kesatuan agar
terlaksananya transfer hak atau transaksi. Oleh karena itu, kegiatan penjualan
seperti halnya kegiatan pembelian, terdiri dari serangkaian kegiatan yang
meliputi penciptaan permintaan, menemukan si pembeli, negosiasi harga, dan
syarat-syarat pembayaran. Penjual harus menentukan kebijaksanaan dan
prosedur yang akan diikuti untuk memungkinkan dilaksanakannya rencana
penjualan yang telah ditetapkan.
2.4. Struktur Dasar Bisnis Ritel (Usaha Eceran)
Menurut Sopiah dan Syihabudhin (2008), berlanjutnya pertumbuhan
ekonomi dan meningkatnya rata-rata pendapatan yang bisa dibelanjakan
memperbesar permintaan atau akan memperbanyak toko eceran yang lebih

khusus dan spesifik. Pemasaran adalah kegiatan memasarkan barang atau jasa
secara umum kepada masyarakat dan secara khusus kepada pembeli
potensial. Kegiatan perdagangan besar dan perdagangan eceran sangatlah
penting dalam proses penyaluran barang dan jasa.
Ada dua kepentingan mengapa produk perlu ditempatkan agar
konsumen bisa dengan mudah memperolehnya.
1. Kepentingan pertama adalah kepentingan produsen, yakni kepentingan
terhadap produknya agar ditempatkan di posisi yang layak dengan maksud
agar konsumen terstimulasi untuk membelinya.
2. Kepentingan kedua adalah kepentingan pengecer yang berkeinginan agar
konsumen
terstimulasi untuk membeli produk yang ditawarkan
oleh
berbagai produsen
Perdagangan eceran memegang peranan yang sangat penting, baik
ditinjau dari sudut produsen, pedagang eceran dipandang sebagai pihak yang
ahli dalam bidang penjualan produk perusahaannya. Pengecer ujung tombak
perusahaan yang sangat menentukan laku atau tidaknya produk perusahaan.
Sementara jika dipandang dari sudut konsumen, pedagang eceran juga
memiliki peranan yang sangat penting. Pedagang eceran bertindak sebagai
agen yang membeli, mengumpulkan, dan menyediakan barang atau jasa untuk
memenuhi kebutuhan atau keperluan pihak konsumen.
2.4.1. Pengertian dan Jenis-jenis Pengecer
Menurut Kotler (1997), usaha eceran (retailing) meliputi semua
kegiatan yang terlibat dalam penjualan barang atau jasa secara langsung
ke konsumen akhir untuk penggunaan pribadi dan bukan bisnis.
Menurut Meyer et al. (1988), Semua fungsi atau kegiatan yang
melibatkan penjualan (atau sewa) barang dan jasa kepada pengguna
akhir, yang termasuk rumah tangga, perorangan, dan lainnya yang
membeli barang atau jasa untuk konsumsi akhir. Pengecer atau toko
eceran adalah usaha bisnis yang volume penjualannya terutama berasal
dari penjualan eceran. Menurut The American Marketing Association,
pengecer didefinisikan sebagai seorang pedagang yang kegiatan
10
pokoknya melakukan penjualan secara langsung kepada konsumen

akhir. Definisi ini didasarkan kepada siapa mereka menjual. Jadi,
perdagangan eceran meliputi semua kegiatan pemasaran yang
berhubungan dengan usaha-usaha untuk menjual kepada konsumen
akhir ( Swastha, 1979 ).
Pengecer dapat digolongkan menurut luasnya lini produk
(LP), bentuk pemilikan, penggunaan fasilitas, dan ukuran toko
(Swastha, 1979).
1. Lini Produk
Lini Produk adalah sekelompok barang yang memiliki tujuan
penggunaan yang sama, misalnya alat-alat rumah tangga, alat-alat
olah raga, makanan dan minuman, dll dari sebuah toko serba
ada.
Berdasarkan luasnya lini produk, pengecer dapat dibagi ke
dalam beberapa kategori sebagai berikut (Kotler dan Susanto, 2001):

a. Toko khusus, yaitu toko yang menjual satu macam barang
atau LP yang lebih sempit dengan ragam yang lebih banyak
dalam lini tersebut. Contoh pengecer khusus adalah toko alatalat olah raga, toko pakaian, toko meubel, toko bunga, dan
toko buku. Biasanya volumenya tidak terlalu besar, milik
pribadi, dan badan hukumnya berbentuk usaha perorangan,
firma atau CV. Toko khusus dapat diklasifikasikan lagi
menurut tingkat kekhususan LP nya. Toko pakaian merupakan
toko lini tunggal, toko pakaian pria merupakan toko sangat
khusus.
b. Toko serba ada, yaitu toko yang menjual berbagai macam
LP.
Biasanya toko seperti ini mempunyai volume usaha
yang besar, kondisi keuangannya lebih kuat, dan badan

hukumnya berbentuk perseroan terbatas atau paling tidak
berbentuk CV.
c. Pasar Swalayan, yaitu toko yang merupakan operasi relatif
besar, berbiaya rendah, margin rendah, volume tinggi,
swalayan, yang dirancang untuk melayani semua kebutuhan
11
konsumen seperti makanan, cucian, dan produk-produk

perawatan rumah tangga.
d. Toko Convenience, yaitu toko yang relatif kecil dan terletak di
daerah pemukiman atau di jalur high traffic, memiliki jam
buka yang panjang (24 jam) selama tujuh hari dalam
seminggu, dan menjual LP convenience yang terbatas seperti
minuman, makanan ringan, permen, rokok, dll. Tingkat
perputarannya yang tinggi, jam buka yang panjang dan karena
konsumen hanya membeli di toko ini hanya sebagai pelengkap
menyebabkan toko ini menjadi suatu operasi dengan harga
tinggi.
e. Supermarket, Toko Kombinasi dan Hypermarket
Supermarket rata-rata memiliki ruang jual 35.000 kaki
persegi
konsumen
makanan
dan
bertujuan
untuk
secara
memenuhi
pembelian
rutin.
semua
makanan
Mereka
kebutuhan
maupun
biasanya
bukan
menawarkan
pelayanan seperti cucian, membersihkan, perbaikan sepatu,

penguangan cek, dan pembayaran tagihan, serta makan siang
murah. Toko kombinasi merupakan diversifikasi usaha pasar
swalayan ke bidang obat-obatan, dengan luas ruang jual
sekitar 55.000 kaki persegi. Hypermarket lebih besar lagi,
berkisar antara 80.000 sampai 220.000 kaki persegi. Pasar ini
tidak hanya menjual barang-barang yang rutin dibeli tetapi
juga meliputi meubel, perkakas besar dan kecil, pakaian, dan
banyak jenis lainnya.
f. Toko Diskon, yaitu toko yang menjual secara reguler
barang-barang standar dengan harga lebih murah karena
mengambil marjin yang lebih rendah dan menjual dengan
volume yang lebih tinggi.
nasional,
bukan
barang
Umumnya menjual merek
bermutu
rendah.
Pengeceran
diskon telah bergerak dari barang dagangan umum ke

khusus, seperti toko diskon alat-alat olah raga, toko elektronik,
12
dan toko buku (Kaikati, 1985).

g. Pengecer Potongan Harga
Pengecer potongan harga membeli pada harga yang lebih
rendah daripada harga grosir dan menetapkan harga pada
konsumen lebih rendah daripada harga eceran. Mereka
cenderung menjual persediaan barang dagangan yang berubahrubah dan tidak stabil sering merupakan sisa, tidak laku, dan
cacat yang diperoleh dengan harga lebih rendah dari
produsen atau pengecer lainnya. Pengecer potongan harga
telah berkembang pesat dalam bidang pakaian, aksesoris,
dan perlengkapan kaki.
h. Ruang Jual Katalog, yaitu toko yang menjual cukup banyak
pilihan produk-produk dengan marjin tinggi, perputarannya
cepat, bermerek, dengan harga diskon. Produk-produk yang
dijual meliputi perhiasan, alat-alat pertukangan, kamera,
koper, perkakas kecil, mainan, dan alat-alat olah raga.
i. MOM & POP Store, yaitu toko berukuran relatif kecil yang
d ikelola secara tradisional, umumnya hanya menjual bahan
pokok
atau kebutuhan sehari-hari yang terletak di daerah
perumahan atau pemukiman. Jenis toko ini dikenal sebagai

toko kelontong.
j. Mini Market yaitu toko berukuran relatif kecil yang
merupakan pengembangan dari Mom & Pop Store, dimana
pengelolaannya lebih modern, dengan jenis barang dagangan
lebih banyak.
2. Bentuk Pemilikan
Menurut bentuk pemilikannya, pengecer dapat digolongkan ke
dalam dua kategori sebagai berikut:
a. Independent store, yaitu toko yang tidak dimiliki oleh
sekelompok orang, melainkan milik pribadi seseorang yang
juga merupakan pimpinan dari toko tersebut.
Dalam
kategori ini, pengusaha lebih bebas dalam menentukan
13
kebijaksanaan dan strategi pemasarannya.

b. Corporate chain store yaitu beberapa toko yang berada
di bawah satu organisasi, dan dimiliki oleh sekelompok
orang. Masing-masing toko menjual LP yang sama dan
struktur distribusinya juga sama.
3. Penggunaan Fasilitas
Pengecer dapat digolongkan menurut penggunaan fasilitas
d alam memasarkan produk mereka ke konsumen, yakni toko
pengecer dan pengecer tanpa toko. Toko pengecer dapat dijumpai
di mana-mana, seperti yang telah disebut di atas. Sedangkan
pengecer tanpa toko terdiri dari tiga jenis yaitu penjualan dari
rumah ke rumah (door to door saleman), penjualan melalui pos
(mail order selling) atau elektronik, dan penjualan dengan
mesin otomatis (automatic vending machine).
4. Ukuran Toko
Menurut ukuran toko, pengecer dapat digolongkan ke dalam dua
kelompok, yakni pengecer kecil dan pengecer besar. Pembedaan
ini dapat didasarkan pada banyak faktor, diantaranya volume
penjualan, manajemen, kegiatan promosi, kondisi keuangan,
pembagian tenaga kerja, fleksibilitas dalam operasi, integrasi
horisontal dan vertikal, dan merek pengecer.
2.4.2. Peritel yang Berhasil
Menurut Sopiah dan Syihabudin (2008), peritel yang berhasil
adalah yang paling bisa menyesuaikan barang dan jasanya dengan
permintaan. Hal-hal yang perlu diperhatikan dalam perdagangan eceran
adalah 7T (Tepat) yaitu :
1. Tersedianya barang yang tepat
2. Pada saat yang tepat
3. Di tempat yang tepat
4. Dalam kuantitas yang tepat
5. Dengan harga yang tepat
14
6. Penjualan dengan cara yang tepat

7. Dalam kualitas yang tepat
2.4.3. Perilaku Konsumen dalam Retailing
Menurut Sopiah dan Syihabudhin (2008), khusus dalam
pembelian ritel terdapat pola perilaku tertentu pada konsumen, pola
perilaku tersebut terbagi kedalam tujuh kategori, dimana masingmasing kategori bisa berubah urutannya. Pada dasarnya setiap manusia
berbeda, perilakunya pun berbeda walaupun perilaku tersebut relatif
sama. Pola perilaku tersebut sebagai berikut :
1. Perilaku sebelum pembelian (Pre-purchase)
Pada tahap sebelum pembelian, ada dua tahapan perilaku konsumen,
yaitu:
a. Konsumen mencari informasi sebanyak-banyaknya dengan
membaca koran, majalah, buletin, mendengarkan siaran radio,
melihat TV, mencari informasi dari teman,orang tua, pramuniaga,
dan lain-lain.
b. Perilaku pada tahap kedua, konsumen berusaha mendapatkan
uang, mengambil uang tunai di bank, mengambil uang di ATM,
meminjam teman, menggunakan kartu kredit, atau menggunakan
kartu debet bank tertentu.
2. Perilaku pembelian (Purchase)
Ada lima tahap perilaku konsumen yaitu :
a. Store contact
Pada tahap ini, konsumen memilih lokasi belanja yang dirasa
cocok, memasuki toko, dan memilih produk yang dicari.
b. Product contact
Pada tahap ini, konsumen memilih dan menemukan produk yang
dicari, lalu membawanya ke kasir untuk melakukan pembayaran.
c. Transaction
Pada tahap ini, konsumen membayar barang yang telah di pilih di
kasir dan membawa produk untuk dikonsumsi.
15
d. Consumption
Pada tahap ini, konsumen menggunakan produk, membuang
sisanya jika ada, dan melakukan pembelian ulang jika konsumen
merasa puas.
e. Communication
Di tahap terakhir ini, konsumen memberikan informasi tentang
produk yang baru dikonsumsi tersebut kepada orang lain, mengisi
kartu garansi (jika ada) dan memberikan informasi tentang
produk, harga, pelayanan, dan lain-lain kepada peritel.
2.4.4. Toko Serba Ada (Toserba)

Toserba atau bisa juga disebut department stores adalah toko
ritel yang memilki ragam lini produk yang banyak serta dikelompokkan
sesuai kategori lini produknya, seperti pakaian, furniture, mainan, book,
peralatan olah raga, dan perabot rumah tangga (Sopiah dan Syihabudin,
2008).
Setiap lini beroperasi sebagai suatu departemen tersendiri yang
dikelola oleh pembeli atau pedagang khusus. Beberapa department
store yang masuk dalam industri ini kebanyakan memiliki tipe relatif
sama dengan retailer lainnya, dengan lebih menekankan pada harga
rendah serta sedikit layanan (low-price few-services). Department store
telah mengubah keberadaan model layanan toko dan menambah
beberapa layanan (counter). Kebanyakan dari toko tersebut membuka
usaha dengan sistem sewa. Pemilik department store menyewakan
outlet kepada pengusaha mandiri, yang akan membayar kepada pihak
departemen berdasarkan persentase pendapatannya.
2.4.5. Transaksi Penjualan

Setiap aktivitasnya toserba melakukan transaksi penjualan dan
transaksi pembelian yang datanya ditampung dalam komputer.
Transaksi
penjualan
merupakan
aktivitas
perusahaan
yang
menimbulkan perubahan terhadap posisi harta keuangan perusahaan
16
melalui kegiatan penjualan, begitu juga dengan transaksi pembelian

yang dapat merubah harta perusahaan melalui pembelian kepada
pemasok.
2.5. Data Mining

Data mining merupakan suatu proses ekstraksi infomasi berguna dan
potensial dari sekumpulan data yang terdapat secara implisit dalam suatu
basis data. Menurut David Olson dan Yong Shi (2008), penggalian data
sering disebut juga analisis data eksploratif. Data dalam jumlah besar yang
diperoleh dari mesin kasir, pemindahan bar code dan dari berbagai data
dalam perusahaan kemudian ditelaah, dianalisis, dihapus, dan dipakai ulang.
Pencarian-pencarian dilakukan pada model-model yang berbeda untuk
memprediksi penjualan, respon pasar, dan keuntungan.
Perangkat penggalian data harus lincah, dapat diskalakan, dan dapat
secara akurat memprediksi respon antara tindakan dan hasil, serta dapat
secara otomatis diimplementasikan. Lincah (versatile) mengacu pada
kemampuan perangkat untuk menerapkan banyak variasi model. Perangkat
yang dapat diskalakan (scalable) secara tidak langsung berarti bahwa jika
perangkat dapat berfungsi dengan kelompok data yang kecil, perangkat itu
akan berfungsi untuk kelompok data yang besar. Penggalian data berkembang
dengan cepat, mendatangkan banyak manfaat bagi bisnis, dua bidang aplikasi
yang sangat menguntungkan adalah penggunaan segmentasi pelanggan oleh
perusahaan-perusahaan pemasaran untuk mengidentifikasi mereka yang
berpeluang lebih besar merespon bentuk-bentuk media pemasaran yang
berbeda.
Menurut IBM model data mining dapat di bagi menjadi dua bagian
yaitu:
1. Verification Model
Model ini menggunakan perkiraan (hypothesis) dari pengguna, dan
melakukan tes terhadap perkiraan yang diambil sebelumnya dengan
menggunakan data-data yang ada. Penekanan terhadap model ini adalah
terletak pada user yang bertanggung jawab terhadap penyusunan perkiraan
17
(hypothesis) dan permasalahan pada data untuk meniadikan atau

menegaskan hasil perkiraan (hypothesis) yang diambil. Sebagai contoh
dalam bidang pemasaran, sebelum sebuah perusahaan mengeluarkan suatu
produk baru ke pasaran, perusahaan tersebut harus memiliki informasi
tentang kecenderungan pelanggan untuk membeli produk yang akan
dikeluarkan. Perkiraan (hypothesis) dapat disusun untuk mengidentifikasi
pelanggan yang potensial dan karakteristik dari pelanggan yang ada.
2. Discovery Model
Model ini berbeda dengan verification model, dimana pada model ini
sistem secara langsung menemukan informasi-informasi penting yang
tersembunyi dalam suatu data yang besar. Data-data yang ada kemudian
dipilih untuk menemukan suatu pola, trend yang ada, dan keadaan umum
pada saat itu tanpa adanya campur tangan dan tuntutan dari pengguna.
Pada data-data yang ada selanjutnya diadakan proses pencarian tanpa
adanya proses perkiraan (hypothesis) sebelumnya. Sampai akhirnya semua
pelanggan dikelompokan berdasarkan karakteristik yang sama.
Efektivitas diperoleh dalam data mining, seseorang harus melakukan
evaluasi kebutuhan dan memperhitungkan tantangan-tantangan apa saja yang
mungkin dihadapinya dalam mengembangkan suatu teknik data mining. Halhal yang harus diperhatikan untuk memperoleh efektifitas tersebut antara lain
adalah sebagai berikut:
1. Penanganan berbagai tipe data
2. Efisiensi dari algoritma data mining
3. Kegunaan, kepastian dan keakuratan hasil
4. Ekspresi terhadap berbagai jenis hasil
5. Memperoleh informasi dari sumber-sumber data yang berbeda
6. Proteksi dan keamanan data
Kebutuhan akan data mining semakin dirasakan dalam berbagai
bidang. Data mining bersifat dependen terhadap aplikasi terkait, ini berarti
untuk aplikasi basis data yang berbeda, teknik data mining yang
digunakannya mungkin juga akan berbeda. Hal ini dikarenakan terdapat
kelebihan dan kekurangan dari masing-masing metode pencarian informasi,
18
sehingga kita harus menyesuaikan antara keperluan dan kebutuhan akan

informasi dengan penerapan teknik pencarian yang akan digunakan.
Penggalian data sangat efektif dalam banyak bidang bisnis. Kuncinya
adalah menemukan informasi yang dapat ditindaklanjuti (actionable), atau
informasi yang dapat dimanfaatkan
dalam cara yang kongkrit untuk
meningkatkan keuntungan. Beberapa pengaplikasian yang paling awal adalah

dalam bisnis ritel, terutama dalam bentuk analisis keranjang belanja dapat
dilihat pada Tabel 2.
Tabel 2. Bidang Aplikasi Penggalian Data
Bidang Aplikasi
Bisnis ritel
Aplikasi
Penempatan
berdasarkan
afinitas
Penjualan
silang (crossselling)
Spesifik
Posisi produk secara efektif
Perbankan
Manajemen
hubungan
pelanggan (CRM)
Identifikasi nilai pelanggan,

mengembangkan program
untuk
memaksimalkan
pendapatan
Manajemen Kartu Kredit
Lift
Churn
Mengidentifikasi
segmen
pasar yang efektif
Mengidentifikasi
perpindahan pelanggan ke
pesaing
Asuransi
Deteksi penipuan
Mengidentifikasi
klaim
mencurigakan yang perlu
diselidiki
Telekomunikasi
Telemarketing
Churn
Informasi Online
Membantu
telemarketer
dengan akses data yang
lebih mudah
Manajemen Sumber Daya

Manusia
Churn
Mengidentifikasi
potensi
perpindahan karyawan
Mencari
lebih
banyak
produk untuk pelanggan
Penggalian data menawarkan informasi prediktif yang sangat berharga

kepada bisnis ritel (secara umum) dan toko barang kebutuhan sehari-hari
(secara spesifik) dari sejumlah besar data. Penempatan berdasarkan afinitas
(affinity positioning) berdasarkan pada identifikasi produk yang mungkin
ingin dibeli oleh pelanggan yang sama, oleh karena itu secara pemasaran
masuk akal jika
menempatkan kedua barang tersebut secara berdekatan.
Penjualan silang (cross-selling) merupakan konsep yang terkait, pengetahuan
19
tentang produk mana yang sering terjual bersamaan dapat digunakan dengan
cara memasarkan produk komplementernya.
Toko yang menjual barang kebutuhan sehari-hari melakukannya
dengan menentukan posisi lokasi rak produk tersebut. Toko ritel yang
mengandalkan iklan dapat mengirim iklan untuk menjual kemeja dan dasi
kepada mereka yang baru saja membeli jas. Strategi-strategi ini telah lama
digunakan oleh toko-toko ritel yang cerdik, namun penggalian data
menyediakan kemampuan untuk mengidentifikasi afinitas produk yang tidak
terduga dan kesempatan untuk penjualan silang.
2.6. Proses Penggalian Data dan Penemuan Pengetahuan
Proses standar industri yang sering digunakan berisi rangkaian
langkah yang biasanya dilakukan dalam penggalian data (Cross Industry
Standard Process for Data Mining CRISP-DM) yang digunakan secara luas di
kalangan industri. Model ini terdiri atas enam tahap yang merupakan sebuah
proses siklus sebagai berikut :
1. Pemahaman bisnis (business understanding). Pemahaman bisnis meliputi
penetapan tujuan bisnis, penilaian situasi terkini, penetapan tujuan
penggalian, dan pengembangan rencana proyek.
2. Pemahaman data (data understanding). Tujuan bisnis dan rencana proyek
ditetapkan, kemudian pemahaman data, mempertimbangkan data yang
dibutuhkan. Langkah ini bisa meliputi pengumpulan data awal, deskripsi
data, eksplorasi data, dan verifikasi kualitas data. Eksplorasi data seperti
peninjauan statistik rangkuman (yang meliputi tampilan visual variabeivariabel kategorik) bisa terjadi pada akhir tahap ini. Model-model seperti
analisis pengelompokan (cluster analysis) dapat pula diterapkan dalam
tahap ini, dengan tujuan mengidentifikasi pola dalam data tersebut.
3. Persiapan data (data preparation). Sumber data yang tersedia telah
diidentifikasi, kemudian sumber data tesebut perlu diseleksi, dibersihkan,
dibangun kedalam wujud yang dikehendaki, dan di bentuk. Pembersihan
dan transformasi data dalam persiapan pembuatan model
data perlu
dilakukan pada tahap ini. Eksplorasi data secara lebih mendalam juga
dapat diterapkan dalam tahap ini, dan penggunaan model-model tambahan
20
sekali lagi memberikan peluang untuk melihat berbagai pola berdasarkan

pemahaman bisnis.
4. Pembuatan model (modeling). Metode penggalian data, seperti visualisasi
(penggambaran
data
dan
penetapan
hubungan)
serta
analisis
pengelompokan (untuk mengidentifikasi variabel mana yang berhubungan

satu sama lain) bermanfaat bagi analisis awal. Begitu pemahaman data
yang lebih luas diperoleh (sering kali melalui pengenalan pola yang dipicu
dengan melihat output model), model-model lebih terinci yang sesuai
dengan jenis data tersebut dapat diterapkan. Penggalian data ke dalam data
latihan dan data uji juga diperlukan untuk pembuatan model.
5. Evaluasi (evaluation). Hasil model sebaiknya dievaluasi dalam konteks
tujuan bisnis yang ditetapkan pada tahap awal (pemahaman bisnis). Hal ini
akan mengarahkan pada identifikasi CRISP-DM sebelumnya. Perolehan
pemahaman bisnis merupakan prosedur berulang dalam penggalian data,
dimana hasil dari beragam visualisasi, fakta statistik, dan metode
kecerdasan
buatan
menunjukan
hubungan-hubungan
baru
kepada
pengguna yang memberikan pemahaman yang lebih mendalam mengenai

operasi perusahaan.
6. Pelaksanaan (deployment). Penggalian data dapat digunakan baik untuk
membuktikan
hipotesis
sebelumnya,
ataupun
untuk
penemuan
pengetahuan (pengidentifikasian hubungan yang tidak terduga dan

bermanfaat). Melalui pengetahuan yang ditemukan dalam tahap awal
CRISP-DM, model yang kuat dapat diperoleh yang mungkin kemudian
dapat diterapkan pada kegiatan bisnis untuk berbagai keperluan, termasuk
memprediksi atau mengidentifikasi situasi-situasi penting.
2.7. Teknik-teknik Penggalian Data
Menurut David Olson dan Yong Shi (2008), penggalian data dapat
dilakukan menggunakan Asosiasi, Klasifikasi, Pengelompokan, Prediksi,
Pola-pola sekuensial, dan Urutan Waktu Serupa (Similar Time Sequences).
Jenis penggalian data tersebut adalah :
1. Asosiasi (Association), hubungan hal tertentu dalam suatu transaksi data
dengan hal lain dalam transaksi yang sama digunakan untuk memprediksi
21
pola. Sebagai contoh, jika seorang pelanggan membeli sebuah PC laptop

(X), maka ia juga membeli sebuah mouse (Y) dalam 60 persen kejadian.
Pola ini terjadi dalam 5,6 persen pembelian PC laptop. Aturan asosiasi
dalam situasi ini bisa berupa X secara tidak langsung menyatakan Y, yang
60 persennya adalah faktor konfidensi dan 5,6 persennya adalah faktor
dukungan. Jika faktor konfidensi (confidence factor) dan faktor dukungan
(support factor) dilambangkan dengan masing-masing variabel linguistik
tinggi dan rendah aturan asosiasi tersebut dapat ditulis secara berurutan
dalam bentuk logika samar (fuzzy logic), seperti : jika fakor dukungan
rendah, X secara tidak langsung menyatakan bahwa Y tinggi. Kasus
dengan banyak variabel kualitatif, asosiasi fuzzy merupakan teknik yang
dibutuhkan dan menjanjikan keberhasilan dalam penggalian data.
2. Klasifikasi
(Classification),
metode-metodenya
ditunjukan
untuk
pembelajaran fungsi-fungsi berbeda yang memetakan masing-masing data

terpilih ke dalam salah satu dari kelompok kelas yang telah ditetapkan
sebelumya. Dua masalah penelitian utama yang berkaitan dengan hasil
klasifikasi adalah evaluasi kesalahan klasifikasi dan kekuatan prediksi.
Teknik-teknik matematika yang sering kali digunakan untuk membangun
metode-metode klasifikasi adalah pohon keputusan biner, jaringan saraf
tiruan, pemograman linier, dan statistik.
3. Analisis pengelompokan (Cluster Analysis), pengambilan data yang belum
dikelompokan dengan menggunakan teknik-teknik otomatis untuk
menempatkan data-data ke dalam berbagai kelompok. Pengelompokan ini
tidak membutuhkan kelompok pembelajaran (unsupervised).
4. Analisis prediksi (Prediction Analysis) berhubungan dengan teknik-teknik
regresi. Ide utama dari analisis prediksi adalah untuk menemukan
hubungan antara variabel bebas dan terkait, hubungan antara variabelvariabel bebas (satu terhadap yang lainnya, satu terhadap sisanya, dan
seterusnya).
5. Analisis pola sekuensial (sequential pattern analysis) mencoba untuk
menemukan pola-pola serupa dalam transaksi data selama suatu periode
22
bisnis. Pola-pola ini dapat digunakan oleh analis bisnis untuk

mengidentifikasi hubungan antar data.
2.8. Analisis Keranjang Belanja (Market Basket Analysis)

Fungsi association rules seringkali disebut dengan analisis keranjang
belanja (Market Basket Analysis) yang digunakan untuk menemukan relasi
atau korelasi diantara himpunan item-item. Analisis keranjang belanja adalah
analisis dari kebiasaan membeli customer dengan mencari asosiasi dan
korelasi antara item-item berbeda yang diletakan customer dalam keranjang
belanjanya.
Megaputer (2007), mengemukakan Analisis Keranjang Belanja
(Market Basket Analysis), atau MBA merupakan salah satu tipe analisis data
yang paling sering digunakan dalam dunia pemasaran. Tujuan dari MBA
adalah untuk menentukan produk-produk (jasa) apa saja yang paling sering
dibeli atau digunakan sekaligus oleh para pelanggan. Istilah analisis ini
sendiri datang dari kejadian yang sudah sangat umum terjadi di dalam
supermarket, yaitu ketika para pelanggan memasukan semua barang yang
mereka beli ke dalam keranjang (market basket) yang umumnya telah
disediakan oleh pihak supermarket itu sendiri.
Menurut David Olson dan Yong Shi (2008), Analisis Keranjang
Belanja mengacu pada berbagai metodologi yang mempelajari komposisi
keranjang belanja yang terdiri atas produk-produk yang dibeli pada satu
kejadian belanja. Teknik ini telah dikembangkan dalam berbagai operasi
pasar swalayan. Data keranjang belanja dalam bentuknya yang paling mentah
adalah daftar transaksi pembelian oleh pelanggan, yang mengindikasikan
hanya barang-barang yang di beli bersamaan. Data ini menantang karena
beberapa hal :
1. Jumlah datanya besar (biasanya jutaan transaksi pertahun)
2. Pembagiaannya luas (setiap keranjang belanja hanya mengandung
sebagian kecil dari benda-benda yang dijual)
3. Heterogenitas (orang-orang dengan selera yang berbeda cenderung
sekelompok barang yang spesifik)
23
Albion Research (2007), mengemukakan Informasi mengenai produkproduk yang biasanya dibeli secara bersama-sama oleh para pelanggan dapat
memberikan wawasan tersendiri bagi para pengelola toko atau swalayan
untuk menaikkan laba bisnisnya. Misalnya, seorang manajer toko bisa saja
memanfaatkan informasi seperti ini untuk menempatkan produk-produk yang
umumnya dibeli bersama-sama ke dalam sebuah area yang berdekatan
jaraknya. Hal ini bertujuan untuk memudahkan mayoritas pembeli agar
semakin senang membeli beberapa produk berlainan sekaligus. Informasi ini
juga dapat digunakan untuk menyampaikan ide mendasar dari market basket
analysis, dimulai dengan melihat gambar keranjang belanja yang berisi
bermacam-macam barang-barang yang dibeli oleh seseorang di sebuah
supermarket.
Keranjang ini berisi bermacam-macam barang-barang seperti orange
juice, pisang, soft drink, pembersih jendela, dan detergent. Sebuah keranjang
memberitahukan kepada kita tentang apa saja yang dibeli oleh seorang
konsumen dalam satu waktu. Sebuah daftar belanjaan yang lengkap yang
diperoleh dari semua konsumen memberikan kita informasi yang sangat
banyak, dan ini dapat menjelaskan barang-barang apa saja yang paling
penting dari bisnis penjualan yaitu jenis barang dan kapan konsumen
membeli. Setiap konsumen membeli seperangkat barang-barang yang
berbeda, dalam jumlah yang berbeda, dan dalam waktu yang berbeda. Market
Basket Analysis menggunakan informasi apa yang dibeli oleh konsumenkonsumen untuk menyediakan tanda atau informasi yaitu siapa mereka dan
mengapa mereka melakukan pembelian tersebut.
Market Basket Analysis juga menyediakan pengertian tentang barang
dagangan dengan memberitahukan kepada kita produk-produk mana yang
memungkinkan untuk dibeli secara bersamaan dan produk mana yang lebih
disetujui untuk di promosikan. Informasi ini dapat digunakan dalam
menentukan tata letak rak toko, menetapkan produk-produk mana yang akan
diletakan dalam tempat yang khusus, untuk mengidentifikasi ketika
persoalannya berpasangan atau kupon (issue coupons), dan lain sebagainya.
Market Basket Analysis menawarkan sekumpulan permasalahan bisnis yang
24
berkaitan untuk mengetahui point of sale dari data transaksi. Teknik yang
umum digunakan adalah assosiation rules.
Fungsi ini paling banyak digunakan untuk menganalisa data dalam
rangka keperluan strategi pemasaran, desain catalog, dan proses pembuatan
keputusan bisnis. Tipe association rules dapat dinyatakan dengan contoh : 70
persen dari orang-orang yang membeli mie, juice, dan saus akan membeli
juga roti tawar. Aturan asosiasi mengcapture item atau kejadian dalam data
berukuran besar yang berisi data transaksi. Tiga level dari Market Basket
Data, Market Basket Data adalah data transaksi yang menjelaskan tiga
perbedaan entitas yang mendasar yaitu :
1. Customers.
2. Orders atau pembelian (bisa juga pembelian, atau keranjangan,
atau dalam akademik kertas).
3. Items (barang-barang).
Struktur data dari market basket data dalam sebuah relational
database, sering terlihat sama. Data struktur ini didalamnya terdapat empat
entitas yang penting sebagai informasi bagi pihak supermarket (Gambar 1).
COSTUMER
Costumer ID
Nama
Alamat
dll
ORDER
Order ID
Costumer ID
Tanggal
pesan
Jenis
pembayaran
Jumlah nilai
Tanggal
pengiriman
Biaya
pengiriman
dll
LINE TIME
Line time ID
Order ID
Produk ID
Jumlah
Harga per unit
Biaya per unit
Gif t warp
flag
Taxable flag
dll
Gambar 1. Struktur Data dari Market Basket Data
PRODUK
Produk ID
Kategori
Subkategori
Penjelasan
dll
25
Permintaan adalah struktur paling fundamental untuk market basket

data. Permintaan dapat berupa kejadian suatu pembelian oleh costumer.
Pembelian juga dapat dilakukan melalui web site, grosir, ataupun dari
catalog. Semua termasuk dalam pembelian, pembelian tambahan, tipe dari
pembayaran, dan data lain yang termasuk dalam transaksi. Beberapa transaksi
diberikan identitas khusus, namun ada beberapa identitas khusus tersebut
harus digabungkan dengan data yang lainnya. Kita perlu mengkombinasikan
empat lahan untuk mendapatkan empat identitas khusus untuk penjualan di toko.
Waktu dinilai ketika customer membayar, chain ID, store ID dan line ID. Barang
dalam suatu pembelian digambarkan dalam line items. Data ini termasuk
harga pembayaran barang, jumlah barang, pajak yang harus dibayar, mungkin
juga harga (yang digunakan untuk penghitungan margin).
2.9. Penelitian Terdahulu
Penelitian terdahulu yang mendukung penelitian ini adalah Handojo
Andreas (2007), dengan judul aplikasi data mining untuk meneliti asosiasi
pembelian item barang di supermarket dengan metode Market Basket
Analysis. Penelitian tersebut memberikan kesimpulan bahwa aplikasi data
mining mampu mengolah data transaksi yang disediakan oleh user untuk
menemukan frequent itemset dan association rule yang memenuhi syarat
minimum support berdasarkan item yang ada dalam bentuk grafik dan teks.
Aplikasi ini memberitahukan asosiasi barang apa saja yang sering dibeli
bersamaan oleh konsumen di supermarket yang nantinya informasi ini dapat
memberikan pertimbangan dalam pengambilan keputusan guna pembelian
barang dan pengaturan pada rak supermarket.
Penelitian yang dilakukan oleh Gregorius Satia Budhi (2007), Peneliti
berkeinginan untuk mengatasi permasalahan absensi tersebut dengan
memanfaatkan metode
Data Mining, khususnya metode Market Basket
Analysis, untuk menganalisa database absensi elektronik secara otomatis,

guna mendeteksi dan menemukan informasi tentang pegawai-pegawai yang
seringkali melaukan absensi dalam waktu yang sangat berdekatan. Asumsi
dari pemikiran ini adalah bila pada data absensi ditemukan pola atau pattern
dengan frekuensi cukup tinggi tentang dua atau lebih pegawai yang absen
26
dalam waktu yang hampir bersamaan dalam kurun waktu tertentu, besar
kemungkinan dalam realitasnya, pegawai yang melakukan absen hanya satu
orang sedangkan lainnya titip absen kepada pegawai tersebut.
III. METODOLOGI PENELITIAN
3.1. Kerangka Pemikiran Penelitian

Sejak berkembangnya pasar retail modern di Indonesia, semakin
banyak ritel yang melakukan berbagai usaha demi mempertahankan
usahanya. Salah satu upaya yang dilakukan untuk dapat mempertahankan
bisnis ritel ini adalah dengan meningkatkan dan mempertahankan tingkat
pertumbuhan penjualannya. Pendekatan yang dapat dilakukan dalam rangka
meningkatkan volume penjualan tersebut adalah dengan memahami dan
mengetahui pola perilaku belanja konsumen. Hampir semua supermarket
menggunakan komputerisasi dalam penyimpanan data penjualan dan
pembelian, sehingga akan dihasilkan banyak data transaksi.
Data transaksi tesebut dapat digunakan sebagai sumber informasi
penting dalam mempertahankan keberadaan usaha tersebut. Pengetahuan
tentang pola perilaku belanja tersebut dapat diketahui dengan menngunakan
analisis keranjang belanja (Market Basket Analysis). Analisis ini merupakan
salah satu metode dalam penambangan data (data mining) yang bertujuan
untuk menemukan produk-produk yang sering dibeli bersamaan dari data
transaksi, yang dapat dimanfaatkan untuk menyusun tata letak sedemikian
rupa sehingga memberikan kemudahan bagi konsumen dalam melakukan
pembelian, dan dapat meningkatkan kemungkinan munculnya keinginan
membeli (impulse buying).
Alat analisis yang digunakan adalah algoritma apriori. Algoritma ini
merupakan algoritma analisis keranjang pasar yang digunakan untuk
menghasilkan aturan asosiasi, dengan pola if-then. Algoritma apriori
menggunakan pendekatan terative yang dikenal dengan level-wise search,
dimana k-kelompok produk digunakan untuk mengeksplorasi (k+1)kelompok produk atau (k+1)-itemset [2]. Kerangka pemikiran penelitian
terjabar pada gambar 2. Alat analisis yang digunakan adalah algoritma apriori
yang sebelumnya di bantu oleh Microsoft office excel 2007 dan minitab 14.
Algoritma ini merupakan algoritma analisis keranjang pasar yang digunakan
untuk menghasilkan aturan asosiasi, dengan pola if-then
28
Persaingan Usaha Ritel
Toserba Yogya Banjar
Data Transaksi
Market Basket Analysis
Pola berupa produk-produk

yang sering dibeli bersamaan
(asosiasi produk)
Implikasi Manajerial
Gambar 2. Kerangka Pemikiran Penelitian

3.2. Metode Penelitian
3.2.1. Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan pada Toserba Yogya Banjar yang
berlokasi di Jl. Letnan Jendral Suharto No. 38 Banjar 46321. Adapun
penelitian dilakukan pada bulan Januari-April 2009.
3.2.2. Jenis dan Sumber data
Jenis data yang digunakan dalam penelitian ini berdasarkan
sumbernya adalah data sekunder. Data sekunder merupakan data
pelengkap data yang diperoleh dari pustaka dan literatur yang relevan
29
dengan penelitian baik dari internet, buku-buku, majalah dan bahan

penunjang lainnya.
3.2.3. Metode Pengolahan dan Analisis Data
Pengolahan data penelitian yang telah dikumpulkan merupakan
suatu cara untuk mengorganisasikan data sedemikian rupa sehingga
dapat dibaca dan ditafsirkan. Pengolahan data atau disebut juga proses
pra-analisa mempunyai tahap-tahap sebagai berikut:
1. Selection merupakan proses memilih dan memisahkan data
berdasarkan beberapa kriteria.
2. Preprocessing mempersiapkan data dengan cara membersihkan data,
informasi atau field yang tidak dibutuhkan yang jika dibiarkan hanya
akan memperlambat proses query. Biasanya memisahkan variabel
yang diperlukan oleh peneliti yang tercakup dalam data yang sudah
terkumpul atau dengan kata lain apakah semua variabel yang
diperlukan sudah termasuk dalam data. Jika belum melalui tahap ini,
berarti data yang terkumpul belum lengkap atau belum mencakup
semua variabel yang sedang diteliti.
3. Transformation, data yang telah melalui proses select dan
preprocessing tidak begitu saja langsung digunakan, tetapi
ditransformasikan terlebih dahulu ke bentuk yang lebih navigable
dan useable.
4. Data mining, tahap ini dipusatkan untuk mendapatkan pola dari data
(extraction of data).
5. Interpretation and evaluation, proses pattern atau pola-pola yang
telah diidentifikasi oleh system kemudian diterjemahkan atau di
interprestasikan ke dalam bentuk yang lebih mudah dimengerti untuk
membentu pengambilan keputusan, misalnya menunjukan item yang
saling berasosiasi melalui grafik atau bentuk lain yang lebih mudah
dimengerti.
Analisis data dilakukan dengan menggunakan algoritma apriori,
algoritma ini merupakan algoritma analisis keranjang pasar yang
digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then.
30
Implementasi dilakukan dengan menggunakan basis data sebagai

penyimpan data hasil kombinasi sementara. Algoritma Apriori yang
bertujuan untuk menemukan frequent
itemset dijalankan pada
sekumpulan data. Pada iterasi ke -k, akan ditemukan semua itemsets

yang memiliki k items, disebut dengan k -itemsets. Selain itu fasilitas
query
dalam
basis
data
juga
dipakai
sebagai
alat
untuk
mengkombinasikan antar item dalam itemset.

3.2.4. Algoritma Apriori
Algoritma apriori adalah algoritma analisis keranjang pasar yang
digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then.
Persoalan association rule mining terdiri dari dua sub persoalan:
1. Menemukan semua kombinasi dari item, disebut dengan frequent
itemsets, yang memiliki support yang lebih besar daripada minimum
support.
2. Gunakan frequent itemsets untuk men-generate aturan yang
dikehendaki. Misal, ABCD dan AB adalah frequent, maka
didapatkan aturan AB CD jika rasio dari support (ABCD)
terhadap
support
(AB)
sedikitnya
sama
dengan
minimum
confidence. Aturan ini memiliki minimum support karena ABCD

adalah frequent.
Algoritma Apriori yang bertujuan untuk menemukan frequent
itemsets dijalankan pada sekumpulan data. Pada iterasi ke -k, akan
ditemukan semua itemsets yang memiliki k items, disebut dengan k itemsets. Support dan confidence adalah dua ukuran kepercayaan yang
menunjukan kepastian dan tingkat kegunaan suatu rule yang ditemukan.
Pada umumnya association rule yang ditemukan dikatakan menarik
apabila rule tersebut memenuhi baik minimum support maupun
minimum confidence yang telah ditentukan.
Support (AB) = P (A B)(1)
Confidence (AB) = P(B|A)
....(2)
Confidence (AB) =
.....(3)
31
IV. HASIL DAN PEMBAHASAN
4.1. Gambaran Umum Perusahaan

4.1.1. Sejarah Toserba YOGYA
Era generasi pertama (1948-1972), cikal bakal YOGYA diawali
dari sebuah toko batik yang bernama DJOGJA yang bertempat di jalan
A. Yani Kosambi Bandung, dengan luas sekitar 100 m2 dan karyawan
berjumlah 8 orang, toko ini didirikan dan dikelola secara sederhana oleh
Bapak Gondosasmito dan keluarga. Barang yang dijual sebatas batik
dan perlengkapan Hari Raya, sehingga menyebabkan toko hanya ramai
pada saat-saat tertentu (biasanya menjelang Hari Raya).
Tahun 1972-1982, pengelolaan toko diserahkan kepada Bapak
Boedi Siswanto Basuki yang menikah dengan Ibu Tina Handayani,
Putri dari Bapak Gondosasmito. Perubahan strategi dilakukan oleh
Bapak Boedi dengan menambah variant barang penjualan, bukan hanya
batik tetapi dilengkapi dengan keperluan masyarakat sehari-hari.
Seiring dengan itu, toko semakin berkembang dan penulisan namanya
menjadi YOGYA.
Era generasi kedua Tahun 1978, rencana pembangunan dan
pengembangan toko dimulai dengan diketemukannya lokasi di Jalan
Sunda No. 60 dengan luas sekitar 1000 m2. Pada tanggal 28 Oktober
1982, sebuah Toserba YOGYA yang baru dengan luas toko sekitar 200
m2 di bangun dan dibuka di Jalan Sunda No. 60 dengan store Manager
Bapak Boedi Siswanto Basuki yang membawahi 40 orang karyawan.
Selanjutkan tanggal 28 Oktober ditetapkan sebagai hari lahir Toserba
YOGYA yang diperingati setiap tahunnya.
Era generasi ketiga dimulai pada bulan Juni 1998, Bapak Boedi
Siswanto Basuki menyerahkan pengelolaan kepada para professional
yang telah dibina beliau, dimana Bapak Susanto Wibowo ditunjuk
sebagai Presiden Direktur dan Bapak Boedi lebih berperan sebagai
penasehat serta pemberi motivasi bagi manajemen YOGYA. Pada Mei
1998, mendung menyelimuti keluarga besar YOGYA saat dua cabang
32
yang telah didirikan di Jakarta (Central Klender Plaza dan Daan Mogot
Mall) terbakar dalam kerusuhan.
Pada tanggal 16 Februari 2000 APRINDO melalui Menteri
Perindustrian dan Perdagangan RI menganugerahkan APRINDO Award
kepada Bapak Boedi Siswanto Basuki sebagai salah satu perintis ritel di
Indonesia. Selama tahun 1998-2006, dengan kondisi persaingan ritel
yang semakin dinamis, Toserba YOGYA terus tumbuh sebagai salah
satu perusahaan ritel yang cukup ternama. Setiap tahunnya, Toserba
YOGYA merencanakan pembukaan toko baru di berbagai daerah,
terutama wilayah Jawa Barat. Toserba YOGYA melakukan ekspansi
usaha dan hadir di Cirebon, Tasikmalaya, Sukabumi, Bogor, Sumedang,
Kuningan, Jakarta, Indramayu, Majalaya, Garut, Subang, Majalengka,
Purwakarta, Ciamis, Pamanukan, Banjar, Jamblang, Jatibarang, dan
Banjaran. YOGYA group dengan nama PT Akur Pratama memiliki luas
area toko yang bervariasi sehingga menyebabkan adanya pembagian
kategori toko yaitu: Toserba YOGYA, Toserba GRIYA dan Pasaraya
YOGYA. Sampai saat ini sudah berdiri 54 cabang yang dibagi ke dalam
9 wilaya Regional yairu:
1. Regional 1 (GRIYA Buah Batu,YOGYA Sunda 60, GRIYA Hemat
Sukarno Hatta, YOGYA Kopo Permai, GRIYA Sumber Sari,
GRIYA Lembang, GRIYA Margahayu, GRIYA Banjaran.
Regional Manager : Eddie Budianto
2. Regional 2 (Bandung Indah Plaza, GRIYA Jatinangor, YOGYA
Kosambi, GRIYA Pahlawan, GRIYA Dinasti, GRIYA Antapani,
GRIYA Ujung Berung, GRIYA Cicalengka, GRIYA Sumedang)
Regioal Manager : Hendra Gunawan
3. Regional 3 (YOGYA Kepatihan, YOGYA Sentra Sari, YOGYA
Caihampelas, GRIYA Setiabudi)
Regional Manager : Tunggul Waskito Aji
4. Regional 4 (GRIYA Cimanuk, GRIYA Arcamanik, GRIYA Ranca
Bolang, GRIYA Tanjung Sari, GRIYA Kopo Mas)
Regional Manager : Ruddy Atmaja
33
5. Regional 5 (YOGYA Tasikmalaya, YOGYA Mitra Batik, YOGYA

Garut, YOGYA Ciamis, YOGYA Banjar, YOGYA Majenang)
Regional Manager : H. Uus Kusnadi
6. Regional 6 (YOGYA Grand Cirebon, YOGYA Siliwangi, YOGYA
Rajawali,
GRIYA
Kuningan,
GRIYA
Jamblang,
GRIYA
Majalengka)
Reginoal Manager : Heri Mandala
7. Regional 7 (YOGYA Indramayu, GRIYA Jatibarang, YOGYA
Subang, YOGYA Pamanukan, YOGYA Purwakarta.
Regional Manager : Lizandre Thomas Noya
8. Regional 8 (YOGYA Mangga Dua, YOGYA Bogor, YOGYA Bogor
Indah Plaza, YOGYA Sukabumi, YOGYA Pondok Bambu)
Regional Manager : Charlie Rusli
9. Regional 9 (YOGYA Riau, YOGYA Cihampelas)
Regional Manager : Lilik Mawarwati
4.1.2. Sejarah Toserba YOGYA Cabang Banjar
Toserba
YOGYA
Banjar
merupakan
cabang
YOGYA
Departement Store yang ke 43. Terletak di Jalan Letnan Jenderal

Suwarto No. 36 di Kompleks Pertokoan di pusat kota Banjar.
Toserba YOGYA Banjar menempati areal seluas 800 m2
bertingkat dua, lantai bawah diperuntukkan untuk supermarket
sedangkan lantai atas diperuntukkan untuk fashion atau pakaian.
Kondisi fisik bangunan pada saat buka tanggal 12 Oktober 2004, baru
selesai 75% dari peruntukkan. Lantai atas 25% ruangan digunakan
untuk ruang administrasi dan gudang departemen Fashion, Food dan
General Marchandising (GMS). Pada tahun 2007 pembangunan sudah
selesai dengan pembagian lantai 1 digunakan untuk Supermarket,
Gudang Food, Ruang Personalia, dan Ruang Buyer, sedangkan untuk
lantai 2 digunakan untuk Fashion, Cafetaria, Game Master, Gudang
Non Food dan General Marchandising (GMS,) Ruang Keuangan,
Electronic Data Processing (EDP) dan Ruang Store Manager.
34
Personil (staff) Toserba YOGYA Banjar. Stuktur Organisasi dapat

dilihat pada Lampiran 1.
1.
Bp. Budi Santosa.
(Store Manager)
2.
Ignatius Riagung Tri.
(General Marchandising)
3.
Esih D.
(Staff Finance)
4.
Felix Radhitya.
(Supervisor Non Food)
5.
Erni L. S.
(Buyer)
6.
Aan E.
(Supervisor Fresh Food)
7.
Rinto S.
(Supervisor Fashion)
8.
Aceng J.
(Supervisor Food)
9.
Rina W.
(Supervisor Fashion)
10. Yoga
(Staff Receiving Goods)
Total karyawan yang ada di Toserba YOGYA Banjar sebanyak

87 orang. Toserba YOGYA Banjar dipimpin oleh seorang Store
Manager. Store Manager ini membawahi enam orang supervisor divisi,
yaitu Supervisor Finance, Supervisor Food, Supervisor Non food,
Supervisor Fresh, Supervisor General Merchandising (GMS), dan
Supervisor Receiving. Untuk divisi Food, Non Food, Fresh, dan
General
Merchandising
(GMS)
membawahi
service
crew
(pramuniaga), sedangkan divisi keuangan membawahi administrasi

keuangan dan kasir, divisi receiving membawahi administrasi receiving
dan service crew (pelaksana gudang)
4.1.3. Visi dan Misi Perusahaan
Toserba YOGYA juga memiliki visi dan misi agar tujuan
perusahaan mereka dapat tercapai dengan baik dan terarah. Visi Tetap
Menjadi Pilihan Utama (pilihan utama bagi konsumen, mitra usaha,
pasar tenaga kerja, shareholder, maupun masyarakat dan pemerintah di
tengah berbagai alternatif pilihan dan persaingan usaha). Misi Setia
Memenuhi Kebutuhan Masyarakat dengan corporate culture : Maju
dengan Karya Bersama serta moral filosofi : Jujur, Setia, dan Rendah
Hati. YOGYA group selalu berusaha mewujudkan kepuasan bagi
konsumen dengan menyediakan produk berkualitas, layanan yang
35
unggul, dan akrab bersahabat serta dalam suasana belanja yang

menyenangkan.
4.1.4. Kategori Produk
Toserba
YOGYA
Banjar
merupakan
usaha
ritel
yang
menyediakan berbagai jenis barang seperti peralatan rumah tangga,

makanan dan minuman, serta pakaian. Secara umum, produk yang
terdapat di Toserba YOGYA Banjar dikategorikan dalam lima
kelompok, yaitu Fresh, Food, Non food, General Merchandising
(GMS), dan Fashion.
Pengelompokkan ini dilakukan untuk memudahkan dalam
mengelola produk dan juga untuk memudahkan konsumen dalam
mencari dan memilih produk yang akan dibeli. Produk yang termasuk
ke dalam kategori Fresh adalah produk-produk yang memiliki masa
kesegaran cukup singkat, adalah sayur-sayuran, buah-buahan, ikan,
daging, daily and dairy.
Produk yang termasuk dalam kategori Food merupakan produkproduk kebutuhan sehari- hari yang dapat dimakan, makanan dan
minuman ringan, sembako, susu bubuk, bumbu masak. Produk Nonfood yang merupakan produk kebutuhan sehari-hari yang tidak dapat
dimakan, deterjen, peralatan mandi, kosmetik atau alat kecantikan.
Produk General Merchandising (GMS) merupakan produk-produk
tahan lama dan tidak memiliki masa kadaluarsa. Produk GMS
diantaranya, mainan, alat tulis / stationery, perlengkapan rumah tangga,
produk fashion.
4.2. Segmentation, Targeting, Positioning Toserba YOGYA
Segmen pasar konsumen Toserba YOGYA Banjar merupakan seluruh
masyarakat kota Banjar, segmentasi ini menguntungkan bagi pihak toserba
yang merupakan satu-satunya Toserba karena menciptakan potensi pasar
yang besar, akan menghasilkan biaya yang lebih rendah atau marjin yang
lebih tinggi. Toserba menentukan pasar sasaran atau targetting dengan
memutuskan beberapa segmen pasar yang akan dicakup, lalu memilih segmen
mana yang akan dilayani. Targeting yang dilakukan oleh Toserba YOGYA
36
seluruh pasar atau semua orang dengan membidik konsumen semua kalangan,
karena
YOGYA
menyediakan kebutuhan
sehari-hari
dengan
harga
terjangkau. Toserba YOGYA memposisikan tokonya sebagai toko yang

menjadi pilihan utama untuk para konsumennya, karena Toserba memberikan
kepuasan kepada konsumen, dengan menyediakan produk-produk berkualitas,
memberikan layanan unggul, akrab, bersahabat dengan suasana pelayanan
yang menyenangkan.
4.3. Aplikasi Analisis Keranjang Belanja (Market Basket Analysis)
Analisis keranjang belanja (Market basket analysis), atau MBA
merupakan salah satu tipe analisis data yang paling sering digunakan dalam
dunia pemasaran. Tujuan dari MBA adalah untuk menentukan produk-produk
(jasa) apa saja yang paling sering dibeli atau digunakan sekaligus oleh para
pelanggan. Istilah analisis ini sendiri datang dari kejadian yang sudah sangat
umum terjadi di dalam supermarket, yaitu ketika para pelanggan memasukan
semua barang yang mereka beli ke dalam keranjang (market basket) yang
umumnya telah disediakan oleh pihak supermarket itu sendiri (Megaputer,
2007).
Informasi mengenai produk-produk yang biasanya dibeli secara
bersama-sama oleh para pelanggan dapat memberikan wawasan tersendiri
bagi para pengelola toko atau swalayan untuk menaikkan laba bisnisnya.
Misalnya, seorang manajer toko bisa saja memanfaatkan informasi seperti ini
untuk menempatkan produk-produk yang umumnya dibeli bersama-sama ke
dalam sebuah area yang berdekatan jaraknya. Hal ini bertujuan untuk
memudahkan mayoritas pembeli agar semakin senang membeli beberapa
produk berlainan sekaligus. Informasi ini juga dapat digunakan untuk
menyampaikan ide mendasar dari Market Basket Analysis, dimulai dengan
melihat gambar keranjang belanjaan yang berisi bermacam-macam barangbarang yang dibeli oleh seseorang disebuah supermarket
Market Basket Analysis juga menyediakan pengertian tentang barang
dagangan dengan memberitahukan kepada kita produk-produk mana yang
memungkinkan untuk dibeli secara bersamaan dan produk mana yang lebih
disetujui untuk di promosikan. Informasi ini dapat digunakan dalam
37
menentukan tata letak rak toko yang baru, menetapkan produk-produk mana
yang akan diletakan dalam tempat yang khusus, mengidentifikasi ketika
persoalannya berpasangan/kupon (issue coupons), dan lain sebagainya.
Market Basket Analysis menawarkan sekumpulan permasalahan bisnis yang
berkaitan untuk mengetahui point of sale dari data transaksi Toserba YOGYA
(Lampiran 2).
Fungsi ini paling banyak digunakan untuk menganalisa data dalam
rangka keperluan strategi pemasaran, desain catalog, dan proses pembuatan
keputusan bisnis. Aturan asosiasi mengcapture item atau kejadian dalam data
berukuran besar yang berisi data transaksi. Kemajuan teknologi yang semakin
canggih membuat data penjualan dapat disimpan dalam jumlah besar yang
disebut dengan basket data.
Hasil pengolahan data transaksi penjualan (Lampiran 3) selama satu
bulan (28 hari) berupa informasi produk, promosi, diskon dan waktu
pembelian di Toserba YOGYA Banjar dengan menggunakan algoritma
apriori untuk masalah penggalian kaidah asosiasi kuantitatif akan
menghasilkan kaidah asosiasi yang bisa menjadi informasi penting bagi
Toserba YOGYA.
4.4. Kaidah Asosiasi pada Item-item Penjualan
Analisis pertama yang dilakukan menggali pengaruh waktu terhadap
penjualan suatu produk. Hasil analisis pengaruh waktu terhadap jumlah
penjualan jeruk dan mie dapat dilihat pada Tabel 3.
Tabel 3. Support_count untuk kandidat 1 itemset
1 itemset
Support
Count
2089
2120
1481
1145
1583
Support (%)
Jeruk
49,63
Mie
50,37
T1
35,19
T2
27,20
T3
37,61
Ketarangan :
T1 : Waktu pembelian antara jam 09:00-13:06 WIB
38
Berdasarkan Tabel 3 terdapat nilai support yang menunjukkan

persentasi item jeruk, mie, dan waktu pembelian yang muncul dari semua
transaksi yang mengandung jeruk, mie, jeruk dan mie.
Jumlah transaksi
penjualannya sebanyak 4209 transaksi. Nilai support untuk jeruk adalah

49,63% yang berarti bahwa 49,63% dari seluruh transaksi yang terjadi
mengandung item jeruk, sedangkan nilai support untuk mie adalah 50,37%
yang berarti bahwa 50,37% dari seluruh transaksi yang terjadi mengandung
item mie. Perbandingan nilai kedua item tersebut menunjukkan bahwa
pembelian untuk item mie lebih banyak dari pada pembelian item jeruk.
Konsumen berbelanja pada waktu yang berbeda-beda, dari tabel dapat terlihat
Toserba YOGYA banyak didatangi konsumen untuk berbelanja pada T3
(Waktu pembelian antara jam 17:14-21:20 WIB), karena nilai support yang
dihasilkan sebesar 37,61%. Jika dibandingkan dengan T2 (Waktu pembelian
antara jam 13:07-17:13 WIB) 27,20%, dan T1 (Waktu pembelian antara jam
09:00-13:06 WIB) 35,19% karena nilai support keduanya lebih rendah.
Tabel dibawah, menunjukkan kandidat untuk 2itemset dengan
menentukan support_count, untuk kandidat frequent 2 itemset (Tabel 4).
Tabel 4. Support count untuk kandidat 2 itemset produk dan waktu
pembelian
T1
T2
T3
2itemset
Support Support Support Support Support Support
Count
(%) Count (%) Count (%)
Jeruk
730
17,34
615
14,61
744
17,68
Mie
751
17,84
530
12,60
839
19,93
Berdasarkan Tabel 4 terdapat nilai support waktu pembelian dengan
jeruk dan nilai support waktu pembelian dengan mie. Nilai support yang
dihasilkan antara waktu pembelian dengan jeruk yang paling tinggi adalah
jeruk banyak dibeli pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB)
dengan nilai support 17,68% yang berarti bahwa 17,68% dari seluruh
transaksi yang terjadi mengandung pembelian jeruk yang dilakukan pada T3
(Waktu pembelian antara jam 17:14-21:20 WIB). Pembelian untuk mie
banyak juga dilakukan pada T3 (Waktu pembelian antara jam 17:14-21:20
WIB) dengan nilai support 19,93%, yang berarti bahwa 19,93% dari seluruh
39
transaksi yang terjadi mengandung pembelian mie pada T3 (Waktu pembelian

antara jam 17:14-21:20 WIB).
Menentukan
kandidat
untuk
itemset
dengan
menentukan
support_count, yang akan memperlihatkan ketiga item yang saling berasosiasi

(Tabel 5).
Tabel 5. Support count untuk kandidat 3 itemset T1
3itemset (T1)
Jeruk
Mie
Jeruk
Support
Support
Count
(%)
593
40,04
137
9,25
Mie
Support
Support
Count
(%)
137
9,25
614
41,46
Berdasarkan Tabel 5 terdapat nilai support untuk waktu pembelian

antara jeruk dan mie dibeli bersamaan (tidak memperhatikan urutan
pembelian item) memiliki nilai support terkecil yaitu 18,50% (nilai support
9,25% dan nilai support 9,25%) yang berarti 18,50% dari semua transaksi
yang terjadi mengandung jeruk dan mie yang dilakukan pada T1 (Waktu
pembelian antara jam 09:00-13:06 WIB), sedangkan untuk nilai support yang
paling tinggi adalah pada pembelian mie pada T1 (Waktu pembelian antara
jam 09:00-13:06 WIB), sebesar 41,46% dibandingkan dengan pembelian
jeruk pada T1 (Waktu pembelian antara jam 09:00-13:06 WIB), sebesar
40,04%.
3itemset (T2)
Jeruk
Mie
Jeruk
Support
Support
Count
(%)
509
44,45
106
9,26
Mie
Support
Support
Count
(%)
106
9,26
424
37,03
Berdasarkan Tabel 6 terdapat nilai support terkecil untuk waktu

pembelian antara jeruk dan mie dibeli bersamaan (tidak memperhatikan
urutan pembelian item) yaitu 18,52% (nilai support 9,26% dan nilai support
9,26%) yang berarti 18,52% dari semua transaksi yang terjadi mengandung
jeruk dan mie yang dilakukan pada T2 (Waktu pembelian antara jam 13:0717:13 WIB). Sedangkan untuk nilai support yang paling tinggi adalah pada
pembelian jeruk pada T2 (Waktu pembelian antara jam 13:07-17:13 WIB),
40
sebesar 44,45% dibandingkan dengan pembelian mie pada T2 (Waktu

pembelian antara jam 13:07-17:13 WIB), sebesar 37,03%.
3-itemset
(T3)
Jeruk
Mie
Jeruk
Support
Support
Count
(%)
588
37,140
156
9,855
Mie
Support
Support
Count
(%)
156
9,855
683
43,150
Berdasarkan Tabel 7 terdapat nilai support terkecil untuk waktu

pembelian antara jeruk dan mie dibeli bersamaan (tidak memperhatikan
urutan pembelian item) yaitu 19,71% ( nilai support 9,855% dan nilai support
9,855%) yang berarti 19,71% dari semua transaksi yang terjadi mengandung
jeruk dan mie yang dilakukan pada T3 (Waktu pembelian antara jam 13:0717:13 WIB). Sedangkan untuk nilai support yang paling tinggi adalah pada
pembelian mie pada T3 (Waktu pembelian antara jam 13:07-17:13 WIB),
sebesar 43,150% dibandingkan dengan pembelian jeruk pada T3 (Waktu
pembelian antara jam 13:07-17:13 WIB), sebesar 37,140%.
Tabel 8. Nilai support dan confidence dari kaidah asosiasi
Frequent kitemset
T1_Mie
T2_Mie
T3_Mie
T1_Jeruk
T2_Jeruk
T3_Jeruk
Mie_jeruk_T1
Mie_jeruk_T2
Mie_jeruk_T3
Kaidah Asosiasi
T1Mie
T2Mie
T3Mie
T1Jeruk
T2Jeruk
T3Jeruk
Mie dan jeruk
pagi
Mie dan jeruk
siang
Mie dan jeruk
malam
Support (%)
Confidence (%)
17,84
12,60
19,93
17,34
14,61
17,68
9,250
50,71
46,29
53,00
49,29
53,71
47,00
34,335
9,260
26,565
9,855
39,100
Berdasarkan Tabel 8 menunjukkan jeruk lebih banyak dibeli pada T3

(Waktu pembelian antara jam 17:14-21:20 WIB) 17,68% dibandingkan
dengan T1 (Waktu pembelian antara jam 09:00-13:06 WIB) 14,61% dan T2
(Waktu pembelian antara jam 13:07-17:13 WIB) 17,34% dengan tingkat
kepercayaan terbesar 49,29%. Kaidah tersebut dapat diterjemahkan bahwa,
sebanyak 17,68% dari seluruh data, jika pada T3 (Waktu pembelian antara
41
jam 17:14-21:20 WIB) maka jeruk dibeli, dengan derajat kepercayaan sebesar
49,29%. Mie lebih banyak dibeli pada T3 (Waktu pembelian antara jam
17:14-21:20 WIB) 19,93% dibandingkan dengan T2 (Waktu pembelian antara
jam 13:07-17:13 WIB) 12,60% dan T1 (Waktu pembelian antara jam 09:0013:06 WIB) 17,84% dengan tingkat kepercayaan terbesar 53,00%. Kaidah
tersebut dapat diterjemahkan, bahwa sebanyak 19,93% dari seluruh data, jika
pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) maka jeruk dibeli,
dengan derajat kepercayaan sebesar 53,00%. Penelitian ini memberikan
informasi bahwa pembelian jeruk dan mie lebih banyak dilakukan pada T3
(Waktu pembelian antara jam 17:14-21:20 WIB) sehingga pihak Toserba
lebih memperhatikan untuk persediaan produk yang dipengaruhi oleh waktu.
Analisis kedua untuk mengetahui asosiasi antara promosi, diskon dan
waktu pembelian. Menentukan kandidat untuk 1itemset dengan menentukan
support_count atau support, dapat dilihat pada dalam Tabel 9.
Menentukan gugus item yang sering muncul (frequent 1 itemset),
Frequent 1 itemset yang didapat adalah P1, P2, D1, D2, T1, T2, T3.
Tabel 9. Support count untuk kandidat 1 itemset
1itemset
Support Count
Support (%)
P1
42073
93,30
P2
3022
6,70
D1
27741
61,52
D2
17354
38,48
T1
15577
34,55
T2
11825
26,22
T3
17693
39,23
Keterangan:
P1 : Tidak Promosi
P2 : Promosi
D1 : Tidak Diskon
D2 : Diskon
persentasi nilai support pada setiap item. Jumlah seluruh item adalah 45095
item. Nilai support untuk P1 (tidak diskon) mencapai 93,30% lebih besar
dibandingkan P2 (diskon) 6,70%, untuk D1 (tidak diskon) 61,52% lebih besar
42
dibandingkan D2 (diskon) 38,48%, sedangkan untuk nilai support waktu yang

lebih banyak digunakan konsumen untuk berbelanja adalah pada T3 (Waktu
pembelian antara jam 17:14-21:20 WIB) 39,23% dibandingkan T2 (Waktu
pembelian antara jam 13:07-17:13 WIB) 26,22%, dan T1 (Waktu pembelian
antara jam 09:00-13:06 WIB) 34,55%.
Menentukan kandidat untuk 2 itemset dengan data support_count nya
untuk kandidat frequent 2 itemset dapat dilihat pada Tabel 10.
Tabel 10. Support count dan support untuk 2 itemset yaitu promosi dan
diskon
D1
D2
2 itemset Support
Support
Support
Support
Count
(%)
Count
(%)
P1
27715
61,46
14358
31,84
P2
26
0,06
2996
6,64
Berdasarkan Tabel 10 terdapat nilai support yang paling besar adalah
pada P1 (tidak diskon) dan D1 (tidak diskon) sebesar 61,46% menunjukkan
bahwa 61,46% dari seluruh item yang dibeli merupakan item yang tidak
promosi dan tidak diskon. Nilai support terkecil adalah pada P2 (promosi)
dan D2 (diskon) sebesar 0,06%, menunjukan bahwa 0,06% dari seluruh item
yang dibeli merupakan item yang promosi dan diskon. Hal ini menunjukkan
bahwa produk yang dipromosikan dan didiskon tidak banyak dibeli oleh
konsumen Toserba YOGYA Banjar.
Tabel 11. Support count dan support untuk 2itemset yaitu diskon dan
waktu pembelian
T1
T2
T3
2itemset Support Support Support Support Support Support
Count (%)
Count
(%)
Count
(%)
D1
9903 21,96
7086
15,72
10752
23,84
D2
5674 12,58
4736
10,51
6941
15,39
pada D1 (tidak diskon) dan T3 (Waktu pembelian antara jam 17:14-21:20
WIB) sebesar 23,84% menunjukkan bahwa 23,84 % dari seluruh item yang
dibeli pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) mengandung
item yang tidak diskon. Nilai support terkecil pada D2 (diskon) dan T2
(Waktu pembelian antara jam 13:07-17:13 WIB) sebesar 10,51%,
43
menunjukkan bahwa 10,51% dari seluruh item yang dibeli pada T2 (Waktu
pembelian antara jam 13:07-17:13 WIB) mengandung item yang diskon.
Tabel 12. Support count dan support untuk
waktu pembelian
T1
T2
2 itemset Support Support Support Support
Count (%)
Count
(%)
P1
14562 32,29 11054
24,51
P2
1015
2,25
771
1,71
2 itemset yaitu promosi dan
Support
Count
16457
1236
T3
Support
(%)
36,50
2,74

pada P1 (tidak promosi) dan T3 (Waktu pembelian antara jam 17:14-21:20
WIB) sebesar 36,50% menunjukkan bahwa 36,50% dari seluruh item yang
dibeli dilakukan pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB)
dengan item tidak promosi. Nilai support terkecil pada P2 (promosi) dan T2
(Waktu
pembelian
antara
jam
13:07-17:13
WIB)
sebesar
1,71%,
menunjukkan bahwa 1,71% dari seluruh item yang dibeli pada T2 (Waktu
pembelian antara jam 13:07-17:13 WIB) mengandung item yang promosi.
Menentukan kandidat untuk 3itemset dengan menentukan support
count, dapat dilihat pada Tabel 13.
Tabel 13. Support count dan support untuk 3 itemset promosi, waktu
pembelian dan tidak diskon
T1
T2
T3
3 itemset
Untuk
Support Support Support Support Support Support
D1
Count
(%)
Count
(%)
Count
(%)
P1
4668
26,90
3969
22,87
5721
32,97
P2
1006
5,80
770
4,44
1220
7,03
pada D1 (tidak diskon), P1 (tidak promosi) dan T3 (Waktu pembelian antara
jam 17:14-21:20 WIB) sebesar 32,97% menunjukkan bahwa 32,97% dari
seluruh item yang dibeli dilakukan pada T3 (Waktu pembelian antara jam
17:14-21:20 WIB) dengan item (P1) tidak promosi dan (D1) tidak diskon.
Nilai support terkecil adalah pada D1 (tidak diskon), P2 (promosi) dan T2
(Waktu
pembelian
antara
jam
13:07-17:13
WIB)
sebesar
4,44%,
menunjukkan bahwa 4,44% dari seluruh item yang dibeli dilakukan pada T2
44
(Waktu pembelian antara jam 13:07-17:13 WIB) dengan item D1 (tidak

promosi) dan P2 (promosi).
Tabel 14. Support count dan support untuk
pembelian dan diskon
T1
T2
3 itemset
Support Support Support Support
Untuk D2
Count
(%)
Count
(%)
P1
9894 35,665 7085 25,541
P2
9
0,032
1
0,004
3 itemset promosi, waktu

T3
Support Support
Count
(%)
10736
38,700
16
0,058

pada D2 (diskon), P1 (tidak promosi) dan T3 (Waktu pembelian antara jam
17:14-21:20 WIB) sebesar 38,700% menunjukkan bahwa 38,700% dari
seluruh item yang dibeli dilakukan pada T3 (Waktu pembelian antara jam
17:14-21:20 WIB) dengan item (P1) tidak promosi dan (D2) diskon. Nilai
support terkecil adalah pada D2 (tidak diskon), P2 (promosi) dan T2 (Waktu
pembelian antara jam 13:07-17:13 WIB) sebesar 0,004%, menunjukkan
bahwa 0,004% dari seluruh item yang dibeli dilakukan pada T2 (Waktu
pembelian antara jam 13:07-17:13 WIB) dengan item D2 (tidak diskon) dan
P2 (promosi).
Tabel 15. Nilai support dan confidence dari kaidah asosiasi
Frequent kitemset
P1_D1
P1_D2
D1_T1
D1_T2
D1_T3
D2_T1
D2_T2
D2_T3
P1_T1
P1_T3
D1_P1_T1
D1_P1_T2
D1_P1_T3
D2_P1_T1
D2_P1_T2
D2_P1_T3
Kaidah Asosiasi
Support (%)
Confidence (%)
P1D1
P1D2
D1T1
D1T2
D1T3
D2T1
D2T2
D2T3
P1T1
P1T3
D1 dan P1T1
D1 dan P1T2
D1 dan P1T3
D2 dan P2T1
D2 dan PIT2
D2 dan P2T3
61,46
31,84
21,96
15,72
23,84
12,58
10,51
15,39
32,29
36,50
35,67
24,54
38,70
26,90
22,87
32,97
65,87
34,13
35,70
25,52
38,88
32,70
27,29
40,00
34,61
39,11
43,56
26,56
47,36
32,51
27,64
39,85
Berdasarkan Tabel 15 kaidah asosiasi yang dihasilkan dengan nilai

support dan confidence tertinggi seperti tampak pada bagian tabel ke 7 baris
ke 2. Kaidah tersebut dapat diterjemahkan bahwa Sebanyak 61,46% dari
45
seluruh item yang dibeli, jika tidak dilakukan promosi maka tidak ada diskon,
dengan derajat kepercayaan sebesar 65,87%. Hasil analisis menunjukkan
bahwa item yang sering dibeli oleh sebagian besar masyarakat Banjar di
Toserba YOGYA adalah item yang tidak promosi dan tidak diskon.
Analisis ketiga untuk mengetahui nilai support pada waktu pembelian
dan lima produk berbeda dapat dilihat pada Tabel 16.
Tabel 16. Support count dan support untuk 1 itemset yaitu waktu
pembelian dan lima produk.
1 itemset
Support Count
Support(%)
A1
2040
34,4
A2
1736
29,3
A3
2158
26,4
B
1753
29,5
C
1223
20,6
D
1039
17,5
E
647
10,9
F
373
6,3
Keterangan :
A1 : Waktu pembelian antara jam 09:00-13:06 WIB
A2 : Waktu pembelian antara jam 13:07-17:13 WIB
A3: Waktu pembelian antara jam 17:14-21:20 WIB
B : Item susu
C : Item buah
D : Item mie
E : Item telur
F : Item minyak goreng
persentasi nilai support pada setiap item. Jumlah seluruh transaksi adalah
5935 transaksi. Setiap item memiliki nilai support yang berbeda-beda, untuk
item produk yang paling tinggi adalah untuk item B (susu) dengan nilai
support 20,6% menunjukkan bahwa dari semua transaksi yang terjadi 20,6%
mengandung item susu, sedangkan untuk waktu pembelian konsumen
Toserba yang paling banyak konsumennya adalah pada A1 (Waktu pembelian
antara jam 09:00-13:06 WIB) dengan nilai support 34,4%.
Hasil dari analisis keranjang belanja adalah daftar produk-produk
dan aturan-aturan asosiasi yang terkait yaitu antara waktu pembelian, produk
(susu, buah, mie, telur, minyak goreng). Dari tabel diatas memperlihatkan
nilai support dan confidence dari setiap itemset yang menunjukkan bahwa
46
item dengan nilai support tinggi berarti dari semua transaksi yang terjadi
kemungkinan dibeli item tersebut sangat tinggi, jika nilai confedence juga
tinggi berarti menunjukkan tingkat kepercayaan yang tinggi.
Nilai support untuk 1 itemset pada item waktu dengan nilai support
paling tinggi adalah pada A1 (Waktu pembelian antara jam 09:00-13:06
WIB) dan untuk produk adalah B (susu). A1 (Waktu pembelian antara jam
09:00-13:06 WIB) memiliki nilai support 34,4 % yang menunjukkan 34,4 %
dari semua transaksi dilakukan pada A1 (Waktu pembelian antara jam 09:0013:06 WIB). B (susu) memiliki nilai support 29,5 %, yang menunjukkan 29,5
% dari semua transaksi yang terjadi mengandung item B (susu). Pada asosiasi
2 itemset, 3 itemset, 4 itemset, 5 itemset, dan 6 itemset akan menghasilkan
suatu kaidah asosiasi antara beberapa produk atau waktu sehingga
menghasilkan aturan disertai dengan nilai support dan nilai confidence,
kaidah asosiasi tertinggi yang dihasilkan dapat dilihat pada Tabel 17.
Tabel 17. Support count dan support untuk 2 itemset (A, B. C. D, E, F)
2 itemset
A3,B
A3,C
A3,D
A3,E
A3,F
B,C
B,D
B,E
B,F
C,D
C,E
C,F
D,E
D,F
E,F
Kaidah
asosiasi
A3B
A3C
A3D
A3E
A3F
BC
BD
BE
BF
CD
CE
CF
DE
DF
EF
Support Count
Support(%)
Confidence (%)
644
466
409
274
159
441
647
11,1
7,9
6,9
4,6
2,7
7,4
8,7
5,3
3,2
4,8
3,0
1,9
5,8
3,1
2,4
29,8
21,6
19,0
12,7
7,3
25,2
36,9
18,0
10,9
23,1
14,7
9,1
33,4
17,4
21,6
315
191
283
180
111
347
181
140
Berdasarkan Tabel 17 nilai support dan nilai confidence untuk 2

itemset (nilai support paling tinggi) A3, B : A3B, nilai support 11,1% dan
nilai confidence 29,8%. Artinya jika pada A3 (Waktu pembelian antara jam
17:14-21:20 WIB) maka dibeli B (susu) dengan tingkat kepercayaan 29,8%
yang menunjukkan 11,1% dari semua transaksi yang terjadi mengandung B
47
(susu) yang dilakukan pada A3 (Waktu pembelian antara jam 17:14-21:20

WIB).
Tabel 18. Support count dan support untuk 3itemset (A, B, C, D, E, F)
3 itemset
Kaidah asosiasi
Support Count
Support (%)
Confidence (%)
A3,B,C
A3,BC
A3B,C
A1,BD
A1B,D
A3,BE
A3B,E
A3,BF
A3,B,F
A3,CD
A3C,D
A3,CE
A3C,E
A3,CF
A3C,F
A3,DE
A3D,E
A3,DF
A3D,F
A3,EF
A3E,F
B,CD
BC,D
B,CE
BC,E
B,CF
BC,F
B,DE
BD,E
B,DF
BD,F
B,EF
BEF
C,DE
CD,E
C,DF
CD,F
C,EF
CE,F
D,EF
DE,F
176
3,0
205
3,5
126
2,1
83
1,4
115
1,9
78
1,3
40
0,7
160
2,7
78
1,3
67
1,1
149
2,5
99
1,7
57
1,0
188
3,2
109
1,8
82
1,4
106
1,8
58
14,9
45
0,8
95
1,6
26,5
8,2
14,7
10,0
19,6
5,9
12,9
3,8
24,7
5,3
16,7
3,6
8,6
1,9
39,1
7,4
19,0
3,6
24,5
3,1
33,8
8,5
22,4
5,6
12,9
3,3
29,1
10,7
16,8
6,2
42,9
4,7
37,5
8,7
20,5
4,7
25,0
3,7
27,4
9,1
A1,B,D
A3,B,E
A3,B,F
A3,C,D
A3,C,E
A3,C,F
A3,D,E
A3,D,F
A3,E,F
B,C,D
B,C,E
B,C,F
B,D,E
B,D,F
B,E,F
C,D,E
C,D,F
C,E,F
D,E,F

itemset (nilai support paling tinggi) C, D, F : C, DF, nilai support 14,9%
dan nilai confidence 20,5% yang artinya jika C (buah) dan D (mie) di beli
maka F (minyak goreng) dibeli, dengan tingkat kepercayaan 20,5% yang
48
menunjukkan 14,9% dari semua transaksi yang terjadi mengandung C (buah),

D (mie) dan F (minyak goreng).
Tabel 19. Support count dan support untuk 4 itemset (A, B, C, D, E, F)
4 itemset
Kaidah asosiasi
Support Count
Support (%)
A3,B,C,D
A3,B,CD
A3,BC,D
A3B,C,D
A1,B,CE
A1,BC,E
A1B,C,E
A3,B,CF
A3,BC,F
A3B,C.F
A3,B,DE
A3,BD,E
A3B,D,E
A3,B,DF
A3,BD,F
A3B,D,F
A3,B,EF
A3,BE,F
A3B,E,F
A3,C,DE
A3,CD,E
A3C,D,E
A2,C,DF
A2,CD,F
A2C,D,F
A1,C,EF
A1,CE,F
A1C,E,F
A2,D,EF
A2,DE,F
A2D,E,F
B,C,DE
B,CD,E
BC,D,E
B,C,DF
B,CD,F
BC,D,F
58
1,0
40
0,7
21
0,4
82
1,4
52
0,9
36
0,6
44
0,7
22
0,4
15
0,3
23
1,1
65
2,5
31
0,5
A1,B,C,E
A3,B,C,F
A3,B,D,E
A3,B,D,F
A3,B,E,F
A3,C,D,E
A2,C,D,F
A1,C,E,F
A2,D,E,F
B,C,D,E
B,C,D,F
Confidence (%)
33,0
9,0
2,7
25,3
6,2
2,0
11,9
3,3
1,0
42,3
12,7
3,8
26,8
8,1
2,5
28,6
5,6
1,7
38,3
9,4
2,0
27,2
16,3
1,3
24,2
3,5
0,7
29,9
8,8
1,3
43,6
14,7
3,7
20,8
7,0
1,8

itemset (nilai support paling tinggi) B, C, D, E : B, C, DE, nilai support
2,5% dan nilai confidence 43,6% yang artinya jika B (susu), C (buah), D (mie)
dibeli maka E (telur) di beli dengan tingkat kepercayaan 43,6% yang
menunjukkan 2,5% dari semua transaksi yang terjadi mengandung B (susu), C
(buah), D (mie) dan E (telur).
49
Tabel 20. Support count dan support untuk 5 itemset (A, B, C, D, E, F)

5 itemset
Kaidah asosiasi
Support Count
Support(%)
Confidence (%)
A3,B,C,D,E
A3,B,C,D-E
A3,B,CD,E
A3,BC,D,E
A3B,C,D,E
A3,B,C,DF
A3,B,CD,F
A3,BC,D,F
A3B,C,D,F
A1,B,C,EF
A1,B,CE,F
A1,BC,E,F
A1B,C,E,F
A3,B,D,EF
A3,B,DE,F
A3,BD,E,F
A3B,D,E,F
A1,C,D,EF
A1,C,DE,F
A1,CD,E,F
A1C,D,E,F
B,C,D,EF
B,C,DE,F
B,CD,E,F
BC,D,E,F
23
0,4
11
0,2
12
0,2
30
0,5
14
0,5
14
0,2
39,6
13,0
3,6
1,1
19,0
6,25
1,7
0,5
30,0
7,6
1,9
0,6
36,6
15,5
4,7
1,4
40.0
16,1
3,3
0,7
21,5
9,4
3,2
0,8
A3,B,C,D,F
A1,B,C,E,F
A3,B,D,E,F
A1,C,D,E,F
B,C,D,E,F

itemset (nilai support paling tinggi) A3, B, D, E, F : A3, B, D, EF, nilai
support 0,5% dan nilai confidence 36,6%, yang artinya jika pada A3 (Waktu
pembelian antara jam 17:14-21:20 WIB) dibeli B (susu), D (mie), E (telur)
maka F (miyak goreng) dibeli, dengan tingkat kepercayaan 36,6% yang
menunjukkan 0,5% dari semua transaksi yang terjadi pada A3 (Waktu
pembelian antara jam 17:14-21:20 WIB) mengandung B (susu), D (mie), E
(telur), F (minyak goreng).
Tabel 21. Support count dan support untuk 6-itemset (A, B, C, D, E, F)
6 itemset
Kaidah asosiasi
Support Count
Support(%)
Confidence (%)
A1,B,C,D,E,F
A1,B,C,D,EF
A1,B,C,DE,F
A1,B,CD,E,F
A1,BC,D,E,F
A1B,C,D,E,F
0,1
26,9
13,5
4,4
0,1
0,3

itemset (nilai confidence paling tinggi) A1, B, C, D, E, F : A1, B, C, D, EF,
nilai support 0,1% dan nilai confidence 26,9%, yang artinya jika pada A1
(Waktu pembelian antara jam 09:00-13:06 WIB) dibeli B (susu), C (buah), D
50
(mie), E (telur) maka F (miyak goreng) dibeli, dengan tingkat kepercayaan

26,9% yang menunjukkan 0,1% dari semua transaksi yang terjadi pada
malam hari mengandung B (susu), C (buah), D (mie), E (telur), F (minyak
goreng).
Berdasarkan semua hasil kaidah asosiasi dapat terlihat adanya
beberapa item produk yang dibeli pada saat bersamaan dengan nilai support
cukup besar, sehingga bisa dijadikan informasi, jika perusahaan akan
melakukan diskon dengan konsep berpasangan dan mengetahui waktu
berbelanja yang banyak dikunjungi.
4.4. Implikasi Manajerial
Berdasarkan pembahasan di atas memberikan informasi yang berguna
bagi pihak Toserba YOGYA dalam mengambil keputusan-keputusan bisnis.
Analisis data transaksi dihasilkan informasi bahwa pembelian untuk item
jeruk sering dilakukan pada malam hari, ini berarti pihak Toserba sebaiknya
untuk lebih memperhatikan persediaan jeruk pada malam hari, agar produk
selalu ada ketika konsumen membutuhkan, sehingga konsumen merasakan
kepuasan dan kenyamanan berbelanja. Hal ini akan mempengaruhi konsumen
untuk kembali lagi berbelanja.
Hasil asosiasi promosi dan diskon diketahui tingkat pembelian pada
setiap item yang tidak promosi dan tidak diskon berjumlah lebih banyak,
menunjukan konsumen loyal terhadap produknya dan Toserba sebagai satusatunya Toserba di kota Banjar, namun untuk pihak Toserba disarankan tetap
melakukan promosi penjualan untuk menimbulkan keinginan membeli pada
setiap konsumen yang pada awalnya tidak ingin membeli suatu produk
tertentu menjadi tertarik untuk membelinya. Hal ini akan memberikan
keuntungan bagi pihak Toserba dengan peningkatan penjualan.
Hasil analisis ini memiliki informasi penting yang dapat meningkatkan
kualitas kerja karyawan karena karyawan mengetahui kapan saja persediaan
harus diperbanyak sehingga karyawan mempunyai perkiraan yang tepat
dalam mempersiapkan produk-produk tersebut. Memberikan ide-ide bagi
51
karyawan bagian promosi dengan melihat produk yang sering dibeli

bersamaan dengan menggunakan teknik diskon berpasangan.
KESIMPULAN DAN SARAN
1. Kesimpulan
a.
Penelitian ini memperlihatkan bahwa Analisis Keranjang Belanja tidak

hanya digunakan untuk menentukan kecenderungan pelanggan dalam
membeli barang-barang secara bersamaan, tetapi dapat digunakan untuk
melihat kapan suatu barang dibeli pada jumlah yang paling besar, mencari
hubungan
diantara
himpunan
barang-barang
yang
berbeda,
dan
memberikan informasi lain yang dihasilkan dalam transaksi penjualan

berupa hubungan promosi, diskon dan waktu pembelian.
b.
Analisis pertama menghasilkan kaidah asosiasi berupa jeruk lebih banyak

dibeli pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) 17,68% di
bandingkan dengan T1 (Waktu pembelian antara jam 09:00-13:06 WIB)
14,61% dan T2 (Waktu pembelian antara jam 13:07-17:13 WIB) 17,34%
dengan tingkat kepercayaan terbesar 49,29%. Mie lebih banyak dibeli
pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) 19,93%
dibandingkan dengan T2 (Waktu pembelian antara jam 13:07-17:13 WIB)
12,60% dan T1 (Waktu pembelian antara jam 09:00-13:06 WIB) 17,84%
dengan tingkat kepercayaan terbesar 53,00%.
c.
Analisis kedua menghasilakan kaidah asosiasi berupa apabila tidak

promosi maka tidak diskon dengan nilai support 61,46% dan nilai
confidence 65,87%, hal tersebut dapat diterjemahkan bahwa Sebanyak
61,46% dari seluruh item yang dibeli, jika tidak dilakukan promosi maka
tidak ada diskon, dengan derajat kepercayaan sebesar 65,87%.
d.
Analisis ketiga antara enam item, menghasilkan banyak kaidah asosiasi

salah satu kaidah yang memiliki nilai support dan nilai confidence tinggi
(kedua nilainya relatif tinggi dengan tingkat perbedaan nilai keduanya
tidak signifkan) daripada yang lainnya adalah C, D, F : C, DF, nilai
support 14,9% dan nilai confidence 20,5% yang artinya apabila C (buah)
dan D (mie) di beli maka F (minyak goreng) dibeli, dengan tingkat
53
kepercayaan 20,5% yang menunjukan 14,9% dari semua transaksi yang

terjadi mengandung C (buah), D (mie) dan F (minyak goreng).
e.
Kaidah asosiasi yang didapat dari tiga analisis yang dilakukan belum dapat
ditarik pengetahuaan yang cukup signifikan, karena dari tingkat
kepercayaan yang didapat masih relatif rendah.
f.
Implikasi manajerial bagi perusahaan adalah perusahaan dapat mengetahui

produk apa saja yang sering dibeli bersamaan sehingga bisa dijadikan
dasar dalam perumusan strategi pemasaran yaitu melakukan promosi atau
diskon berpasangan, menyiapkan persediaan yang lebih banyak pada
waktu dimana suatu barang banyak dibeli.
2. Saran
a.
Toserba YOGYA Banjar disarankan memberikan perhatian yang lebih

pada sistem pengendalian persediaan, terutama pada produk-produk yang
tingkat penjualannya sangat dipengaruhi oleh waktu. Perusahaan juga
disarankan untuk meningkatkan promosi untuk menambah volume
penjualan.
b.
Penelitian selanjutnya disarankan dalam pengolahan data transaksi

menggunakan software yang bisa menampung banyak data sehingga
informasi yang dihasilkan lebih akurat dan lengkap. Analisis Keranjang
Belanja selanjutkan diharapkan lebih spesifik yaitu dengan mengetahui
karakteristik konsumen, merek produk, waktu pembelian yang diteliti hari
libur atau hari biasa, agar informasi yang dihasilkan bisa memberikan
banyak pengetahuan.
54
DAFTAR PUSTAKA
Albion, Research Ltd. 2007. Market Basket Analysis. http://www.albionresearch.

Com. [23 Maret 2009]
Andreas. (2007). Aplikasi Data Mining untuk Meneliti Asosiasi Pembelian Item
Barang di Supermarket dengan Metode Market Basket Analiysi. Jurnal
Informatika. Vol 8 No 6: pp 97-117.
Anonim. 2009. Company Profil. http://www.toserbayogya.com/index.php/section/
profil. [19 April 2009]
Assauri, Sofjan. 2007. Manajemen Pemasaran. PT Raja Grafindo Persada. Jakarta.
Ernawati 2009. Penggalian Kaidah Asosiasi Kuntitatif Prestasi Akademik
Mahasiswa dengan Jenis Kelamin dan Nilai Test Masuk Mahasiswa,
Jurnal Teknologi Industri Vol. XI No. 1 : pp.39-48.
Fakultas Teknologi Industri, Universitas Islam Indonesia. Market Basket
Analysis.http://www.google.co.id/Search?hl=id&q=market+basket+analysi
s&btng.[23 Maret 2009]
Kotler, P.1997. Manajemen Pemasaran (Terjemahan). Jilid 2. PT Prenhallindo,
Jakarta.
----------, 2005. Manajemen Pemasaran (Terjemahan). PT. INDEKS Kelompok
Media, Jakarta.
Kotler, P dan G. Armstrong. 2001.Prinsip-prinsip Pemasaran Jilid 1. Edisi 8.
Erlangga, Jakarta.
Megaputer. 2007. Market Basket Analysis. http://www.megaputer.com. [23 Maret
2009]
Meyer, et. al. 1988. Pemasaran Eceran (Terjemahan). PT Alex Media
Komputindo. Jakarta.
Olson, David and Y. Shi. 2008. Pengantar Ilmu Penggalian Data Bisnis. Salemba
Empat, Jakarta.
Satia.(2007). Aplikasi Data Mining MBA pada Tabel Data Absensi Elektronik
untuk Mendeteksi Kecurangan Absensi (Check-Lock) Karyawan di
Perusahaan, Jurnal Informatika, Vol 8 No. 2: pp.119-129.
Simatupang, D.S. No.08/II/Agustus 2007. Hiruk Pikuk di Outlet Modern. Majalah
Marketing : hlm 28-30.
Sopiah dan Syihabudin. 2008. Manajemen Bisnis Ritel. Penerbit Andi.
Yogyakarta.
Swastha B, D.H. 1984. Azas-Azas Marketing. Penerbit Liberty. Yogyakarta.
www. Banjar-jabar.go.id. Situs Resmi Pemerintahan kota Banjar : Kondisi Umum
Kota Banjar.[27 April 2009]
www.wartaekonomi.co.id. [23 Maret 2009]
Yusrianti, A. 2008. Pengaruh in Store Promotion Terhadap Keputusan Impulse
Buying Pada Konsumen Giant Hypermarket (Studi Kasus Giant Bogor).
Skripsi pada Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor,
Bogor.
LAMPIRAN
56
Lampiran 1. Struktur Organisasi Toserba YOGYA Banjar
57
Lanjutan Lampiran 2. Contoh Data Transaksi

JURNAL
TI_ME
PLU
QTY GROSSALE DISCOUNT PROMO
2 09:48:02 02150727 1.000
1150
0
3 09:50:01 01780048 1.000
7050
200 P
3 09:50:03 01780055 1.000
6075
125 P
3 09:50:04 02130835 1.000
1725
0
3 09:50:10 02130842 1.000
1725
0
3 09:50:17 02132372 4.000
7800
0
3 09:50:25 02131535 3.000
5850
0
3 09:50:28 02131313 3.000
5850
0
3 09:50:37 03261903 1.000
1750
0
4 09:57:21 04810834 2.000
14650
0
4 09:57:57 01721270 1.000
147100
0
5 10:03:50 06222970 1.000
39900
7980 P
6 10:07:31 04980155 1.000
15100
151
6 10:07:33 01928549 1.000
1650
16
6 10:07:36 01970104 1.000
6350
63
6 10:07:38 01920840 1.000
1650
16
6 10:07:39 01921625 1.000
3750
37
7 10:10:11 02151489 3.000
5400
0
7 10:10:15 03500217 2.000
5000
0
7 10:10:26 03500217 1.000
2500
0
7 10:10:31 03500491 2.000
4900
550 P
7 10:10:35 03500026 1.000
3275
0
7 10:10:41 02150130 2.000
800
0
7 10:10:50 02530307 1.000
1675
0
7 10:10:53 03409244 1.000
11250
0
7 10:10:56 02530437 1.000
1150
0
7 10:11:01 02530208 2.000
2100
0
7 10:11:05 02530437 2.000
2300
0
7 10:11:07 02530208 1.000
1050
0
7 10:11:10 02530437 1.000
1150
0
7 10:11:15 01920406 5.000
2500
0
7 10:11:21 02130910 6.000
9600
0
7 10:11:32 03801093 1.000
5100
0
7 10:11:36 02130910 3.000
4800
0
7 10:11:46 02130835 2.000
3450
0
7 10:11:47 01920406 1.000
500
0
7 10:11:49 03801093 1.000
5100
0
7 10:11:50 02531557 1.000
2350
0
TIPE
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
58
Lanjutan Lampiran 2.
JURNAL TRANSACT
1 RECEIVED ACCOUNT
2 PLU,RON 88, ELITE 620 ML
2 PRICE (1.000)
2 TOTAL SALE
2 CASH ;GENAP=-50
2 CHANGE;KUPON = 0
PLU,INDOMILK, *SKMPUTIH
3 390GR
3 PRICE (1.000)
3 PLU,INDOMILK, *SCKM 388 GR
3 PRICE (1.000)
PLU,ULTRA,
3 *CHOCOLATE125ML
3 PRICE (1.000)
PLU,ULTRA,
3 *STRAWBERY125ML
3 PRICE (1.000)
PLU,SUSU SEHAT, FULLCREAM
3 200ML
3 PRICE (4.000)
PLU,SUSU SEHAT, STROBERI
3 200ML
3 PRICE (3.000)
PLU,SUSU SEHAT, VANILA
3 200ML
3 PRICE (3.000)
3 PLU,HAPPYDENT, WHITE 12 GR
3 PRICE (1.000)
3 TOTAL SALE
3 CASH ;GENAP= 0
3 CHANGE;KUPON = 1
4 PLU,PAMPERS, BABY DRY M4
4 PRICE (2.000)
PLU,NUTRILON, RYL 3_800GR
4 VNL
4 PRICE (1.000)
4 TOTAL SALE
4 CASH ;GENAP=-50
4 CHANGE;KUPON = 4
5 PLU,RIDER, CDMR318B/2S/M
5 PRICE (1.000)
VALUE
400000
02150727
1150
1100
1500
350
CLERK
KS016
KS016
KS016
KS016
KS016
KS016
01780048
6850
01780055
5950
KS016
KS016
KS016
KS016
02130835
1725
KS016
KS016
02130842
1725
KS016
KS016
02132372
1950
KS016
KS016
02131535
1950
KS016
KS016
02131313
1950
03261903
1750
37500
50000
12500
04810834
7325
KS016
KS016
KS016
KS016
KS016
KS016
KS016
KS016
KS016
01721270
147100
161700
200000
38250
06222970
39900
KS016
KS016
KS016
KS016
KS016
KS016
KS016
59
Lampiran 3. Hasil Pengolahan Data

JUMLAH DATA adalah 5934
Item A nilai 1 adalah sebanyak : 2040 peluang = 0.344
Item B nilai 1 adalah sebanyak : 1753 peluang = 0.295
Item C nilai 1 adalah sebanyak : 1223 peluang = 0.206
Item D nilai 1 adalah sebanyak : 1039 peluang = 0.175
Item E nilai 1 adalah sebanyak : 647 peluang = 0.109
Item F nilai 1 adalah sebanyak : 373 peluang = 0.063
Iitem A,B nilai 11 adalah sebanyak : 644 peluang = 0.109
Item A,B nilai 21 adalah sebanyak : 449 peluang = 0.076
Item A,B nilai 31 adalah sebanyak : 660 peluang = 0.111
Item A,C nilai 11 adalah sebanyak : 420 peluang = 0.071
Item A,D nilai 11 adalah sebanyak : 370 peluang = 0.062
Item A,E nilai 11 adalah sebanyak : 205 peluang = 0.035
Item A,F nilai 11 adalah sebanyak : 120 peluang = 0.020
Item B,C nilai 11 adalah sebanyak : 441 peluang = 0.074
Item B,D nilai 11 adalah sebanyak : 516 peluang = 0.087
Item B,E nilai 11 adalah sebanyak : 313 peluang = 0.053
Item B,F nilai 11 adalah sebanyak : 191 peluang = 0.032
Item C,D nilai 11 adalah sebanyak : 283 peluang = 0.048
Item C,E nilai 11 adalah sebanyak : 180 peluang = 0.030
Item C,F nilai 11 adalah sebanyak : 111 peluang = 0.019
Item D,E nilai 11 adalah sebanyak : 347 peluang = 0.058
Item D,F nilai 11 adalah sebanyak : 181 peluang = 0.031
Item E,F nilai 11 adalah sebanyak : 140 peluang = 0.024
Item A,B,C nilai 111 adalah sebanyak : 158 peluang = 0.027
Item A,B,D nilai 111 adalah sebanyak : 205 peluang = 0.035
Item A,B,E nilai 111 adalah sebanyak : 111 peluang = 0.019
60
Item A,B,F nilai 111 adalah sebanyak : 67 peluang = 0.011
Item A,C,D nilai 111 adalah sebanyak : 87 peluang = 0.015
Item A,C,E nilai 111 adalah sebanyak : 62 peluang = 0.010
Item A,C,F nilai 111 adalah sebanyak : 35 peluang = 0.006
Item A,D,E nilai 111 adalah sebanyak : 110 peluang = 0.019
Item A,D,F nilai 111 adalah sebanyak : 60 peluang = 0.010
Item A,E,F nilai 111 adalah sebanyak : 38 peluang = 0.006
Item B,C,D nilai 111 adalah sebanyak : 149 peluang = 0.025
Item B,C,E nilai 111 adalah sebanyak : 99 peluang = 0.017
Item B,C,F nilai 111 adalah sebanyak : 57 peluang = 0.010
Item B,D,E nilai 111 adalah sebanyak : 188 peluang = 0.032
Item B,D,F nilai 111 adalah sebanyak : 109 peluang = 0.018
Item B,E,F nilai 111 adalah sebanyak : 82 peluang = 0.014
Item C,D,E nilai 111 adalah sebanyak : 106 peluang = 0.018
Item C,D,F nilai 111 adalah sebanyak : 58 peluang = 0.010
Item C,E,F nilai 111 adalah sebanyak : 45 peluang = 0.008
Item D,E,F nilai 111 adalah sebanyak : 95 peluang = 0.016
Item A,B,C,D nilai 1111 adalah sebanyak : 52 peluang = 0.009
Item A,B,C,E nilai 1111 adalah sebanyak : 40 peluang = 0.007
Item A,B,C,F nilai 1111 adalah sebanyak : 19 peluang = 0.003
Item A,B,D,E nilai 1111 adalah sebanyak : 66 peluang = 0.011
Item A,B,D,E nilai 2111 adalah sebanyak : 40 peluang = 0.007
61
Item A,B,D,F nilai 1111 adalah sebanyak : 40 peluang = 0.007
Item A,B,E,F nilai 1111 adalah sebanyak : 26 peluang = 0.004
Item A,C,D,E nilai 1111 adalah sebanyak : 35 peluang = 0.006
Item A,C,D,F nilai 1111 adalah sebanyak : 16 peluang = 0.003
Item A,C,D,F nilai 2111 adalah sebanyak : 22 peluang = 0.004
Iitem A,C,D,F nilai 3111 adalah sebanyak : 20 peluang = 0.003
Item A,C,E,F nilai 1111 adalah sebanyak : 15 peluang = 0.003
Item A,D,E,F nilai 1111 adalah sebanyak : 17 peluang = 0.003
Item B,C,D,E nilai 1111 adalah sebanyak : 65 peluang = 0.011
Item B,C,D,F nilai 1111 adalah sebanyak : 31 peluang = 0.005
Item B,C,E,F nilai 1111 adalah sebanyak : 28 peluang = 0.005
Item B,D,E,F nilai 1111 adalah sebanyak : 59 peluang = 0.010
Item C,D,E,F nilai 1111 adalah sebanyak : 32 peluang = 0.005
Item A,B,C,D,E nilai 11111 adalah sebanyak : 26 peluang = 0.004
Item A,B,C,D,F nilai 11111 adalah sebanyak : 11 peluang = 0.002
Item A,B,C,E,F nilai 11111 adalah sebanyak : 12 peluang = 0.002
Item A,B,D,E,F nilai 11111 adalah sebanyak : 18 peluang = 0.003
Item A,C,D,E,F nilai 11111 adalah sebanyak : 10 peluang = 0.002
Item B,C,D,E,F nilai 11111 adalah sebanyak : 18 peluang = 0.003
Item A,B,C,D,E,F nilai 111111 adalah sebanyak : 7 peluang = 0.001

Analisis Keranjang Belanja

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Keranjang Belanja

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS KERANJANG BELANJA PADA DATA

ANALISIS KERANJANG BELANJA PADA DATA

INSTITUT PERTANIAN BOGOR

ANALISIS KERANJANG BELANJA PADA DATA TRANSAKSI

Menyetujui, Mei 2009

Dr. Ir. Muhammad Syamsun M.Sc

Dr. Ir. Jono M. Munandar, M.Sc

Penulis dilahirkan di Ciamis pada tanggal 16 Oktober 1986, penulis

Alhamdulillah, segala puji dan syukur penulis panjatkan kekhadirat Allah

6. Irsam Ardiantoro atas ketulusan, kesabaran, kasih sayang, semangat, dan

Bogor, Mei 2009

KATA PENGANTAR ................................................................................

DAFTAR ISI ..............................................................................................

DAFTAR TABEL ......................................................................................

DAFTAR GAMBAR ..................................................................................

DAFTAR LAMPIRAN ..............................................................................

II. TINJAUAN PUSTAKA ......................................................................

III. METODE PENELITIAN ...................................................................

IV. HASIL DAN PEMBAHASAN ...........................................................

4.1.2. Sejarah Toserba YOGYA Cabang Banjar ............................

KESIMPULAN DAN SARAN ...................................................................

DAFTAR PUSTAKA .................................................................................

Jumlah Toko Ritel di Indonesia .................................................................. 2

1.1. Latar Belakang

konsumsilah yang mencatat angka pertumbuhan positif jika mengacu pada

Total penjualan (hypermarket, supermarket, dan minimarket) selama

Traditional Grocery Stores

Total Warehouse Clubs

Sumber : AC Nielsen dalam Marketing, 2007

kemungkinan munculnya keinginan membeli (impulse buying).

strategi untuk mempertahankan perusahaanya. Sehubungan dengan itu

memberikan kenyamanan dalam

berkaitan dengan data transaksi penjualan yang

menggunakan teknik assosiatif di Toserba Yogya Banjar.

berpasangan/kupon (issue coupons).

II. TINJAUAN PUSTAKA

2.1. Manajemen Pemasaran

masing pasar tersebut. Targeting merupakan pemilihan satu atau lebih

perubahan harga. Tujuan dari strategi ini adalah untuk mempertahankan

memperbesar permintaan atau akan memperbanyak toko eceran yang lebih

terstimulasi untuk membeli produk yang ditawarkan

pokoknya melakukan penjualan secara langsung kepada konsumen

Berdasarkan luasnya lini produk, pengecer dapat dibagi ke

dalam beberapa kategori sebagai berikut (Kotler dan Susanto, 2001):

Biasanya toko seperti ini mempunyai volume usaha

yang besar, kondisi keuangannya lebih kuat, dan badan

konsumen seperti makanan, cucian, dan produk-produk

pelayanan seperti cucian, membersihkan, perbaikan sepatu,

Umumnya menjual merek

diskon telah bergerak dari barang dagangan umum ke

dan toko buku (Kaikati, 1985).

atau kebutuhan sehari-hari yang terletak di daerah

perumahan atau pemukiman. Jenis toko ini dikenal sebagai

kategori ini, pengusaha lebih bebas dalam menentukan

kebijaksanaan dan strategi pemasarannya.

6. Penjualan dengan cara yang tepat

2.4.4. Toko Serba Ada (Toserba)

2.4.5. Transaksi Penjualan

menimbulkan perubahan terhadap posisi harta keuangan perusahaan

melalui kegiatan penjualan, begitu juga dengan transaksi pembelian

2.5. Data Mining

(hypothesis) dan permasalahan pada data untuk meniadikan atau