Penerapan Data Mining Untuk Analisis Pola Pembelian

Konsumen Dengan Algoritma FP-Growth Pada Data Transaksi

Penjualan PT Centrindo Batam
Rohman Tian1), Bima Ariwinarto2), Yuansyah Oktavio 3), Putri Yusfira 4), Khoirul
Ahmad5), Vio Apri Juanda6), Nurhavina Jingga7), Muhammad Abi Assidiq8)*
1)
Program Studi Teknik Industri, Fakultas Teknologi Industri
2,3)
Program Studi Teknik Industri, Fakultas Teknologi Industi
1,2,3)
Institut Teknologi Batam, Indonesia

*Corresponding author:
Abstrak

Persaingan yang semakin ketat sesama distributor membuat penjualan produk khususnya peralatan rumah sering
mengalami kenaikan atau penurunan omset penjualan. Oleh karena itu, pihak distributor harus memiliki strategi
lain untuk dapat meningkatkan penjualannya. Salah satunya adalah dengan mendapatkan informasi dari data
penjualan. Pada PT Centrindo Batam sistem informasi penjualan yang diterapkan dinilai masih kurang efektif
dan efisien, karena data transaksi yang tersimpan bertahun-tahun tidak dimanfaatkan sebaik mungkin. Semakin
banyak data, maka supermarket tersebut semakin memerlukan usaha untuk mengolah data-data agar dapat
dijadikan informasi yang berguna di masa depan yaitu salah satunya dengan menggunakan teknik data mining.
Sistem ini menggunakan algoritma FP-Growth untuk melakukan analisa asosiasi. Data yang diperlukan diambil
dari data transaksi penjualan selama periode tertentu dan diolah sehingga menghasilkan association rules dari
barang dan transaksi. Hasil dari penelitian ini menghasilkan pola rekomendasi yang akan dipergunakan oleh PT
Centrindo Batam dan dapat meningkatkan strategi penjualan melalui data penjualan, sistem ini juga dapat
membantu pelanggan dalam memilih barang yang memiliki keterkaitan atau yang sering dibeli pelanggan
lainnya dengan adanya rekomendasi penjualan.

Kata Kunci : markt basket analys,

Abstract

The increasingly fierce competition among distributors has made product sales, especially home appliances,
often experience an increase or decrease in sales turnover. Therefore, the distributor must have another
strategy to be able to increase sales. One way is to get information from sales data. At PT Centrindo Batam,
the sales information system used is considered to be less effective and efficient, because transaction data
stored for years has not been utilized as well as possible. The more data, the more the supermarket requires
effort to process the data so that it can be used as useful information in the future, one of which is by using
data mining techniques. This system uses the FP-Growth algorithm to perform association analysis. The
required data is taken from sales transaction data for a certain period and processed to produce association
rules for goods and transactions. The results of this study produce a recommendation pattern that will be
used by PT Centrindo Batam and can improve sales strategies through sales data, this system can also assist
customers in choosing items that are related or that are often purchased by other customers with sales
recommendations.

Keywords : markt basket analys,

 PENDAHULUAN
Pertumbuhan pasar modern seperti distributor atau supplier alat-alat perumahan semakin
berkembang saat ini, khususnya di kota Batam. Salah satu distributor tersebut ialah PT
Centrindo Batam, sama halnya seperti distributor yang lainnya dengan persaingan yang
semakin ketat sesama distributor membuat penjualan produk pada PT Centrindo Batam sering
mengalami kenaikan atau penurunan omset penjualan. Oleh karena itu, Pihak perusahaan
harus memiliki strategi lain untuk dapat meningkatkan penjualannya. Dengan menggunakan
data transaksi penjualan pada perusahaan yang ada akan dicari kombinasi item yang mungkin
muncul menggunakan salah satu teknik data mining yaitu dengan algoritma FP-Growth. Dari
data transaksi penjualan tersebut dapat diketahui tata letak barang untuk memudahkan dalam
penyusunan barang serta memudahkan pembeli dengan memilih sesuai dengan department
yang telah dibuat dengan menggunakan algoritma ini. pola rekomendasi penjualan dari
pembelian yang biasa dilakukan oleh konsumen, khususnya pada kebiasaan konsumen yang
hanya berbelanja 1 produk. Setelah mendapatkan pola rekomendasi dari pembelian konsumen
dapat kita susun strategi penjualan, membuat beberapa suatu paket belanja yang berupa dari
beberapa barang, Karena dari itu dalam pembahasan ini akan dicari rekomendasi penjualan
menggunakan FP-Growth untuk membantu pemilik perusahaan dalam menentukan
perencanaan strategi promosi penjualan yang efektif dan dapat membantu meningkatkan
omset penjualan.
 TINJAUAN PUSTAKA
2.1 Klasifikasi
Klasifikasi dalam data mining bekerja pada data historis atau data sejarah. Data
historis disebut data Latihan atau data training datam secara sederhana ada 3
proses pemecahan masalah klasifikasi diantaranya :
1. Data historis atau data pengalaman.
2. Data historis akan diperoses menggunakan algoritma klasifikasi.
3. Klasifikasi menghasilkan pengetahuan yang dipresentasikan dalam bentuk
diagram pohon keputusan “dcission tree”.
Operator klasifikasi yang dipakai dalam penelitian sebagai berikut :
Tabel 1. Operator
No Operators Gambar

1 Decision Tree

2 Split Data
 3 Apply Model

4 Performance

METODE PENELITIAN
3.1 Metode Pengumpulan Data
Metode pengambilan data adalah dari website keggle, kemudian dari dataset yang telah
didapatkan di buat laporan penelitian dengan menggunakan aplikasi Rapidminer.
3.2 Jenis Data
Pada laporan ini jenis data yang dipakai adalah data sekunder yaitu data yang
didapatkan secara langsung dari objek penelitian dan juga sebagai referensi.

HASIL DAN PEMBAHASAN

4.1 Processing Data
Berdasarkan stiudi kasus yang diberikan menyangkun data kepuasan penumpang
pesawat, ditunjukkan pada table historis sebagai berikut :

Tabel 2. Dataset Historis

Dataset Multivariate Area: Airline
Charateristics:
Attribute Integer, Real Data 2020
Characteristics: Donated
Associated Classification
Task:
4.1.1 Input Data

Gambar 1. Import Dataset CSV

 Gambar 2. Hasil Data Simpan

Gambar 3. Decission Tree dengan menggunakan kriteria gain ratio, depth 5

Gambar 4. Performance Vector dengan menggunakan kriteria gain ratio, depth 5

Gambar 5. Decission Tree dengan menggunakan kriteria information gain, depth 5

Gambar 6. Performance Vector dengan menggunakan kriteria information gain, depth 5

Gambar 7. Model Rapidminer

 SIMPULAN
Penelitian mnyimpulkan bahwasannya tingkat akurasi dari decission tree dengan
menggunakan kriteria information gain ternyata lebih baik dibandingkan daripada
menggunakan kriteria gain ratio dengan tingkat akurasi yang lebih rendah.
 DAFTAR PUSTAKA
Aksoy, S., Atilgan, E., & Akinci, S. (2003). Airline services marketing by domestic
and foreign firms: Differences from the customers’ viewpoint. Journal of Air Transport
Management, 9(6).
TJ KLEIN. (2020). https://www.kaggle.com/datasets/teejmahal20/airline-
passenger-satisfaction.,Tsaura, S. H., Chang, T. Y., & Yen, C. H. (2002). The evaluation of
airline service quality by fuzzy MCDM. Tourism Management, 23(2).
https://doi.org/10.1016/S0261-5177(01)00050-4,Xu, X., Liu, W., & Gursoy, D. (2019).
The Impacts of Service Failure and Recovery Efforts on Airline Customers’ Emotions and
Satisfaction. Journal of Travel Research, 58(6).