1,2,3
Fakultas Ilmu Komputer, Universitas Methodist Indonesia (10 pt)
1. PENDAHULUAN
Perkembangan bisnis dan persaingan yang semakin ketat dalam industri ritel, khususnya dalam
penjualan kebutuhan pokok, menuntut perusahaan untuk terus berinovasi dan meningkatkan efisiensi
operasionalnya[1][2]. Salah satu aspek penting dalam upaya meningkatkan efisiensi dan keuntungan
penjualan adalah merancang strategi bisnis yang cerdas dan adaptif. Salah satu sektor yang menjadi fokus
utama dalam bisnis adalah penjualan kebutuhan pokok[3][4], seperti makanan dan minuman. Kebutuhan
pokok adalah produk yang memiliki permintaan konstan di pasar, dan oleh karena itu, strategi yang tepat
dalam penjualannya dapat memberikan dampak signifikan terhadap pertumbuhan bisnis [5][6][7].
Permasalahan pada penelitian ini adalah efisiensi operasional. Manajemen stok yang kurang efisien
dapat mengakibatkan kekurangan produk atau kelebihan persediaan yang tidak diinginkan. Rantai pasokan
yang tidak terorganisir dengan baik juga dapat menyebabkan keterlambatan dalam pengiriman produk ke
toko. Ini dapat mengganggu pelayanan kepada pelanggan dan merugikan perusahaan. Kemudian tidak ada
Methosisfo : Jurnal Ilmiah Sistem Informasi Vol.2, No.1 April 2022 : 1-7
2
data dalam pola pembelian sehingga sulit menganalisa suatu produk mana yang sering dibeli bersamaan oleh
konsumen dapat membantu dalam strategi penjualan yang lebih efektif kemudian Manajemen persediaan
merupakan aspek penting dalam bisnis penjualan kebutuhan pokok. Produk-produk ini sering memiliki batas
waktu kadaluarsa, dan overstocking atau understocking bisa berdampak besar pada keuntungan dan kepuasan
pelanggan. Algoritma Apriori, yang biasanya digunakan untuk analisis asosiasi dalam data penjualan, dapat
membantu dalam memahami pola pembelian dan memprediksi persediaan yang dibutuhkan[8][9].
Sehingga berdasarkan permasalahan diatas perlu strategi dalam melakukan Efisiensi operasional
dalam menjaga keseimbangan antara pasokan dan permintaan. Jika persediaan tidak diatur dengan baik,
perusahaan dapat menghadapi masalah seperti kelebihan stok yang berujung pada kerugian finansial atau
kekurangan stok yang dapat merugikan reputasi dan kepercayaan pelanggan. Sehingga akan memanfaatkan
algoritma Apriori dapat memberikan efisiensi oprasional dalam menjaga stock dan permintaan. Algoritma
Apriori adalah metode analisis yang berasal dari bidang data mining dan digunakan untuk mengidentifikasi
pola-pola asosiasi dalam kumpulan data. Dalam konteks penjualan kebutuhan pokok, algoritma ini dapat
membantu mengungkapkan pola pembelian yang sering terjadi bersamaan. Dengan kata lain, algoritma
Apriori dapat mengidentifikasi kombinasi produk yang sering dibeli secara bersamaan oleh konsumen[10].
2. METODE PENELITIAN
Pada penelitian ini terdapat framework penelitian sebagai berikut :
b) Pengumpulan Data
Pada penelitian proses pengumpulan data menggunakan studi pustaka,,studi lapangan
observasi, dan wawancara.
1. Studi Pustaka
Pengumpulan data dilakukan dengan cara mempelajari, meneliti, dan menelaah berbagai
literatur dari perpustakaan yang bersumber dari buku- buku, jurnal ilmiah, situs internet,
dan bacaan lainnya yang berkaitan dengan penelitian yang dilakukan.
2. Studi Lapangan
Studi Lapangan dilakukan dengan pengumpulan data dengan melakukan penelitian dan
peninjauan secara langsung terhadap permasalahan yang di ambil.
3. Wawancara
Wawancara dilakukan dengan pihak-pihak terkait yang berkompeten dengan harapan dapat
melengkapi data-data yang diperlukan dalam penelitian ini, dalam hal wawancara
dilakukan dengan responden yang berhubungan langsung pada bagian pencatatan barang di
bagian gudang.
c) Seleksi data
Seleksi data adalah tahap penting dalam proses analisis data, agar dapat menggunakan
subset tertentu dari data yang relevan dan diperlukan untuk menjawab pertanyaan
penelitian atau tujuan analisis tertentu. Pada tahap ini, data yang tidak relevan atau tidak
diperlukan untuk analisis dihilangkan. Ini termasuk menghapus atribut atau kolom yang
tidak relevan dan baris atau entri data yang tidak relevan atau memiliki nilai yang hilang
d) Algoritma Apriori
Dalam melakukan implementasi algoritma apriori akan menggunakan data transaksi.
berikut ini data transaksi yang akan digunakan dari januari 2020 sampai desember 2021
terdapat pada table 1
Data
No Tanggal transaksi
Methosisfo : Jurnal Ilmiah Sistem Informasi Vol.2, No1. April 2022 : 1-7
4
Methosisfo : Jurnal Ilmiah Sistem Informasi Vol.2, No1. April 2022 : 1-7
5
Methosisfo : Jurnal Ilmiah Sistem Informasi Vol.2, No1. April 2022 : 1-7
6
4. KESIMPULAN
Dalam uraian rangkaian mulai dari proses pembuatan Sistem strategi Bisnis Penjualan Kebutuhan
Pokok Memanfaatkan Algoritma Apriori Untuk Meningkatkan Efisiensi Dan Keuntungan
Penjualan maka dapat ditarik beberapa kesimpulan penting antara lain:
1. Dalam menerapkan algoritma apriori menghasilakan pola pembelian yang dilakukan konsumen
sehingga dapat memberikan informasi produk yang paling sering dibeli
2. Hasil dari pola transaksi akan diproses dengan apriori yang menghasilkan urutan urutan produk
paling laris sehingga dapat ditentukan penempatan produk sesuai urutan hasil dari algoritma
apriori
3. Data mining association rule yang telah dibangun menggunakan algoritma apriori akan
memberikan informasi dalam konteks promosi
Methosisfo : Jurnal Ilmiah Sistem Informasi Vol.2, No1. April 2022 : 1-7
7
REFERENSI
[1] O. Nugroho, “Implementation of Marker Based Tracking Method in the Interactive Media
of Traditional Clothes Knowledge-Based on Augmented Reality 360,” J. Comput. Sci. Inf.
Technol. Telecommun. Eng., vol. 1, no. 2, pp. 37–43, 2020.
[2] A. R. Lubis, S. Prayudani, M. Lubis, and O. Nugroho, “Latent Semantic Indexing (LSI) and
Hierarchical Dirichlet Process (HDP) Models on News Data,” in 2022 5th International
Conference of Computer and Informatics Engineering (IC2IE), IEEE, 2022, pp. 314–319.
[3] W. Guo, X. Zuo, J. Yu, and B. Zhou, “Method for mid-long-term prediction of landslides
movements based on optimized apriori algorithm,” Appl. Sci., vol. 9, no. 18, p. 3819, 2019.
[4] A. J. P. Sibarani, “Implementasi Data Mining Menggunakan Algoritma Apriori Untuk
Meningkatkan Pola Penjualan Obat,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol.
7, no. 2, pp. 262–276, 2020, doi: 10.35957/jatisi.v7i2.195.
[5] S. Monalisa and D. A. Dan, “Rancang Bangun Sistem Informasi Supply Chain Management
Distribusi Barang Dan Jasa Berbasis Web,” Ejournal.Uin-Suska.Ac.Id, vol. 7, no. 2, pp.
138–144, 2021, [Online]. Available:
http://ejournal.uin-suska.ac.id/index.php/RMSI/article/view/13143
[6] A. R. Lubis, S. Prayudani, M. Lubis, and O. Nugroho, “Sentiment Analysis on Online
Learning During the Covid-19 Pandemic Based on Opinions on Twitter using KNN
Method,” in 2022 1st International Conference on Information System & Information
Technology (ICISIT), IEEE, 2022, pp. 106–111.
[7] O. Nugroho and G. A. Hutagalung, “Design and Implementation of Android-Based Public
Transport Trayek using Cloud Computing Infrastructure,” Al’adzkiya Int. Comput. Sci. Inf.
Technol. J., vol. 1, no. 1, 2020.
[8] G. Gunadi and D. I. Sensuse, “Penerapan metode data mining market basket analysis
terhadap data penjualan produk buku dengan menggunakan algoritma apriori dan frequent
pattern growth (fp-growth): studi kasus percetakan pt. Gramedia,” Telemat. MKOM, vol. 4,
no. 1, pp. 118–132, 2016.
[9] A. Wijayanti, “Analisis Hasil Implementasi Data Mining Menggunakan Algoritma Apriori
pada Apotek,” J. Edukasi dan Penelit. Inform., 2017.
[10] M. Hossain, A. H. M. S. Sattar, and M. K. Paul, “Market basket analysis using apriori and
FP growth algorithm,” in 2019 22nd International Conference on Computer and
Information Technology (ICCIT), IEEE, 2019, pp. 1–6.
Methosisfo : Jurnal Ilmiah Sistem Informasi Vol.2, No1. April 2022 : 1-7