Pemanfaatan Teknik Data Mining dengan Algoritma Apriori untuk Mengidentifikasi Asosiasi Produk dan Optimalisasi Strategi Pemasaran pada Industri Ritel

Abstract

Tingginya intensitas persaingan dalam industri ritel mendorong kebutuhan akan pendekatan pengambilan keputusan yang lebih cerdas dan berbasis data. Namun demikian, potensi besar yang tersimpan dalam data transaksi penjualan kerap belum dimanfaatkan secara optimal oleh pelaku usaha. Penelitian ini hadir sebagai upaya untuk menjawab tantangan tersebut dengan mengimplementasikan algoritma Apriori dalam kerangka Market Basket Analysis (MBA) guna mengungkap pola pembelian konsumen yang tersembunyi di balik data transaksi penjualan. Data yang digunakan merupakan data sekunder berupa catatan transaksi penjualan yang diolah melalui serangkaian tahapan preprocessing, meliputi pembersihan data, eliminasi duplikasi, penanganan missing values, serta transformasi ke dalam basket format. Proses analisis menghasilkan sejumlah aturan asosiasi (association rules) yang dievaluasi berdasarkan nilai support, confidence, dan lift. Hasil penelitian menunjukkan bahwa beberapa kombinasi produk menghasilkan nilai lift di atas 9 hingga lebih dari 10, yang mengindikasikan adanya keterkaitan yang sangat kuat antar produk dalam transaksi pembelian. Temuan tersebut mengungkap dua pola perilaku konsumen yang dominan, yakni kecenderungan membeli produk dengan kategori atau tema yang serupa, serta kecenderungan memilih produk dengan fungsi yang sama namun hadir dalam variasi desain yang berbeda. Berdasarkan pola-pola yang teridentifikasi, penelitian ini merumuskan rekomendasi strategis yang mencakup penerapan product bundling, optimalisasi product placement, serta perbaikan manajemen persediaan barang. Secara keseluruhan, penelitian ini membuktikan bahwa algoritma Apriori mampu bertransformasi dari sekadar alat analisis statistik menjadi instrumen strategis yang dapat mendorong pertumbuhan penjualan dan efisiensi operasional bisnis ritel secara terukur dan berbasis data.