Implementasi Algoritma FP-Growth dalam Market Basket Analysis untuk Mendukung Strategi Penjualan pada Data Transaksi Groceries

Abstract

Kemampuan mengelola data transaksi penjualan secara tepat guna sangat berpengaruh terhadap keberhasilan strategi penjualan pada bisnis ritel. Riset ini menerapkan algoritma FP-Growth pada kerangka Market Basket Analysis (MBA) terhadap rekaman transaksi groceries, dengan sasaran menggali kecenderungan belanja pelanggan sebagai bahan pertimbangan dalam merumuskan strategi penjualan. Data yang dipakai bersumber dari Groceries Dataset di Kaggle, berjumlah 38.765 baris transaksi dengan tiga atribut utama, yakni Member_number, Date, dan itemDescription. Proses penelitian dijalankan melalui beberapa langkah, mulai dari pengumpulan data, preprocessing, ekstraksi frequent itemset, sampai pembentukan association rules yang diimplementasikan dengan algoritma FP-Growth menggunakan bahasa pemrograman Python. Usai tahap preprocessing, tersisa 38.006 transaksi bersih yang menjadi bahan analisis dengan ambang minimum confidence ditetapkan pada 30%. Dari hasil pengolahan, ditemukan bahwa aturan asosiasi paling kuat terbentuk pada kombinasi produk tropical fruit, sausage, dan rolls/buns yang berujung pada pembelian yogurt, dengan confidence 53,09% dan lift 1,876. Kelima rules terbaik yang berhasil disaring sama-sama menunjukkan lift di atas angka 1, mengonfirmasi bahwa pola keterkaitan antarproduk tersebut bukan kebetulan, melainkan mencerminkan kecenderungan belanja yang nyata. Hasil riset ini bisa dimanfaatkan sebagai pijakan dalam merancang paket bundling produk, mengatur ulang tata letak toko, dan mempertajam strategi promosi berbasis data pada bisnis ritel groceries.