##plugins.themes.academic_pro.article.main##
Penerapan Algoritma Apriori Untuk Menemukan Pola Asosiasi Pada Data Penjualan Retail Fashion
Abstract
Penelitian ini menerapkan algoritma Apriori dalam analisis data transaksi penjualan di bidang retail fashion guna menemukan keterkaitan produk yang kerap dibeli dalam satu waktu. Dataset yang dianalisis berisi 3.400 transaksi pelanggan dari platform Kaggle, dan diolah menggunakan RapidMiner dengan parameter minimum support 0,1 serta confidence 0,6. Metode yang digunakan meliputi preprocessing data, normalisasi, transformasi one-hot encoding, dan pengujian dengan operator W-Apriori. Hasilnya ditemukan pola signifikan, seperti pembelian backpack dan loafers berasosiasi kuat dengan raincoat (confidence 74%). Algoritma Apriori terbukti efisien dalam mengenali pola kebiasaan pembelian konsumen, dan dapat digunakan untuk kegiatan promosi, penyusunan rekomendasi produk, dan penataan layout toko. Aturan asosiasi yang diperoleh mencerminkan pola perilaku konsumen saat berbelanja, salah satunya menunjukkan adanya hubungan erat antara beberapa produk. Informasi tersebut dapat dimanfaatkan sebagai dasar pengambilan keputusan strategis yang berorientasi data, termasuk dalam penataan produk yang lebih efisien, pengembangan fitur rekomendasi, serta perancangan promosi yang relevan dan tepat sasaran.
##plugins.themes.academic_pro.article.details##
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
A. C. Putra and M. Habibi, “Analisis Asosiasi pada Transaksi Penjualan Daring Menggunakan Algoritma Apriori Dan FP-Growth,” Teknomatika, vol. 11, no. 2, pp. 119–129, 2020.
N. Hidayati, H. Widi Nugroho, and Nurjoko, “Penerapan Data Mining Untuk Menghasilkan Pola Pembelian Roti Menggunakan Algoritma Apriori,” Semin. Nas. Has. Penelit. dan Pengabdi. Masy., pp. 246–254, 2021.
M. Surur, H. Saputro, and N. Azizah, “Implementasi Algoritma Apriori Dalam Menentukan Pola Pembelian (Cap N Chris Café & Resto Jepara) Berbasis Web,” J. Inf. Syst. Comput., vol. 2, no. 2, pp. 36–45, 2022, doi: 10.34001/jister.v2i2.393.
M. Arhami and M. Nasir, Data Mining - Algoritma dan Implementasi. Andi Publisher, 2020.
A. Soundankar, “Fashion Retail Sales,” Kaggle. [Online]. Available: https://www.kaggle.com/datasets/atharvasoundankar/fashion-retail-sales
R. Hidayat et al., “Implementasi Algoritma Random Forest Regression Untuk Memprediksi Penjualan Produk di Supermarket,” J. Sist. Inf. dan Sist. Komput., vol. 10, no. 1, pp. 101–109, 2025.
F. Putra, H. F. Tahiyat, and R. M. Ihsan, “Application of K-Nearest Neighbor Algorithm Using Wrapper as Preprocessing for Determination of Human Weight Information Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia,” vol. 4, no. January, pp. 273–281, 2024.
F. Marisa, A. L. Maukar, and T. M. Akhriza, Data Mining Konsep dan Penerapannya. CV Budi Utama, 2021.
M. Rafi Nahjan, Nono Heryana, and Apriade Voutama, “Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 101–104, 2023, doi: 10.36040/jati.v7i1.6094.
Z. Setiawan et al., “Peta Konsep Pembelajaran” dalam Buku Ajar Data Mining. PT. Sonpedia Publishing Indonesia, 2024.
U. Nir, I. K. Gede, D. Putra, and I. P. Arya, “Implementasi Algoritma Apriori untuk Menemukan Pola Pembelian Konsumen pada Perusahaan Retail,” J. Ilm. Teknol. dan Komput., vol. 1, no. 2, 2020.
A. Sari, A. Faqih, and S. Anwar, “Penerapan Algoritma Fp-Growth Pada Data Transaksi Penjualan Untuk Menentukan Pola Pembelian Pelanggan,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3258–3265, 2024, doi: 10.36040/jati.v7i6.8168.
