Analisis Pola Pembelian Konsumen Menggunakan Algoritma Apriori
Total View This Week0
Total View This Week0
Institusion
Universitas Putera Batam
Author
Putri, Sartika Diana
Subject
006 Metode Komputer Tertentu
Datestamp
2024-11-04 03:49:32
Abstract :
Tingkat daya saing ekonomi secara substansial dipengaruhi oleh perkembangan teknologi yang berkembang pesat. Dalam hal ini, hasil penjualan telah berkembang sebagai hasil dari daya saing pemilik bisnis di sektor penjualan produk. Tentu saja, pemilik bisnis tidak ingin melihat penurunan hasil penjualan sebagai akibat dari produk yang tidak memenuhi tujuan penjualan. Pemilik bisnis di sektor komersial menginginkan informasi bisnis untuk mengembangkan rencana yang dapat dilakukan untuk memenuhi permintaan pelanggan dan membalikkan penurunan penjualan. Ketika menggunakan algoritme aturan asosiasi apriori, data transaksi penjualan yang dibuat dari produk yang dibeli secara bersamaan oleh konsumen saat berbelanja, pengembangan data atau metode penggalian data diperlukan untuk membuat data tersebut menjadi relevan dan bernilai. Untuk meningkatkan stok dan mengurangi stok produk yang tidak laku, data tersebut digunakan untuk mengidentifikasi barang-barang yang sering dibeli oleh konsumen. Informasi tersebut juga digunakan oleh retailer untuk memposisikan barang dagangan sesuai dengan preferensi pembeli. Teknik yang digunakan untuk pengambilan data menggunakan association rule dengan minimum support sebesar 0.17 dan minimum confidence sebesar 0.60. Dalam rangka mengelola inventaris dan mempermudah memposisikan produk sesuai dengan preferensi konsumen berdasarkan nilai support dan confidence, tujuan penelitian ini adalah untuk mengubah temuan dari analisis data transaksi yang terakumulasi di toko pakaian menjadi informasi yang berguna. Menurut temuan studi, item Atasan Wanita dan Atasan Pria memiliki hubungan, dengan nilai support sebesar 27,86% dan nilai confidence sebesar 68,00%. Ketika memutuskan pengadaan stok apa yang harus diprioritaskan di masa depan, informasi ini juga dapat digunakan untuk menentukan produk mana yang banyak diminati dan mana yang kurang diminati oleh pelanggan.
Tingkat daya saing ekonomi secara substansial dipengaruhi oleh perkembangan teknologi yang berkembang pesat. Dalam hal ini, hasil penjualan telah berkembang sebagai hasil dari daya saing pemilik bisnis di sektor penjualan produk. Tentu saja, pemilik bisnis tidak ingin melihat penurunan hasil penjualan sebagai akibat dari produk yang tidak memenuhi tujuan penjualan. Pemilik bisnis di sektor komersial menginginkan informasi bisnis untuk mengembangkan rencana yang dapat dilakukan untuk memenuhi permintaan pelanggan dan membalikkan penurunan penjualan. Ketika menggunakan algoritme aturan asosiasi apriori, data transaksi penjualan yang dibuat dari produk yang dibeli secara bersamaan oleh konsumen saat berbelanja, pengembangan data atau metode penggalian data diperlukan untuk membuat data tersebut menjadi relevan dan bernilai. Untuk meningkatkan stok dan mengurangi stok produk yang tidak laku, data tersebut digunakan untuk mengidentifikasi barang-barang yang sering dibeli oleh konsumen. Informasi tersebut juga digunakan oleh retailer untuk memposisikan barang dagangan sesuai dengan preferensi pembeli. Teknik yang digunakan untuk pengambilan data menggunakan association rule dengan minimum support sebesar 0.17 dan minimum confidence sebesar 0.60. Dalam rangka mengelola inventaris dan mempermudah memposisikan produk sesuai dengan preferensi konsumen berdasarkan nilai support dan confidence, tujuan penelitian ini adalah untuk mengubah temuan dari analisis data transaksi yang terakumulasi di toko pakaian menjadi informasi yang berguna. Menurut temuan studi, item Atasan Wanita dan Atasan Pria memiliki hubungan, dengan nilai support sebesar 27,86% dan nilai confidence sebesar 68,00%. Ketika memutuskan pengadaan stok apa yang harus diprioritaskan di masa depan, informasi ini juga dapat digunakan untuk menentukan produk mana yang banyak diminati dan mana yang kurang diminati oleh pelanggan.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
