CROSSELLING CERDAS MELALUI MARKET BASKET ANALYSIS DENGAN ASOCIATION RULE MINING
DOI:
https://doi.org/10.31539/7h6e4y35Abstract
Dalam era persaingan bisnis yang semakin ketat, analisis data transaksi penjualan menjadi penting untuk memahami pola pembelian konsumen dan mendukung penyusunan strategi pemasaran yang lebih efektif. Penelitian ini bertujuan mengidentifikasi hubungan antarproduk menggunakan pendekatan Market Basket Analysis melalui teknik Association Rule Mining. Dataset yang digunakan adalah Groceries dataset yang terdiri dari 9.835 transaksi dengan 40 atribut produk. Proses analisis dilakukan menggunakan aplikasi WEKA dengan menerapkan algoritma Apriori dan FP-Growth untuk menghasilkan aturan asosiasi berdasarkan nilai support dan confidence. Hasil penelitian menunjukkan bahwa kedua algoritma mampu mengidentifikasi pola pembelian pelanggan secara efektif. Produk kentang menjadi produk yang paling sering muncul dan memiliki hubungan kuat dengan beberapa produk lain, seperti ikan, sereal, mie, ayam, dan beras. Temuan ini menunjukkan bahwa Market Basket Analysis dapat mendukung strategi cross-selling dan pengambilan keputusan pemasaran berbasis data.
Kata Kunci: Market Basket Analysis,Association Rule Mining,FP-Growth,Cross-Selling.
References
[1] R. N. Dianti dan J. Zeniarja, “Implementasi Algoritma Apriori Untuk Analisis Pola Pembelian Konsumen Pada Toserba Yusuf Semarang,” J. Ilm. Penelit. dan pembelajaran Inform., vol. 9, pp. 1013–1021, 2024, doi: 10.29100/jipi.v9i2.5421.
[2] dan I. R. H. Ar-Rasyid, A. Fitriansyah, J. Sari, “Sistem Rekomendasi Penjualan Cross-Selling Potensial Dengan Pendekatan Data Mining,” J. Rekayasa Inf. Swadharma, vol. 5, 2025, doi: 10.56486/jris.vol5no1.801.
[3] A. Setiawan dan R. Mulyanti, “Market Basket Analysis dengan Algoritma Apriori pada Ecommerce Toko Busana Muslim Trendy,” J. Inform., vol. 8, 2020, doi: 10.30595/juita.v8i1.4550.
[4] dan R. C. R. R. A. Putra, M. A. M. Putri, S. M. Sinaga, S. F. Octavia, “Implementation of Association Rules Algorithm to Identify Popular Topping Combinations in Orders,” Public Res. J. Eng. Data Technol. Comput. Sci., vol. 1, pp. 95–101, 2024, doi: 10.57152/predatecs.v1i2.863.
[5] dan R. R. A. M. F. Mulya, N. Rismawati, “Analisis dan Implementasi Data Mining Menggunakan Algoritma Apriori untuk Meningkatkan Penjualan pada Kantin Universitas Tanri Abeng,” Fakt. Exacta, vol. 12, pp. 210–218, 2019, doi: 10.30998/faktorexacta.v12i3.4541.
[6] S. Monalisa dan A. S. Roza, “Penerapan Association Rules untuk Elemen Cross Selling Pada Sistem Informasi Customer Development,” Techno.COM J. Teknol. Inf., vol. 20, pp. 420–429, 2021, doi: 10.33633/tc.v20i3.4750.
[7] A. F. Amelia dan R. Rochmoeljati, “Analisis Aturan Asosiasi untuk Optimalisasi Strategi Penjualan dengan Metode Algoritma Apriori,” Sist. J. Sist. Inf., pp. 1776–1788, 2025, doi: 10.32520/stmsi.v14i4.5288
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Rani Saputri, M Nur Alamsyah, Harma Oktafia Lingga Wijaya
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
