Analisis Pola Pembelian Pelanggan Menggunakan Algoritma Apriori serta Metode Pengujian SUS

Authors

    Marsel Lim( 1 ) Indah Fenriana( 2 )

    (1) Universitas Buddhi Dharma
    (2) Universitas Buddhi Dharma

DOI:


https://doi.org/10.32877/bt.v7i3.1769

Keywords:


Algoritma Apriori, Data Mining, Strategi Pemasaran, System Usability Scale , Tekstil

Abstract

Pada era modern saat ini, kebutuhan masyarakat akan produk tekstil semakin meningkat. Persaingan yang ketat dalam industri tekstil menuntut pengusaha untuk dapat menemukan strategi yang lebih efektif untuk meningkatkan penjualan dan pemasaran produk. Salah satu caranya adalah memanfaatkan data penjualan produk perusahaan menggunakan teknik data mining dengan aturan asosiasi. Penelitian ini menggunakan algoritma Apriori dengan tujuan untuk memberikan informasi baru tentang perilaku pembelian konsumen, informasi ini dapat digunakan untuk strategi pemasaran yang lebih efektif bagi perusahaan serta mengimplementasikannya kedalam sebuah aplikasi website yang sesuai dengan standar pemahaman algoritma apriori sehingga memungkinkan proses analisis dapat dilakukan secara otomatis. Penelitian ini melibatkan akumulasi data sampel transaksi penjualan dalam periode satu tahun. Proses penelitian menggunakan algoritma Apriori ini menghasilkan aturan asosiasi yang menggambarkan hubungan antar produk yang sering dibeli secara bersamaan, dengan menggunakan sampel data dari mei 2023 sampai april 2024. Hasil penelitian ini mendapatkan hasil yang serupa antara perhitungan menggunakan RapidMiner dan perhitungan manual dengan menggunakan ketentuan minimal support 0,3 atau 30% dan minimal confidence 0,6 atau 60%. Aplikasi website dalam penelitian ini dilakukan pengujian untuk dapat memastikan bahwa website memiliki kualitas dan visibilitas yang baik. Salah satu perangkat untuk mengukur tingkat usabilitas website adalah System Usability Scale (SUS). Hasil pengukuran menunjukkan bahwa website memperoleh nilai SUS sebesar 91,25. Skor SUS ini menunjukkan tingkat usabilitas yang tinggi dari 10 responden. Dengan demikian, penelitian ini diharapkan dapat membantu perusahaan dalam meningkatkan strategi pemasaran kedepannya.

Downloads

References

Titania Delfiano and Desiyanna Lasut, “Application of Data Mining to Predict Product Sales Using the K-Means Method,” Bit-Tech, vol. 6, no. 2, 2023, doi: 10.32877/bt.v6i2.927.

P. Dwi Cahya and D. Durbin Hutagalung, “Penerapan Data Mining Menggunakan Algoritma Apriori Pada Penjualan Produk Sembako Berbasis Web (Studi Kasus: Warung Abah Murdika),” J. Ilmu Komput. dan Pendidik., vol. 1, no. 6, pp. 1465–1469, 2023, [Online]. Available: https://journal.mediapublikasi.id/index.php/logic

A. F. Budiantara and C. Budihartanti, “Implementasi Data Mining Dalam Manajemen Inventory Pada Pt. Mastersystem Infotama Menggunakan Metode Algoritma Apriori,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 7, no. 1, 2020, doi: 10.30656/prosisko.v7i1.2130.

E. Buulolo, Data Mining untuk perguruan tinggi. Yogyakarta: deepublish, 2020.

S. Andysa, “Mengenal System Usability Scale,” https://sis.binus.ac.id/2022/02/07/mengenal-system-usability-scale/. Accessed: Oct. 22, 2024. [Online]. Available: https://sis.binus.ac.id/2022/02/07/mengenal-system-usability-scale/

A. J. P. Sibarani, “Implementasi Data Mining Menggunakan Algoritma Apriori Untuk Meningkatkan Pola Penjualan Obat,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 262–276, 2020, doi: 10.35957/jatisi.v7i2.195.

F. Freddie, Y. Kurnia, R. Arijanto, and Y. Yakub, “Perancangan Aplikasi Web Dengan Menggunakan Algoritma Apriori Pada Data Mining Untuk Mengetahui Pola Pembelian Konsumen PT Cipta Tunggal Elektronik,” Algor, vol. 3, no. 1, pp. 71–82, 2021, doi: 10.31253/algor.v3i1.640.

A. Wadanur and A. A. Sari, “Implementasi Algoritma Apriori dan FP-Growth pada Penjualan Spareparts,” Edumatic J. Pendidik. Inform., vol. 6, no. 1, pp. 107–115, 2022, doi: 10.29408/edumatic.v6i1.5470.

Junaedi, A. R. K. Maranto, M. P. Putri, and Suwitno, “User Interface Experience Analysis of PMB Online Buddhi Dharma Using System Usability Scale,” bit-Tech, vol. 6, no. 2, pp. 2016–222, 2023, doi: 10.32877/bt.v6i2.1051.

K. Brighton and S. Hariyanto, “Penerapan Metode Market Basket Analisis Dengan Algoritma Apriori Pada Toko Ritel Elektronik,” bit-Tech, vol. 7, no. 1, pp. 37–46, 2024, doi: 10.32877/bt.v7i1.1417.

Hanum, Nisa Hanum and F. A. Nugraha, Segmentasi Pelanggan Menggunakan Python. Bandung: Kreatif Industri Nusantara, 2020. [Online]. Available: https://openlibrary.telkomuniversity.ac.id/home/catalog/id/169398/slug/segmentasi-pelanggan-menggunakan-python.html

B. Ionut B. and T. Gavril I., SUPPORT VECTOR MACHINES FOR CHURN PREDICTION IN THE MOBILE TELECOMMUNICATIONS INDUSTRY. Bucharest: GAER Publishing House, 2020. [Online]. Available: https://www.researchgate.net/profile/Ionut-Brandusoiu/publication/344386180_SUPPORT_VECTOR_MACHINES_FOR_CHURN_PREDICTION_IN_THE_MOBILE_TELECOMMUNICATIONS_INDUSTRY/links/5f6ef3c9299bf1b53ef44e04/SUPPORT-VECTOR-MACHINES-FOR-CHURN-PREDICTION-IN-THE-MOBILE-TE

S. Lestari and A. Damaiyanti, “… Algoritma Apriori Untuk Menentukan Penjualan Barang IT pada PT. Javas Karya Tungga Jakarta Selatan: Penerapan Data Mining Menggunakan Metode Algoritma …,” J. Sains dan Teknol., vol. 5, no. 1, pp. 237–242, 2023, [Online]. Available: http://ejournal.sisfokomtek.org/index.php/saintek/article/view/1382%0Ahttp://ejournal.sisfokomtek.org/index.php/saintek/article/download/1382/1054

Sutisna and N. M. Yuniar, “Klasifikasi Kualitas Air Bersih Menggunakan Metode Naïve baiyes,” J. Sains dan Teknol., vol. 5, no. 1, pp. 243–246, 2023, [Online]. Available: https://doi.org/10.55338/saintek.v5i1.1383

D. Kurniadi, F. Nuraeni, and S. M. Lestari, “Implementasi Algoritma Naïve Bayes Menggunakan Feature Forward Selection dan SMOTE Untuk Memprediksi Ketepatan Masa Studi Mahasiswa Sarjana,” J. Sist. Cerdas, vol. 5, no. 2, pp. 63–82, 2022, doi: 10.37396/jsc.v5i2.215.

A. M. B. Butar and Y. Kurnia, “Penerapan Algoritma Apriori Pada Pengolahan Data Mining Untuk Mengetahui Pola Pembelian Konsumen Pd. Lucky Metal Part,” Akselerator J. Sains Terap. dan Teknol., vol. 4, no. 1, pp. 40–49, 2023, [Online]. Available: https://jurnal.ubd.ac.id/index.php/aksel/article/view/2272

J. W. Iskandar and Y. Nataliani, “Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 6, pp. 1120–1126, 2021, doi: 10.29207/resti.v5i6.3588.

I. Soliani and S. Juanita, “Grouping the Prevalence of Disease Cases By Age in Bandung City Hospitals Using K-Means,” J. Tek. Inform., vol. 3, no. 6, pp. 1647–1654, 2022, doi: 10.20884/1.jutif.2022.3.6.430.

E. Hafrida, F. Sari, D. Desyanti, and S. Nurjannah, “Data Mining Pembentukan Pola Penggunaan Alat Kontrasepsi Dengan Metode Association Rule,” METHOMIKA J. Manaj. Inform. dan Komputerisasi Akunt., vol. 4, no. 1, pp. 186–191, 2020, doi: 10.46880/jmika.v4i2.210.

D. Setiawan and S. L. Wicaksono, “Evaluasi Usability Google Classroom Menggunakan System Usability Scale,” Walisongo J. Inf. Technol., vol. 2, no. 1, p. 71, 2020, doi: 10.21580/wjit.2020.2.1.5792.

Amanda Zulfi Kurnia Tsani, “Evaluasi User Experience EduSmart Menggunakan System Usability Scale (SUS),” Repeater Publ. Tek. Inform. dan Jar., vol. 2, no. 3, pp. 91–101, 2024, doi: 10.62951/repeater.v2i3.113.

Downloads

Published

2025-04-10

How to Cite

[1]
M. Lim and I. Fenriana, “Analisis Pola Pembelian Pelanggan Menggunakan Algoritma Apriori serta Metode Pengujian SUS”, bit-Tech, vol. 7, no. 3, pp. 705–714, Apr. 2025.

Issue

Vol. 7 No. 3 (2025): bit-Tech

Section

Articles

License

Copyright (c) 2025 bit-Tech

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

I hereby assign and transfer to bit-Tech all exclusive copyright ownership rights to the above work. This includes, but is not limited to, the right to publish, republish, downgrade, distribute, transmit, sell, or use the work and other related materials worldwide, in whole, or in part, in all languages, in electronic, printed, or any other form of media, now known or hereafter developed and reserves the right to permit or license a third party to do any of the above. I understand that this exclusive right will belong to bit-Tech from the date the article is accepted for publication. I also understand that bit-Tech, as the copyright owner, has sole authority to license and permit reproduction of the article. I understand that, except for copyright, any other proprietary rights associated with the work (e.g. patents or other rights to any process or procedure) must be retained by the author. In addition, I understand that bit-Tech permits authors to use their papers in any way permitted by the applied Creative Commons license.

DOI : https://doi.org/10.32877/bt.v7i3.1769
Abstract views: 38 / PDF downloads: 39