Prediksi Pembelian Pelanggan di Toko Online XYZ dengan Algoritma Apriori

Dalam penelitian ini, peneliti mengevaluasi keefektifan Algoritma Apriori dalam memprediksi pembelian pelanggan di toko online XYZ. Melalui analisis data pelanggan dan transaksi, peneliti menemukan pola pembelian yang digunakan untuk membuat rekomendasi produk yang tepat kepada pelanggan. Hasil dari penelitian ini menunjukkan bahwa Algoritma Apriori efektif dalam memprediksi pembelian pelanggan dan dapat digunakan oleh toko online XYZ untuk meningkatkan kepuasan pelanggan dan meningkatkan pendapatan.

Kata Kunci : Prediksi Pembelian, Pelanggan, Toko Online, XYZ, Algoritma Apriori.

ABSTRACT

In this study, researchers evaluated the effectiveness of the Apriori Algorithm in predicting customer purchases at the XYZ online store. Through analysis of customer and transaction data, researchers discover purchasing patterns that are used to make the right product recommendations to customers. The results of this study indicate that the Apriori Algorithm is effective in predicting customer purchases and can be used by the XYZ online store to increase customer satisfaction and increase revenue.

Keywords: Purchase Prediction, Customers, Online Shop, XYZ, Apriori Algorithm

1. PENDAHULUAN

Toko online merupakan salah satu jenis platform jual beli yang sedang marak saat ini. Keberadaan toko online ini menyediakan beragam produk yang dapat dibeli oleh pelanggan dengan mudah dan cepat.

Namun, dalam mengelola toko online, pemilik toko harus dapat mengetahui pola pembelian pelanggan agar dapat menyediakan produk yang sesuai dengan kebutuhan pelanggan. Oleh karena itu, dibutuhkan suatu metode yang dapat digunakan untuk memprediksi pembelian pelanggan di toko online.

Apriori algoritma merupakan salah satu metode yang dapat digunakan untuk memprediksi pembelian pelanggan di toko online. Apriori algoritma digunakan untuk menemukan aturan asosiasi dalam data transaksi yang digunakan untuk menentukan item yang sering dibeli bersama-sama oleh pelanggan. Dengan menggunakan Apriori algoritma, pemilik toko dapat mengetahui pola pembelian pelanggan dan menyediakan produk yang sesuai dengan kebutuhan pelanggan sehingga dapat meningkatkan kepuasan pelanggan dan meningkatkan pendapatan toko.

2. METODOLOGI PENELITIAN

Metodologi penelitian yang digunakan dalam prediksi pembelian pelanggan di Toko Online XYZ adalah dengan menggunakan algoritma Apriori. Algoritma ini digunakan untuk menentukan hubungan antara item yang sering dibeli bersama-sama dalam satu transaksi, yang kemudian digunakan untuk memprediksi item yang mungkin dibeli oleh pelanggan di masa yang akan datang. Data yang digunakan adalah data historis pembelian pelanggan dan dianalisis menggunakan software yang sesuai. Hasil dari analisis ini kemudian digunakan untuk meningkatkan pengalaman belanja pelanggan dan meningkatkan tingkat pembelian.

3. LANDASAN TEORI

Landasan teori yang digunakan dalam penelitian ini adalah teori asosiasi atau teori market basket analysis. Teori ini digunakan untuk menentukan hubungan antara item yang sering dibeli bersama-sama dalam satu transaksi, yang kemudian digunakan untuk memprediksi item yang mungkin dibeli oleh pelanggan di masa yang akan datang. Algoritma yang digunakan dalam penelitian ini adalah algoritma Apriori yang dikembangkan oleh Agrawal dan Srikant (1994), yang merupakan salah satu algoritma yang paling populer dalam teori asosiasi ini. Selain itu, teori ini juga digunakan untuk meningkatkan pengalaman belanja pelanggan dan meningkatkan tingkat pembelian

4. HASIL DAN PEMBAHASAN

Solusi dari masalah ini adalah dengan menggunakan Apriori algoritma untuk memprediksi pembelian pelanggan di toko online XYZ.

Gambar II.1 Algoritma Apriori

Dengan menggunakan Apriori algoritma, pemilik toko dapat mengetahui pola pembelian pelanggan dan menyediakan produk yang sesuai dengan kebutuhan pelanggan, sehingga dapat meningkatkan kepuasan pelanggan dan meningkatkan pendapatan toko.

Data Set

Berikut adalah data dari database toko online, data ini sudah memenuhi kondisi dari algoritma Apriori, yaitu minimal harus memiliki dua transaksi yang memiliki item yang sama. Berikut adalah langkah penyelesaian masalah:

Inisialisasi

Inisialisasi adalah tahap awal dalam proses penerapan algoritma Apriori. Pada tahap ini, ditentukan nilai-nilai yang diperlukan untuk menjalankan algoritma. Set nilai minimum support (min_sup) dan nilai minimum confidence (min_conf) yang diinginkan.

• Minimum support: 0.5 (artinya, itemset yang muncul paling sedikit 50% dari transaksi harus dipilih)
• Minimum confidence: 0.7 (artinya, asosiasi yang ditemukan harus memiliki tingkat kepercayaan minimal 70%)
• Minimum lift: 1.2 (artinya, asosiasi yang ditemukan harus memiliki lift minimal 1.2)
• Maximum length of itemset: 3 (artinya, panjang maksimal dari itemset yang dicari adalah 3)

Generate set kandidat item

Generate set kandidat item dari data transaksi yang tersedia dengan menggunakan algoritma Apriori.

Hitung Minimum Support

= (min_sup*jumlah_transaksi) / 100

= (50*5) / 100

= 2.5

Hitung Item

Menghapus Item yang bernilai kurang dari min_sup Mengembangkan ke Level 2 Menghapus Item yang bernilai kurang dari min_sup Mengembangkan ke Level 3 Menghapus Item yang bernilai kurang dari min_sup Aturan Asosiasi

1jumlah = 100 / jumlah_transaksi

= 100 / 5

= 20 % Penjelasan

• Membuat tabel transaksi yang mencatat jumlah transaksi yang mengandung item tertentu.
• Menghitung support setiap item dengan rumus support = (jumlah transaksi yang mengandung item) / (jumlah transaksi total)
• Memfilter item yang tidak memenuhi minimum support sebesar 0.5.
• Membuat kombinasi item dari item yang masih tersisa sesuai dengan maximum length of itemset yang ditentukan (3).
• Menghitung support dari setiap kombinasi item.
• Memfilter kombinasi item yang tidak memenuhi minimum support sebesar 0.5.
• Menghitung confidence setiap kombinasi item dengan rumus confidence = (support kombinasi item) / (support item pertama)
• Memfilter kombinasi item yang tidak memenuhi minimum confidence sebesar 0.7.
• Menghitung lift setiap kombinasi item dengan rumus lift = (confidence kombinasi item) / (support item kedua)
• Memfilter kombinasi item yang tidak memenuhi minimum lift sebesar 1.2.
• Hitung support setiap item: Hitung support dari setiap item yang ada di set kandidat item dengan cara menghitung jumlah transaksi yang mengandung item tersebut.
• Prune item yang tidak memenuhi min_sup: Hapus item yang tidak memenuhi nilai min_sup yang telah ditentukan.
• Generate aturan asosiasi: Generate aturan asosiasi dari item yang tersisa dengan cara menghitung nilai confidence dari setiap aturan.
• Prune aturan yang tidak memenuhi min_conf: Hapus aturan yang tidak memenuhi nilai min_conf yang telah ditentukan.
• Hasil: Hasil yang diperoleh adalah set aturan asosiasi yang memenuhi nilai min_sup dan min_conf yang telah ditentukan.
• Prediksi: setelah didapatkan aturan asosiasi yang memenuhi kondisi yang ditentukan, selanjutnya dapat digunakan untuk memprediksi pembelian pelanggan di toko online.

4. Kesimpulan

Apriori adalah algoritma yang digunakan dalam analisis asosiasi untuk menentukan pola item yang sering muncul bersama-sama dalam sebuah transaksi. Apriori dapat digunakan dalam memprediksi pembelian pelanggan di toko online dengan menganalisis pola pembelian sebelumnya dari pelanggan yang sama atau pelanggan yang memiliki karakteristik yang sama. Namun, efektivitas Apriori dalam memprediksi pembelian pelanggan di toko online tergantung pada kualitas data yang digunakan dan konfigurasi algoritma yang digunakan.

Saran

Adapun saran dari hasil laporan prediksi pembelian pelanggan di toko online XYZ sebagai berikut:

Memastikan data yang digunakan cukup banyak dan berkualitas untuk melatih algoritma.

• Menerapkan teknik preprocessing data yang tepat untuk membersihkan dan menyederhanakan data.
• Memilih nilai support dan confidence yang sesuai dengan konteks bisnis.
• Memvisualisasikan hasil untuk memahami pola pembelian pelanggan dan mengambil keputusan bisnis yang tepat

Daftar Pustaka

OlehTrivusi, TrivusiIkatlah ilmu dengan menulis. Menebar manfaat dengan berbagi :), Trivusi, & Ikatlah ilmu dengan menulis. Menebar manfaat dengan berbagi :). (n.d.). Algoritma Apriori: Pengertian, Cara Kerja, Kelebihan, Dan Kekurangannya. Trivusi. Retrieved January 13, 2023, from https://www.trivusi.web.id/2022/08/algoritma-apriori.html

Sianturi, F. A. (2018). Penerapan Algoritma Apriori Untuk Penentuan Tingkat Pesanan. Jurnal Mantik Penusa, 2(1). Retrieved from https://e-jurnal.pelitanusantara.ac.id/index.php/mantik/article/view/330

Badrul, M. (2016). ALGORITMA ASOSIASI DENGAN ALGORITMA APRIORI UNTUK ANALISA DATA PENJUALAN. Jurnal Pilar Nusa Mandiri, 12(2), 121-129. Retrieved from https://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/266

Buat kamu yang punya tugas terkait Algoritma, bisa banget joki tugas Algoritma di sini, selain dibantu mengerjakan, kita juga bantu jelaskan pada dokumen terpisah.

Order bisa langsung via whatsapp admin ya, jelaskan tugas yang akan dikerjakan dan juga deadline nya, admin akan membalas whatsapp kamu beserta rincian yang harus kamu bayar. Tenang saja, pembayaran boleh dp 50% dan sisanya bisa kamu bayar setelah tugas selesai dikerjakan.

Order Joki Tugas

“Tugas selesai hati pun senang”