Implementasi Algoritma Apriori Untuk Analisis Pola Pembelian Pada Data Transaksi Warung Kelontong Maju Jaya
DOI:
https://doi.org/10.62712/juktisi.v5i1.1033Keywords:
Apriori, Market Basket Analysis, Association Rules, Data Mining, Grocery StoreAbstract
Warung kelontong merupakan salah satu unit usaha mikro yang berperan penting dalam perekonomian Indonesia. Namun, sebagian besar pengelolaan warung masih dilakukan secara konvensional tanpa memanfaatkan data transaksi yang tersedia. Penelitian ini bertujuan untuk mengimplementasikan algoritma Apriori pada data transaksi Warung Maju Jaya tahun 2024 guna menemukan pola asosiasi produk yang sering dibeli bersamaan. Dataset yang digunakan terdiri dari 1.230 baris data mentah yang setelah melalui proses pembersihan menghasilkan 1.140 transaksi bersih dengan 50 jenis produk. Proses preprocessing meliputi penghapusan duplikat (30 baris), penghapusan data tidak valid pada harga satuan, qty, dan subtotal (masing-masing 20 baris), serta imputasi nilai kosong pada kolom metode pembayaran, tipe pelanggan, dan kasir. Algoritma Apriori dijalankan dengan parameter minimum support 0,02 dan minimum confidence 0,5. Hasil eksperimen menghasilkan sejumlah aturan asosiasi yang bermakna, di antaranya pasangan produk kebutuhan pokok seperti Minyak Goreng 2L bersama Beras Premium 5kg dengan nilai support 0,021 dan confidence 0,526. Temuan ini menunjukkan bahwa pendekatan Market Basket Analysis menggunakan Apriori efektif untuk mengidentifikasi pola pembelian pada warung kelontong skala kecil sehingga dapat dimanfaatkan untuk strategi penataan produk dan rekomendasi pembelian.
Downloads
References
Kementerian Koperasi dan UKM Republik Indonesia, “Laporan Perkembangan UMKM Indonesia 2023,” Kemenkop UKM, Jakarta, 2023. [Online]. Available: https://www.kemenkopukm.go.id
R. Agrawal dan R. Srikant, “Fast algorithms for mining association rules,” in Proc. 20th Int. Conf. Very Large Data Bases (VLDB), 1994, pp. 487–499.
J. Han, M. Kamber, dan J. Pei, Data Mining: Concepts and Techniques, 3rd ed. Waltham, MA: Morgan Kaufmann, 2011.
R. Hidayat, A. Setiawan, dan M. Fauzi, “Penerapan algoritma Apriori pada data transaksi minimarket untuk menemukan pola pembelian produk,” J. Ilmu Komputer dan Informasi, vol. 14, no. 2, pp. 112–120, 2021. DOI: 10.21609/jiki.v14i2.964
B. Santoso dan A. Wibowo, “Analisis market basket menggunakan algoritma Apriori pada toko sembako di Surabaya,” JUTISI: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, vol. 10, no. 3, pp. 78–85, 2021. DOI: 10.35889/jutisi.v10i3.686
D. Kurniawan, Y. Rahayu, dan T. Prabowo, “Implementasi algoritma Apriori untuk rekomendasi penempatan produk pada toko kelontong di Bandung,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 1, pp. 45–56, 2022. DOI: 10.35957/jatisi.v9i1.1342
A. Prasetyo dan W. Maharani, “Perbandingan algoritma Apriori dan FP-Growth pada data transaksi warung,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 8, no. 4, pp. 731–738, 2021. DOI: 10.25126/jtiik.2021843354
S. Nuraini, I. Widiasari, dan H. Pramono, “Pola pembelian produk bahan pokok pada toko grosir menggunakan association rule mining,” Jurnal Sistem Informasi (JSI), vol. 14, no. 1, pp. 23–30, 2022. DOI: 10.36706/jsi.v14i1.15061
D. Rahmadhani dan R. Sari, “Penerapan association rule mining pada data transaksi UMKM kuliner menggunakan algoritma FP-Growth,” Prosiding Seminar Nasional Teknologi Informasi dan Komunikasi (SNIK), pp. 201–208, 2022.
T. Larose dan C. Larose, Data Mining and Predictive Analytics, 2nd ed. Hoboken, NJ: Wiley, 2015.
R. Agrawal, T. Imielinski, dan A. Swami, “Mining association rules between sets of items in large databases,” in Proc. ACM SIGMOD Int. Conf. Management of Data, 1993, pp. 207–216. DOI: 10.1145/170035.170072
P. Tan, M. Steinbach, A. Karpatne, dan V. Kumar, Introduction to Data Mining, 2nd ed. Hoboken, NJ: Pearson, 2019.
S. Raschka, J. Patterson, dan C. Nolet, “Machine learning in Python: Main developments and technology trends in data science, machine learning, and artificial intelligence,” Information, vol. 11, no. 4, pp. 1–34, 2020. DOI: 10.3390/info11040193
F. Gorunescu, Data Mining: Concepts, Models and Techniques. Berlin, Heidelberg: Springer, 2011.
M. Bramer, Principles of Data Mining, 4th ed. London: Springer, 2020. DOI: 10.1007/978-1-4471-7493-6
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Durrotun Nafisah, Dian Asriningati, Seila Desy Maulia, M. Alvino Bintang P, Muhammad Arifin
This work is licensed under a Creative Commons Attribution 4.0 International License.
