Penerapan Algoritma Apriori untuk menghasilkan pola penjualan produk bangunan

Tujuan dari penelitian ini adalah menganalisis kecenderungan konsumen dalam melakukan pembelian material bangunan dengan memanfaatkan algoritma Apriori, yang diterapkan pada proses analisis asosiasi dalam data mining. Dalam dunia toko bahan bangunan, pengertian tentang perilaku belanja konsumen sangat krusial untuk memperbaiki strategi penjualan dan penataan barang. Penelitian ini menggunakan 500 transaksi penjualan yang telah melewati proses prapengolahan dan kemudian diubah ke dalam format biner melalui teknik one-hot encoding. Pada tahap analisis, algoritma Apriori diterapkan dengan menentukan batas minimum dukungan sebesar 10% dan batas minimum kepercayaan sebesar 50%. Temuan dari analisis ini mengindikasikan bahwa kombinasi produk seperti Semen dan Pasir serta Batu Bata dan Semen menunjukkan nilai dukungan dan kepercayaan yang signifikan. Temuan pola tersebut menyediakan informasi berharga yang dapat digunakan oleh pemilik toko material bangunan untuk menata ulang posisi produk secara lebih efektif, mengelola persediaan dengan lebih terencana, serta merancang strategi promosi yang lebih tepat sasaran. Representasi visual dari pola asosiasi juga digunakan untuk memberikan gambaran visual tentang interaksi antar produk. Hasil penelitian ini menunjukkan bahwa algoritma Apriori dapat berfungsi sebagai sarana yang efisien dalam mendukung proses pengambilan keputusan di dunia bisnis yang berlandaskan pada catatan data penjualan. Kata kunci: Apriori, Penambangan Data, Pola Belanja, Bahan Konstruksi, Aturan Asosiasi.   This study seeks to identify trends in how building materials are bought, using the Apriori algorithm within association-based data mining techniques. Grasping how customers buy things at building supply stores is really important for making better sales plans and arranging products in a smart way. This study looks at 500 sales records that have been cleaned up and changed into a one-hot encoded format. The Apriori method was implemented utilizing a support threshold of at least 10% and a confidence threshold of at least 50%. The study revealed that certain sets of products, like Cement with Sand and Bricks with Cement, showed strong support and confidence levels. These relationships give helpful information that can help building supply store owners create better product placement strategies, handle inventory better, and make more focused sales offers. Visual representations of these patterns are also used to visually show the links between different products. This study indicates that the Apriori approach serves as a valuable tool for informing business decisions by utilizing patterns derived from past sales data.  Keywords: Apriori Algorithm, Data Mining, Sales Patterns, Building Products, Association Rules