Implementasi Market Basket Analysis dengan Algoritma Apriori untuk Analisis Pendapatan Usaha Retail

Pada era teknologi sekarang hampir semua bisnis ritel sudah menggunakan teknologi Point of Sale (PoS), dimana semua transaksi di rekap dalam sebuah database sistem. Data yang disimpan di dalam database dapat diolah untuk meningkatkan penjualan. Dengan mengetahui asosiasi data penjualan, aplikasi dapat memberikan rekomendasi produk yang memungkinkan pelanggan untuk membeli rekomendasi produk tersebut. Tujuan dari penelitian ini adalah mengetahui pola asosiasi yang terdapat pada sebuah toko yang sudah menerapkan teknologi PoS. Apabila pola asosiasi tersebut membentuk keterhubungan produk yang relevan dan mendatangkan keuntungan lebih maka metode yang di usulkan akan di terapkan pada aplikasi toko. Algoritma Apriori dapat menemukan pola hubungan produk antar satu atau lebih item dalam suatu dataset. Hanya saja Algoritma Apriori memiliki kelemahan dalam performa. Penerapan algoritma apriori dapat memperlambat akses transaksi, sehingga perlu pengkajian lebih dalam tentang kebermanfaatan pola asosiasi ini. Pada penelitian ini pola asosiasi dianalisis apakah berpengaruh terhadap peningkatan penjualan. Dalam penelitian ini didapatkan bahwa pola asosiasi memiliki peran penting dalam peningkatan penjualan. Didapatkan rata - rata asosiasi dengan nilai confidence tertinggi terjadi pada bulan maret, yaitu 0.61 dengan nilai minimal support 0.003. Hal ini sesuai dengan hasil penjualan tertinggi, yaitu sebesar Rp. 295.509.934 pada bulan maret, tahun 2021. Berdasarkan penelitian ini maka penggunaan algoritma apriori pada aplikasi POS perlu diterapkan.