ANALISIS DATA PENJUALAN UNTUK MENGETAHUI POLA KECENDERUNGAN/MINAT PEMBELIAN PELANGGAN DENGAN MENGGUNAKAN ALGORITMA APRIORI (STUDI KASUS WARUNG MAKAN DJI-TOE TEGAL)

Afi Khoiril Anam; Erizal;

ABSTRAK

Analisis Data Penjualan untuk Mengetahui Pola Kecenderungan/Minat Pembelian Pelanggan dengan Menggunakan Algoritma Apriori (Studi Kasus Warung Makan Dji-Toe Tegal)

Afi Khoiril Anam

Warung Makan Dji-Toe Tegal merupakan UMKM di bidang kuliner yang telah berdiri sejak tahun
2017 dan memiliki pencatatan transaksi secara terkomputerisasi. Namun, data tersebut belum
dimanfaatkan secara optimal untuk mendukung pengambilan keputusan bisnis. Penelitian ini
bertujuan untuk menganalisis pola pembelian pelanggan menggunakan algoritma Apriori sebagai
salah satu metode asosiasi dalam data mining. Dengan menetapkan nilai minimum support sebesar
2%, confidence 60%, dan lift 1.3, diperoleh pola pembelian pelanggan yang signifikan. Salah satu
pola menunjukkan bahwa pembelian menu gurame bakar dan bebek bakar cenderung diikuti dengan
pembelian cah kangkung tauco dan botol air mineral, dengan support sebesar 2,44% dan confidence
mencapai 90%. Selain itu, penyajian hasil dalam bentuk visualisasi turut menjadikan analisis lebih
informatif dan mudah dipahami oleh pengambil keputusan. Penggunaan data transaksi dalam skala
besar juga berkontribusi pada munculnya pola-pola pembelian yang lebih unik dan beragam
dibandingkan data berskala kecil. Hasil ini membuktikan bahwa algoritma Apriori dapat digunakan
sebagai dasar dalam penyusunan strategi pemasaran, pengembangan paket menu, dan pengambilan
keputusan yang lebih tepat berbasis data transaksi.

Kata kunci: UMKM, data mining, asosiasi, transaksi, apriori

Sales Data Analysis to Determine Customer Purchasing Trends/Interest Using Apriori Algorithm (Case Study of Dji-Toe Restaurant in Tegal)

Afi Khoiril Anam

Warung Makan Dji-Toe Tegal is an UMKM in the culinary field that has been established since
2017 and has computerized transaction records. However, the data has not been optimally utilized
to support business decision-making. This study aims to analyze customer purchasing patterns using
the Apriori algorithm as one of the association methods in data mining. By setting the minimum
support value at 2%, confidence at 60%, and lift at 1.3, significant customer purchase patterns were
obtained. One of the patterns shows that the purchase of grilled gourami and grilled duck tends to
be followed by the purchase of stir-fried water spinach with fermented soybeans and bottled mineral
water, with a support of 2.44% and a confidence of 90%. Additionally, presenting the results in the
form of visualizations makes the analysis more informative and easier for decision-makers to
understand. The use of large-scale transaction data also contributes to the emergence of more
unique and diverse purchasing patterns compared to small-scale data. These results prove that the
Apriori algorithm can be used as a basis for formulating marketing strategies, developing menu
packages, and making more accurate decisions based on transaction data.

Keywords: UMKM, data mining, association, transaction, apriori