UMKM GUDANG MASKER) Reni Wahyuni Primary Author mixed material bibliography Banda Aceh Fakultas Teknik

Skripsi

Perkembangan big data pada dunia bisnis berperan secara fundamental dalam pengambilan keputusan. Database UMKM Gudang Masker selama ini hanya berfungsi sebagai arsip, namun database tersebut dapat lebih dimanfaatkan sebagai sumber informasi bagi Gudang Masker dengan melihat kecenderungan konsumen untuk membeli lebih dari satu produk. Gudang Masker ingin memanfaatkan peluang tersebut untuk meningkatkan efisiensi strategi penjualan dengan menawarkan discount bundling berdasarkan preferensi konsumen terhadap produk yang sering dibeli secara bersamaan. Namun Gudang Masker kesulitan untuk menentukan paketan yang terdiri dari berbagai produk dan brand sesuai dengan minat konsumen. Maka dari itu, diperlukannya pendekatan yang dapat memudahkan dalam penentuan produk-produk yang sering dibeli secara bersamaan terhadap database Gudang Masker yang besar. Penelitian ini bertujuan untuk menemukan frequent itemset dari database penjualan di Gudang Masker untuk mengetahui penentuan paketan bundling produk sesuai dengan minat konsumen dengan metode Association Rules-Market Basket Analysis menggunakan algoritma Frequent Pattern-Growth. Data yang digunakan merupakan struk transaksi penjualan konsumen Gudang Masker sebanyak 200 struk dalam rentang waktu 2 september 2023 sampai dengan 17 oktober 2023. Data tersebut dilakukan pembentukan association rules dengan algoritma frequent pattern-growth berdasarkan evaluasi asosiasi penilaian support, confidence, dan memvalidasi data dengan lift ratio. Hasil evaluasi association rules berdasarkan nilai support, confidence dan lift ratio, hubungan produk yang memenuhi validasi lift ratio >1 sebanyak 11 paketan produk dengan confidence lebih dari 60%. Kemudian, bundling produk dibentuk berdasarkan hasil evaluasi asosiasi sebanyak 9 paketan daftar produk bundling. Kata kunci: Discount Bundling, Algoritma Frequen Pattern-Growth, Association Rules-Market Basket Analysis, Gudang Masker, Database 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 123254 2024-05-31 15:09:22 2024-05-31 16:06:07 machine generated