Electronic Theses and Dissertation

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

The development of big data in the business world plays a fundamental role in decision-making. The UMKM Gudang Masker database has so far only served as an archive, but it can be further utilized as a source of information for Gudang Masker by observing consumer trends to purchase more than one product. Gudang Masker aims to capitalize on this opportunity to enhance sales strategy efficiency by offering discount bundling based on consumer preferences for products frequently purchased together. However, Gudang Masker struggles to determine packages consisting of various products and brands according to consumer interests. Therefore, an approach is needed to facilitate the determination of products frequently purchased together from the extensive Gudang Masker database. This research aims to discover frequent itemsets from the Gudang Masker sales database to determine bundling product packages according to consumer interests using the Association Rules-Market Basket Analysis method employing the Frequent Pattern-Growth algorithm. The data used consists of 200 consumer sales transaction receipts from Gudang Masker spanning from September 2, 2023, to October 17, 2023. Association rules were formed using the frequent pattern-growth algorithm based on the evaluation of support, confidence, and data validation with lift ratio. The evaluation results of association rules based on support, confidence, and lift ratio values revealed relationships between products that met validation criteria with lift ratios >1 for 11 product bundles and confidence >60%. Subsequently, product bundling was formed based on the association evaluation results comprising 9 bundles of product listings. Keywords: Discount Bundling, Frequent Pattern-Growth Algorithm, Association Rules-Market Basket Analysis, Gudang Masker, Database