ANALISIS KERANJANG BELANJA PADA DATA
TRANSAKSI PENJUALAN
(STUDI KASUS TOSERBA YOGYA BANJAR)
SKRIPSI
Oleh
TRI LESTARI
H24052006
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
ANALISIS KERANJANG BELANJA PADA DATA
TRANSAKSI PENJUALAN
(STUDI KASUS TOSERBA YOGYA BANJAR)
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
pada Departemen Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh
TRI LESTARI
H24052006
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
ABSTRAK
Tri Lestari H24052006. Analisis Keranjang Belanja Pada Data Transaksi Penjualan (Studi Kasus Toserba Yogya Banjar). Di bawah bimbingan Muhammad Syamsun.
Dunia bisnis ritel mengalami pertumbuhan yang sangat pesat, hal ini ditandai dengan meningkatnya jumlah ritel. Umumnya setiap ritel menggunakan sistem komputerisasi dalam penyimpanan data penjualan dan pembelian yang menghasilkan data transaksi. Data transaksi tesebut dapat digunakan sebagai sumber informasi penting dalam mempertahankan keberadaan usaha tersebut. Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis ritel ini adalah dengan meningkatkan dan mempertahankan tingkat pertumbuhan penjualannya.
Penelitian ini bertujuan (1) mempelajari sebuah aplikasi analisis keranjang belanja (market basket analysis) yang berkaitan dengan data transaksi penjualan yang menggunakan teknik assosiatif, (2) mengidentifikasi beberapa tipe dari kaidah asosiasi (association rules) yang berkaitan dengan data transaksi penjualan yaitu nilai-nilai support dan confidence, (3) mengetahui implikasi manajerial dari analisis keranjang belanja (market basket analysis). Penelitian ini dilaksanakan di Toserba Yogya Banjar, data yang digunakan adalah data sekunder yang bersumber dari dokumen perusahaan berupa data transaksi. Penelitian diolah dengan menggunakan software Microsoft Office Excel 2007 dan software Minitab 14. Data dianalisis dengan menggunakan algoritma apriori yang menghasilkan aturan asosiasi, dengan pola “if-then”.
Aplikasi Analisis Keranjang Belanja tidak hanya digunakan untuk menentukan kecenderungan pelanggan dalam membeli barang-barang secara bersamaan, dapat melihat kapan suatu barang dibeli pada jumlah yang paling besar. Tipe kaidah asosiasi yang dihasilkan adalah jeruk lebih banyak dibeli pada waktu pembelian antara jam 17:14-21:20 WIB, mie lebih banyak dibeli pada waktu pembelian antara jam 17:14-21:20 WIB, pembelian item apabila tidak promosi maka tidak diskon, dan apabila terjadi pembelian pada buah, mie maka akan di beli minyak goreng. Implikasi manajerial, Toserba YOGYA lebih memperhatikan persediaan untuk item yang dipengaruhi oleh waktu.
INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN
DEPARTEMEN MANAJEMEN
ANALISIS KERANJANG BELANJA PADA DATA TRANSAKSI PENJUALAN
(STUDI KASUS TOSERBA YOGYA BANJAR)
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI
pada Departemen Manajemen Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh TRI LESTARI
H24052006
Menyetujui, Mei 2009
Dr. Ir. Muhammad Syamsun M.Sc Dosen Pembimbing
Mengetahui,
Dr. Ir. Jono M. Munandar, M.Sc Ketua Departemen
Tanggal lulus :
RIWAYAT HIDUP
Penulis dilahirkan di Ciamis pada tanggal 16 Oktober 1986, penulis merupakan anak ketiga dari empat bersaudara pasangan Sugiono dan Tintin Rumtinah. Penulis menyelesaikan pendidikan TK YWKA Banjar pada tahun 1993, lalu melanjukan pendidikan Sekolah Dasar Banjar XIII. Pada Tahun 1999, penulis melanjutkan pendidikan di Sekolah Lanjutan Tingkat Pertama Negeri I Pataruman dan Sekolah Menengah Umum Negeri I Banjar dengan program IPA pada Tahun 2002. Pada tahun 2005, penulis diterima di Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI) di Tingkat Persiapan Bersama (TPB) dan diterima di Departemen Manajemen, Fakultas Ekonomi dan Manajemen pada tahun 2006.
Selama menjalani perkuliahan, penulis berpartisipasi aktif dalam organisasi kemahasiswaan, yaitu himpunan profesi Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor yang bernama Center Of
Management (COM@). Pada tahun periode 2006-2007 dan 2007-2008 penulis
menjabat sebagai staff Produksi Operasi Bisnis. Penulis juga aktif pada kegiatan di lingkungan kampus seperti kepanitiaan, kegiatan olah raga seperti sportakuler dan OMI, seminar-seminar, pelatihan, panitia Masa Perkenalan Departemen.
KATA PENGANTAR
Alhamdulillah, segala puji dan syukur penulis panjatkan kekhadirat Allah SWT yang telah melimpahkan rahmat, hidayah, dan karunia-Nya kepada penulis, sehingga dapat menyelesaikan skripsi ini dengan baik. Skripsi ini disusun sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Skripsi ini mengambil judul Analisis Keranjang Belanja Pada Data Transaksi Penjualan (Studi Kasus Toserba YOGYA Banjar) Usulan penelitian ini merupakan salah satu syarat untuk memperoleh gelar sarjana pada Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor.
Penyusunan skripsi ini, penulis banyak dibantu oleh berbagai pihak baik secara moril maupun materiil. Oleh karena itu, penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Dr. Ir. Muhammad Syamsun, M.Sc. sebagai dosen pembimbing yang telah banyak meluangkan waktunya untuk memberikan bimbingan, saran, motivasi dan pengarahan kepada penulis.
2. Dra. Siti Rahmawati, M.Pd dan Deddy Cahyadi, S.TP, MM atas kesediaannya untuk meluangkan waktu menjadi dosen penguji.
3. Bapak Budi (store manager), Teh Linda, Pa Felix dan pihak Toserba YOGYA Banjar yang telah memberikan kesempatan bagi penulis untuk melaksanakan penelitian serta memberikan masukan dan informasi demi terselesaikannya skripsi ini.
4. Seluruh Dosen Departemen Manajemen yang telah memberikan ilmu dan pengetahuan yang berguna bagi penulis, Kepala Tata Usaha Fakultas Ekonomi dan Manajemen dan staf atas bantuan selama penulis menyelesaikan perkuliahan.
5. Kedua orang tua, saudara (Teh Rani, Mas Eko, Teh Novi, A Andri dan Yayang), keponakanku (Agung dan Iki) dan seluruh keluarga besar yang senantiasa memberikan doa yang tulus, semangat dan kasih sayang kepada penulis.
6. Irsam Ardiantoro atas ketulusan, kesabaran, kasih sayang, semangat, dan bantuannya dalam penyelesaian skripsi ini.
7. Heni, Ica, Nain, Rini, Dila, Lina atas indahnya persahabatan dan semangat yang telah diberikan selama ini.
8. Rara, Pei, Dewi, Anggi, Levi, Faris, Riri, Ira, yang telah memberikan indahnya persahabatan, keceriaan, dan kebersamaan selama ini serta kasih sayang, motivasi dan masukan yang telah diberikan kepada penulis.
9. Sahabat-sahabat terbaik Manajemen Angkatan 42 yang selalu bersama-sama membuat kenangan dan persahabatan yang indah serta ilmu kehidupan yang diberikan.
10. Rekan-rekan satu bimbingan: Levi, Mita, Jidor, Nceq, Indri, Agung dan Riri, untuk kerjasama dan motivasi selama proses bimbingan dan penyusunan skripsi.
11. Lulud, Fitra, Bagus, Maya, dan Yeyen untuk motivasi dan masukan yang telah diberikan kepada penulis.
12. Semua pihak yang telah membantu dalam penulisan skripsi ini. Semoga Allah SWT senantiasa memberikan pahala atas kebaikannya.
Tidak ada kesempurnaan pada manusia. Penulis menyadari bahwa masih terdapat kekurangan dalam penyusunan skripsi ini. Oleh karena itu, kritik dan saran konstruktif sangat diperlukan untuk kemajuan yang lebih baik. Akhirnya, penulis berharap semoga skripsi ini bermanfaat bagi kemaslahatan umat dan bernilai ibadah dalam pandangan ALLAH SWT. Amin.
Bogor, Mei 2009
Penulis
DAFTAR ISI
Halaman ABSTRAK
RIWAYAT HIDUP ... iv
KATA PENGANTAR ... v
DAFTAR ISI ... vii
DAFTAR TABEL ... ix DAFTAR GAMBAR ... x DAFTAR LAMPIRAN ... xi I. PENDAHULUAN ... 1 1.1. Latar Belakang ... 1 1.2. Perumusan Masalah ... 4 1.3. Tujuan Penelitian ... 4 1.4. Manfaat Penelitian ... 5 1.5. Ruang Lingkup ... 5
II. TINJAUAN PUSTAKA ... 6
2.1. Manajemen Pemasaran ... 6
2.2. Bauran Pemasaran ... 7
2.3. Pengertian Penjualan ... 8
2.4. Struktur Dasar Bisnis Ritel ... 8
2.4.1. Pengertian dan Jenis-jenis Pengecer ... 9
2.4.2. Peritel yang Berhasil ... 13
2.4.3. Perilaku Konsumen dalam Retailing ... 14
2.4.4. Toserba ... 15
2.4.5. Transaksi Penjualan ... 15
2.5. Data Mining ... 16
2.6. Proses Penggalian Data dan Penemuan Pengetahuan ... 19
2.7. Teknik-teknik Penggalian Data ... 20
2.8. Analisis Keranjang Belanja ... 22
2.9. Penelitian Terdahulu ... 25
III. METODE PENELITIAN ... 26
3.1. Kerangka Pemikiran Penelitian ... 26
3.2. Metode Penelitian ... 27
3.2.1. Lokasi dan Waktu Penelitian ... 27
3.2.2. Jenis dan Sumber Data ... 27
3.2.3. Metode Pengolahan dan Analisis Data ... 28
3.2.4. Algoritma Apriori ... 29
IV. HASIL DAN PEMBAHASAN ... 30
4.1. Gambaran Umum Perusahaan ... 30
4.1.2. Sejarah Toserba YOGYA Cabang Banjar ... 32
4.1.3. Visi dan Misi Perusahaan ... 33
4.1.4. Kategori Produk ... 34
4.3. Segmentation, Targeting, Positioning Toserba YOGYA ... 34
4.4. Aplikasi Analisis Keranjang Belanja ... 35
4.5. Kaidah Asosiasi antara Item-item Penjualan ... 36
4.6. Implikasi Manajerial ... 49
KESIMPULAN DAN SARAN ... 50
1. Kesimpulan ... 50
2. Saran ... 51
DAFTAR PUSTAKA ... 52
DAFTAR TABEL
No. Halaman
1. Jumlah Toko Ritel di Indonesia ... 2
2. Bidang Aplikasi Penggalian Data ... 18
3. Support count untuk kandidat 1 itemset ... 36
4. Support count untuk kandidat 2 itemset produk (mie, jeruk), waktu pembelian ... 37
5. Support count untuk kandidat 3 itemset T1 ... 38
6. Support count untuk kandidat 3 itemset T2 ... 38
7. Support count untuk kandidat 3 itemset T3 ... 39
8. Nilai support dan confidence dari kaidah asosiasi ... 39
9. Support count untuk kandidat 1 itemset ... 40
10. Support count dan support untuk 2itemset yaitu promosi dan diskon ... 41
11. Support count dan support untuk 2itemset yaitu diskon dan waktu pembelian ... 41
12. Support count dan support untuk 2itemset yaitu promosi dan waktu pembelian ... 42
13. Support count dan support untuk 3itemset promosi, waktu pembelian dan tidak diskon ... 42
14. Support count dan support untuk 3itemset promosi, waktu pembelian dan diskon ... 43
15. Nilai support dan confidence dari kaidah asosiasi ... 43
16. Support count dan support untuk 1itemset yaitu waktu pembelian dan 5 produk ... 44
17. Support count dan support untuk 2 itemset (A, B, C, D, E, F) ... 45
18. Support count dan support untuk 3 itemset (A, B, C, D, E, F) ... 46
19. Support count dan support untuk 4 itemset (A, B, C, D, E, F) ... 47
20. Support count dan support untuk 5 itemset (A, B, C, D, E, F) ... 48
DAFTAR GAMBAR
No. Halaman
1. Struktur Data dari Market Basket Data ... 24 2. Kerangka Pemikiran ... 27
DAFTAR LAMPIRAN
No. Halaman
1. Struktur Organisasi Toserba YOGYA Banjar ... 53 2. Contoh Data Transaksi ... 54 3. Hasil Pengolahan Data ... 56
I. PENDAHULUAN
1.1. Latar Belakang
Seiring dengan perkembangan teknologi, semakin berkembang pula kemampuan kita dalam mengumpulkan dan mengolah data. Penggunaan Sistem komputerisasi dalam berbagai bidang baik itu dalam transaksi-transaksi bisnis, maupun untuk kalangan pemerintah dan sosial, telah menghasilkan data yang berukuran sangat besar. Data-data yang terkumpul ini merupakan suatu tambang emas yang dapat digunakan sebagai informasi dalam dunia bisnis.
Aplikasi basis data telah banyak diterapkan dalam berbagai bidang, antara lain bidang manajemen, manajemen data untuk industri, ilmu pengetahuan, administrasi pemerintah dan bidang-bidang lainnya. Akibatnya data yang dihasilkan oleh bidang-bidang tersebut sangatlah besar dan berkembang sangat cepat. Hal ini menyebabkan timbulnya kebutuhan terhadap teknik-teknik yang dapat melakukan pengolahan data sehingga dari data-data yang ada dapat diperoleh informasi penting yang dapat digunakan untuk perkembangan pada masing-masing bidang.
Perkembangan dunia bisnis ritel kembali diserbu konsumen yang ditandai dengan semakin banyaknya supermarket yang didirikan. Hampir semua supermarket menggunakan sistem komputerisasi dalam penyimpanan data penjualan dan pembelian, sehingga akan dihasilkan banyak data transaksi. Data transaksi tersebut dapat digunakan sebagai sumber informasi penting dalam mempertahankan keberadaan usaha tersebut.
Catatan statistik menunjukan sepanjang 1999 hanya sektor konsumsilah yang mencatat angka pertumbuhan positif jika mengacu pada PDB atau produk domestik bruto (menurut output) konsumsi rumah tangga mencatat pertumbuhan 3,68% sementara pemerintah mencatat pertumbuhan 0,69% hingga semester kedua tahun 2000 pertumbuhan konsumsi masih terus berlangsung mencapai 2,58% (Warta Ekonomi, 2000 : 12-13). Hal itu menunjukan bahwa keinginan membeli pada konsumen cukup besar, sehingga akan menguntungkan bagi pihak supermarket.
Total penjualan (hypermarket, supermarket, dan minimarket) selama tahun 2002-2006, rata-rata tumbuh 19,75% per tahun. Tahun 2007, gerai-gerai hypermarket dan minimarket diprediksi tumbuh 25%. Hypermarket dan
Carrefour masing-masing bakal menambah 10 outlet, sedangkan Alfamart
dan Indomart masing-masing 400 toko, sementara itu, supermarket juga masih bertumbuh, meskipun hanya single digit (Marketing 2007: 29-30). Perkembangan industri ritel di Indonesia dapat ditunjukkan dari jumlah toko ritel yang cenderung mengalami peningkatan dari setiap jenis ritel yang ada di Indonesia selama tahun 2004-2006. Jumlah toko ritel di Indonesia selama tahun 2004-2006 dapat dilihat dalam Tabel 1.
Tabel 1. Jumlah Toko Ritel di Indonesia
2006 2005 2004
Traditional Grocery Stores 1,846,752 1,787,897 1,745,589
Convenience Stores 120 115 154
Total Hypermarkets 105 83 68
Total Warehouse Clubs 26 24 22
Total Minimarkets 7,356 6,465 5,604
Total Supermarkets 1,311 1,152 956
Total Universe 1,855,670 1,795,736 1,752,393
Sumber : AC Nielsen dalam Marketing, 2007
Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis ritel ini adalah dengan meningkatkan dan mempertahankan tingkat pertumbuhan penjualannya. Pendekatan yang dapat dilakukan dalam rangka meningkatkan volume penjualan tersebut adalah dengan memahami dan mengetahui pola perilaku belanja konsumen. Pengetahuan tentang pola perilaku belanja tersebut kemudian dapat dimanfaatkan untuk menyusun tata letak rak toko sedemikian rupa sehingga memberikan kemudahan bagi konsumen dalam melakukan pembelian, dan dapat meningkatkan kemungkinan munculnya keinginan membeli (impulse buying).
Pada sebuah supermarket dapat digali berbagai macam informasi dari data transaksi pembelian produk-produk. Asosiasi antara jenis-jenis produk yang dibeli konsumen, kemasan (packing) produk yang disukai konsumen,
dan kapan produk tertentu banyak dibeli, merupakan informasi yang dapat digunakan pihak supermarket dalam mengatur peletakan produk di etalase dan rak barang, sehingga dapat membantu pelayan supermarket dan konsumen dalam mencari dan mengingat kembali bila lupa. Pihak
supermarket dapat menentukan kapan perlu mendatangkan lebih banyak jenis
produk tertentu pada waktu-waktu tertentu. Keputusan-keputusan ini pada akhirnya dapat membantu supermarket untuk lebih mengoptimalkan kinerja.
Salah satu metode yang dapat digunakan untuk menganalisis pola perilaku belanja konsumen adalah analisis keranjang belanja (market basket analysis). Analisis ini merupakan salah satu metode dalam penambangan data (data mining) yang bertujuan untuk menemukan produk-produk yang sering dibeli bersamaan dari data transaksi. Tujuan analisis ini pada transaksi penjualan adalah untuk merancang strategi penjualan atau pemasaran yang efektif dengan memanfaatkan data transaksi penjualan yang telah tersedia di
supermarket. Penggunaan teknik data mining, orang tidak perlu melakukan
analisis secara manual, melainkan dapat menggunakan analisis keranjang belanja.
Kota Banjar adalah salah satu kota yang ada di Provinsi Jawa Barat yang berbatasan dengan Provinsi Jawa Tengah yaitu Kabupaten Cilacap dan menjadi pintu utama jalur lintas selatan Jawa Barat, untuk membedakan dengan Banjarnegara yang berada di Jawa Tengah, kota ini biasa disebut Banjar Patoman (dari nama asal Banjar Pataruman). Kota ini diresmikan oleh Menteri Dalam Negeri pada tanggal 21 Februari 2002 dan memiliki luas wilayah 13.197,23 Ha serta terbagi dalam 4 kecamatan.
Toserba YOGYA Banjar merupakan cabang Yogya Departement
Store yang ke 43. Terletak di Jalan Letnan Jendral Suwarto No. 36 di
Kompleks Pertokoan di pusat kota Banjar. YOGYA Group ini merupakan perusahaan ritel dengan format supermarket dan department store. Perusahaan ini selalu berusaha mewujudkan kepuasan bagi konsumen dengan menyediakan produk yang berkualitas, layanan yang unggul, dan akrab bersahabat, serta dalam suasana belanja yang menyenangkan, namun karena terjadi persaingan dengan perusahaan lainnya maka diperlukan
strategi-strategi untuk mempertahankan perusahaanya. Sehubungan dengan itu perusahaan harus mengerti apa yang sebenarnya diinginkan oleh konsumennya untuk memberikan kenyamanan dalam berbelanja di
supermarket, hal ini menjadi menarik untuk diteliti dengan melihat beberapa
hubungan yang terjadi antara produk, waktu pembelian, diskon, dan promosi. 1.2. Perumusan Masalah
Adapun masalah yang akan dibahas dalam penelitian ini adalah sebagai berikut :
1. Bagaimana mengembangkan sebuah aplikasi analisis keranjang belanja (market basket analysis) yang berkaitan dengan data transaksi penjualan yang menggunakan teknik assosiatif ?
2. Bagaimana output yang akan dihasilkan dari kaidah asosiasi (association rules) yang berkaitan dengan data data penjualan yaitu nilai-nilai support dan confidence ?
3. Bagaimana implikasi manajerial dari analisis keranjang belanja (market basket analysis) ?
1.3. Tujuan
Berdasarkan perumusan masalah yang telah dibahas sebelumnya, maka tujuan dari penelitian ini adalah sebagai berikut :
1. Mempelajari sebuah aplikasi analisis keranjang belanja (market basket analysis) yang berkaitan dengan data transaksi penjualan yang menggunakan teknik assosiatif di Toserba Yogya Banjar.
2. Mengidentifikasi beberapa tipe dari kaidah asosiasi (association rules) yang berkaitan dengan data transaksi penjualan yaitu nilai-nilai support dan confidence.
3. Memberikan implikasi manajerial dari analisis keranjang belanja (market basket analysis).
1.4. Manfaat
Manfaat yang dapat diambil dari penelitian ini adalah sebagai berikut : 1. Bagi pemilik lembaga swalayan membantu dalam menganalisis kecenderungan atau pola konsumsi yang dimiliki oleh pelanggan masing-masing, menentukan kapan perlu mendatangkan lebih banyak jenis produk tertentu pada waktu-waktu tertentu, dan memberikan Informasi yang dapat digunakan dalam menentukan tata letak rak toko yang baru, menetapkan produk-produk mana yang akan diletakan dalam tempat yang khusus, serta dapat digunakan untuk mengidentifikasi ketika persoalannya berpasangan/kupon (issue coupons).
2. Bagi penulis, diharapkan dapat menambah wawasan penulis dalam rangka menerapkan ilmu-ilmu manajemen khususnya mengenai Analisis Keranjang Belanja.
3. Bagi peneliti selanjutnya, penelitian ini diharapkan dapat memberikan informasi, ilmu dan bahan pembanding, untuk penelitian selanjutnya. 1.5. Ruang Lingkup
Kegiatan penelitian ini dibatasi pada asosiasi antara jenis-jenis produk yang dibeli konsumen dengan menggunakan analisis keranjang belanja, sehingga dapat menentukan pola berupa produk-produk yang sering dibeli bersamaan atau cenderung muncul bersamaan dalam sebuah transaksi yang pada umumnya berukuran sangat besar, item dibatasi yaitu produk (mie, jeruk, telur, buah, susu, minyak goreng), waktu pembelian, diskon, dan promosi.
II. TINJAUAN PUSTAKA
2.1. Manajemen Pemasaran
Menurut Kotler (2005), manajemen pemasaran sebagai seni dan ilmu untuk memilih pasar sasaran serta mendapatkan, mempertahankan, dan menambah jumlah pelanggan melalui penciptaan, penyampaian, dan pengkomunikasian nilai pelanggan yang unggul. Pemasaran adalah proses sosial yang dengan proses itu individu dan kelompok mendapatkan apa yang mereka butuhkan dan inginkan dengan menciptakan, menawarkan, dan secara bebas mempertukarkan produk dan jasa yang bernilai dengan pihak lain. Pemasar adalah seorang yang mencari tanggapan (perhatian, pembelian, pemberian suara, sumbangan) dari pihak lain yang disebut calon pelanggan. Tugas pemasar adalah menyusun program atau rencana pemasaran untuk mencapai tujuan yang diinginkan perusahaan.
Strategi pemasaran adalah rencana yang menyeluruh, terpadu, dan menyatu di bidang pemasaran, yang memberikan panduan tentang kegiatan yang akan dijalankan untuk dapat tercapainya tujuan pemasaran suatu perusahaan (Assauri, 2004). Strategi pemasaran yang paling utama adalah
segmentation, targeting, dan positioning (Kotler, 2005).
1. Segmentasi
Strategi segmentasi merupakan bagian yang paling penting dalam menentukan kesuksesan suatu perusahaan. Segmentasi adalah proses membagi pasar yang bersifat heterogen ke dalam beberapa segmen sehingga masing-masing segmen cenderung bersifat homogen dalam segala aspek. Variabel segmentasi utama yang digunakan untuk pasar konsumen adalah geografi, demografi, psikografi, perilaku dan individual. 2. Targeting
Menurut Kotler (2005), penentuan pasar sasaran atau targeting penting untuk dilakukan setelah perusahaan menetapkan segmen pasar yang memiliki peluang paling besar. Perusahaan-perusahaan akan berhasil secara gemilang apabila mereka cermat dalam memilih pasar sasaran dan mempersiapkan program pemasaran yang dirancang khusus untuk
masing-masing pasar tersebut. Targeting merupakan pemilihan satu atau lebih segmen yang dianggap paling potensial dan menguntungkan, sekaligus mengembangkan produk dan program pemasaran untuk segmen-segmen yang dipilih. Perusahaan perlu mengevaluasi sebelum melakukan pemilihan segmen pasar yang berbeda, dengan memperhatikan daya tarik segmen secara keseluruhan serta tujuan dan sumberdaya perusahaan. Perusahaan dapat mempertimbangkan lima pola pemilihan pasar sasaran yaitu (1) konsentrasi segmen tunggal, (2) spesialisasi selektif, (3) spesialisasi produk, (4) spesialisasi pasar, dan (5) cakupan ke seluruh pasar.
3. Positioning
Positioning adalah strategi yang berusaha menciptakan diferensiasi yang
unik dalam benak pelanggan sasaran sehingga terbentuk citra merek atau produk yang lebih unggul dibandingkan merek produk pesaing. Hasil akhir penetapan posisi adalah keberhasilan penciptaan proporsi nilai yaitu alasan yang meyakinkan pelanggan untuk membeli produk perusahaan (Kotler, 2005).
2.2. Bauran Pemasaran
Kotler (2005), mengemukakan bauran pemasaran adalah seperangkat alat pemasaran yang digunakan perusahaan untuk mencapai tujuan pemasarannya dalam pasar sasaran. Bauran ini terdiri dari empat unsur, yang biasa disebut empat P (4P), yaitu produk (product), harga (price), tempat/ distribusi (place), dan promosi (promotion).
1. Produk (product)
Produk merupakan alat bauran pemasaran yang paling mendasar dan pokok. Produk menjadi penawaran berwujud produsen kepada pasar, yang mencakup kualitas, rancangan, bentuk, merek, dan kemasan produk. Strategi produk dikonsentrasikan pada pengembangan produk yang tepat bagi pasar yang ingin dituju.
2. Harga (price)
Strategi ini meliputi pemilihan metode penetapan harga produk, memodifikasi harga yang sudah ada serta menetapkan dan menanggapi
perubahan harga. Tujuan dari strategi ini adalah untuk mempertahankan pangsa pasar, mencapai keuntungan yang maksimum, memperoleh pendapatan maksimum, dan mencapai pertumbuhan penjualan yang tinggi. Produsen harus menentukan apa yang ingin dicapai dari produk yang dipasarkannya, sebelum penetapan harga tersebut dilakukan, dengan mempertimbangkan faktor pelanggan, pesaing, dan biaya produksi.
3. Tempat/ distribusi (place)
Kegiatan ini bertujuan mengantarkan produk ke konsumen dan menyediakan bagi pelanggan sasaran. Produsen harus mengerti berbagai jenis pengecer, pedagang grosir, perusahaan distribusi fisik dan bagaimana mereka membuat suatu keputusan.
4. Promosi (promotion)
Promosi meliputi semua kegiatan yang dilakukan perusahaan untuk mengkomunikasikan dan mempromosikan produknya kepada pasar. Perusahaan harus membuat komunikasi dan promosi yang terdiri dari iklan, promosi penjualan, hubungan masyarakat serta pemasaran langsung maupun online. Promosi penting bagi produsen dalam meningkatkan nilai penjualan dan pertumbuhan produk.
2.3. Pengertian Penjualan
Menurut Assauri (2004), kegiatan penjualan merupakan kegiatan pelengkap dari pembelian untuk memungkinkan terjadinya transaksi. Kegiatan pembelian dan penjualan merupakan satu kesatuan agar terlaksananya transfer hak atau transaksi. Oleh karena itu, kegiatan penjualan seperti halnya kegiatan pembelian, terdiri dari serangkaian kegiatan yang meliputi penciptaan permintaan, menemukan si pembeli, negosiasi harga, dan syarat-syarat pembayaran. Penjual harus menentukan kebijaksanaan dan prosedur yang akan diikuti untuk memungkinkan dilaksanakannya rencana penjualan yang telah ditetapkan.
2.4. Struktur Dasar Bisnis Ritel (Usaha Eceran)
Menurut Sopiah dan Syihabudhin (2008), berlanjutnya pertumbuhan ekonomi dan meningkatnya rata-rata pendapatan yang bisa dibelanjakan
memperbesar permintaan atau akan memperbanyak toko eceran yang lebih khusus dan spesifik. Pemasaran adalah kegiatan memasarkan barang atau jasa secara umum kepada masyarakat dan secara khusus kepada pembeli potensial. Kegiatan perdagangan besar dan perdagangan eceran sangatlah penting dalam proses penyaluran barang dan jasa.
Ada dua kepentingan mengapa produk perlu ditempatkan agar konsumen bisa dengan mudah memperolehnya.
1. Kepentingan pertama adalah kepentingan produsen, yakni kepentingan terhadap produknya agar ditempatkan di posisi yang layak dengan maksud agar konsumen terstimulasi untuk membelinya.
2. Kepentingan kedua adalah kepentingan pengecer yang berkeinginan agar konsumen terstimulasi untuk membeli produk yang ditawarkan oleh berbagai produsen
Perdagangan eceran memegang peranan yang sangat penting, baik ditinjau dari sudut produsen, pedagang eceran dipandang sebagai pihak yang ahli dalam bidang penjualan produk perusahaannya. Pengecer ujung tombak perusahaan yang sangat menentukan laku atau tidaknya produk perusahaan. Sementara jika dipandang dari sudut konsumen, pedagang eceran juga memiliki peranan yang sangat penting. Pedagang eceran bertindak sebagai agen yang membeli, mengumpulkan, dan menyediakan barang atau jasa untuk memenuhi kebutuhan atau keperluan pihak konsumen.
2.4.1. Pengertian dan Jenis-jenis Pengecer
Menurut Kotler (1997), usaha eceran (retailing) meliputi semua kegiatan yang terlibat dalam penjualan barang atau jasa secara langsung ke konsumen akhir untuk penggunaan pribadi dan bukan bisnis. Menurut Meyer et al. (1988), Semua fungsi atau kegiatan yang melibatkan penjualan (atau sewa) barang dan jasa kepada pengguna akhir, yang termasuk rumah tangga, perorangan, dan lainnya yang membeli barang atau jasa untuk konsumsi akhir. Pengecer atau toko eceran adalah usaha bisnis yang volume penjualannya terutama berasal dari penjualan eceran. Menurut The American Marketing Association, pengecer didefinisikan sebagai seorang pedagang yang kegiatan
pokoknya melakukan penjualan secara langsung kepada konsumen akhir. Definisi ini didasarkan kepada siapa mereka menjual. Jadi, perdagangan eceran meliputi semua kegiatan pemasaran yang berhubungan dengan usaha-usaha untuk menjual kepada konsumen akhir ( Swastha, 1979 ).
Pengecer dapat digolongkan menurut luasnya lini produk (LP), bentuk pemilikan, penggunaan fasilitas, dan ukuran toko (Swastha, 1979).
1. Lini Produk
Lini Produk adalah sekelompok barang yang memiliki tujuan penggunaan yang sama, misalnya alat-alat rumah tangga, alat-alat olah raga, makanan dan minuman, dll dari sebuah toko serba ada. Berdasarkan luasnya lini produk, pengecer dapat dibagi ke dalam beberapa kategori sebagai berikut (Kotler dan Susanto, 2001): a. Toko khusus, yaitu toko yang menjual satu macam barang atau LP yang lebih sempit dengan ragam yang lebih banyak dalam lini tersebut. Contoh pengecer khusus adalah toko alat-alat olah raga, toko pakaian, toko meubel, toko bunga, dan toko buku. Biasanya volumenya tidak terlalu besar, milik pribadi, dan badan hukumnya berbentuk usaha perorangan, firma atau CV. Toko khusus dapat diklasifikasikan lagi menurut tingkat kekhususan LP nya. Toko pakaian merupakan toko lini tunggal, toko pakaian pria merupakan toko sangat khusus.
b. Toko serba ada, yaitu toko yang menjual berbagai macam LP. Biasanya toko seperti ini mempunyai volume usaha yang besar, kondisi keuangannya lebih kuat, dan badan hukumnya berbentuk perseroan terbatas atau paling tidak berbentuk CV.
c. Pasar Swalayan, yaitu toko yang merupakan operasi relatif besar, berbiaya rendah, margin rendah, volume tinggi, swalayan, yang dirancang untuk melayani semua kebutuhan
konsumen seperti makanan, cucian, dan produk-produk perawatan rumah tangga.
d. Toko Convenience, yaitu toko yang relatif kecil dan terletak di daerah pemukiman atau di jalur high traffic, memiliki jam buka yang panjang (24 jam) selama tujuh hari dalam seminggu, dan menjual LP convenience yang terbatas seperti minuman, makanan ringan, permen, rokok, dll. Tingkat perputarannya yang tinggi, jam buka yang panjang dan karena konsumen hanya membeli di toko ini hanya sebagai pelengkap menyebabkan toko ini menjadi suatu operasi dengan harga tinggi.
e. Supermarket, Toko Kombinasi dan Hypermarket
Supermarket rata-rata memiliki ruang jual 35.000 kaki
persegi dan bertujuan memenuhi semua kebutuhan konsumen untuk pembelian makanan maupun bukan makanan secara rutin. Mereka biasanya menawarkan pelayanan seperti cucian, membersihkan, perbaikan sepatu, penguangan cek, dan pembayaran tagihan, serta makan siang murah. Toko kombinasi merupakan diversifikasi usaha pasar swalayan ke bidang obat-obatan, dengan luas ruang jual sekitar 55.000 kaki persegi. Hypermarket lebih besar lagi, berkisar antara 80.000 sampai 220.000 kaki persegi. Pasar ini tidak hanya menjual barang-barang yang rutin dibeli tetapi juga meliputi meubel, perkakas besar dan kecil, pakaian, dan banyak jenis lainnya.
f. Toko Diskon, yaitu toko yang menjual secara reguler barang-barang standar dengan harga lebih murah karena mengambil marjin yang lebih rendah dan menjual dengan volume yang lebih tinggi. Umumnya menjual merek nasional, bukan barang bermutu rendah. Pengeceran diskon telah bergerak dari barang dagangan umum ke khusus, seperti toko diskon alat-alat olah raga, toko elektronik,
dan toko buku (Kaikati, 1985). g. Pengecer Potongan Harga
Pengecer potongan harga membeli pada harga yang lebih rendah daripada harga grosir dan menetapkan harga pada konsumen lebih rendah daripada harga eceran. Mereka cenderung menjual persediaan barang dagangan yang berubah-rubah dan tidak stabil sering merupakan sisa, tidak laku, dan cacat yang diperoleh dengan harga lebih rendah dari produsen atau pengecer lainnya. Pengecer potongan harga telah berkembang pesat dalam bidang pakaian, aksesoris, dan perlengkapan kaki.
h. Ruang Jual Katalog, yaitu toko yang menjual cukup banyak pilihan produk-produk dengan marjin tinggi, perputarannya cepat, bermerek, dengan harga diskon. Produk-produk yang dijual meliputi perhiasan, alat-alat pertukangan, kamera, koper, perkakas kecil, mainan, dan alat-alat olah raga.
i. MOM & POP Store, yaitu toko berukuran relatif kecil yang d ikelola secara tradisional, umumnya hanya menjual bahan pokok atau kebutuhan sehari-hari yang terletak di daerah perumahan atau pemukiman. Jenis toko ini dikenal sebagai toko kelontong.
j. Mini Market yaitu toko berukuran relatif kecil yang merupakan pengembangan dari Mom & Pop Store, dimana pengelolaannya lebih modern, dengan jenis barang dagangan lebih banyak.
2. Bentuk Pemilikan
Menurut bentuk pemilikannya, pengecer dapat digolongkan ke dalam dua kategori sebagai berikut:
a. Independent store, yaitu toko yang tidak dimiliki oleh sekelompok orang, melainkan milik pribadi seseorang yang juga merupakan pimpinan dari toko tersebut. Dalam kategori ini, pengusaha lebih bebas dalam menentukan
kebijaksanaan dan strategi pemasarannya.
b. Corporate chain store yaitu beberapa toko yang berada di bawah satu organisasi, dan dimiliki oleh sekelompok orang. Masing-masing toko menjual LP yang sama dan struktur distribusinya juga sama.
3. Penggunaan Fasilitas
Pengecer dapat digolongkan menurut penggunaan fasilitas d alam memasarkan produk mereka ke konsumen, yakni toko pengecer dan pengecer tanpa toko. Toko pengecer dapat dijumpai di mana-mana, seperti yang telah disebut di atas. Sedangkan pengecer tanpa toko terdiri dari tiga jenis yaitu penjualan dari rumah ke rumah (door to door saleman), penjualan melalui pos (mail order selling) atau elektronik, dan penjualan dengan mesin otomatis (automatic vending machine).
4. Ukuran Toko
Menurut ukuran toko, pengecer dapat digolongkan ke dalam dua kelompok, yakni pengecer kecil dan pengecer besar. Pembedaan ini dapat didasarkan pada banyak faktor, diantaranya volume penjualan, manajemen, kegiatan promosi, kondisi keuangan, pembagian tenaga kerja, fleksibilitas dalam operasi, integrasi horisontal dan vertikal, dan merek pengecer.
2.4.2. Peritel yang Berhasil
Menurut Sopiah dan Syihabudin (2008), peritel yang berhasil adalah yang paling bisa menyesuaikan barang dan jasanya dengan permintaan. Hal-hal yang perlu diperhatikan dalam perdagangan eceran adalah 7T (Tepat) yaitu :
1. Tersedianya barang yang tepat 2. Pada saat yang tepat
3. Di tempat yang tepat 4. Dalam kuantitas yang tepat 5. Dengan harga yang tepat
6. Penjualan dengan cara yang tepat 7. Dalam kualitas yang tepat
2.4.3. Perilaku Konsumen dalam Retailing
Menurut Sopiah dan Syihabudhin (2008), khusus dalam pembelian ritel terdapat pola perilaku tertentu pada konsumen, pola perilaku tersebut terbagi kedalam tujuh kategori, dimana masing-masing kategori bisa berubah urutannya. Pada dasarnya setiap manusia berbeda, perilakunya pun berbeda walaupun perilaku tersebut relatif sama. Pola perilaku tersebut sebagai berikut :
1. Perilaku sebelum pembelian (Pre-purchase)
Pada tahap sebelum pembelian, ada dua tahapan perilaku konsumen, yaitu:
a. Konsumen mencari informasi sebanyak-banyaknya dengan membaca koran, majalah, buletin, mendengarkan siaran radio, melihat TV, mencari informasi dari teman,orang tua, pramuniaga, dan lain-lain.
b. Perilaku pada tahap kedua, konsumen berusaha mendapatkan uang, mengambil uang tunai di bank, mengambil uang di ATM, meminjam teman, menggunakan kartu kredit, atau menggunakan kartu debet bank tertentu.
2. Perilaku pembelian (Purchase)
Ada lima tahap perilaku konsumen yaitu : a. Store contact
Pada tahap ini, konsumen memilih lokasi belanja yang dirasa cocok, memasuki toko, dan memilih produk yang dicari.
b. Product contact
Pada tahap ini, konsumen memilih dan menemukan produk yang dicari, lalu membawanya ke kasir untuk melakukan pembayaran. c. Transaction
Pada tahap ini, konsumen membayar barang yang telah di pilih di kasir dan membawa produk untuk dikonsumsi.
d. Consumption
Pada tahap ini, konsumen menggunakan produk, membuang sisanya jika ada, dan melakukan pembelian ulang jika konsumen merasa puas.
e. Communication
Di tahap terakhir ini, konsumen memberikan informasi tentang produk yang baru dikonsumsi tersebut kepada orang lain, mengisi kartu garansi (jika ada) dan memberikan informasi tentang produk, harga, pelayanan, dan lain-lain kepada peritel.
2.4.4. Toko Serba Ada (Toserba)
Toserba atau bisa juga disebut department stores adalah toko ritel yang memilki ragam lini produk yang banyak serta dikelompokkan sesuai kategori lini produknya, seperti pakaian, furniture, mainan, book, peralatan olah raga, dan perabot rumah tangga (Sopiah dan Syihabudin, 2008).
Setiap lini beroperasi sebagai suatu departemen tersendiri yang dikelola oleh pembeli atau pedagang khusus. Beberapa department
store yang masuk dalam industri ini kebanyakan memiliki tipe relatif
sama dengan retailer lainnya, dengan lebih menekankan pada harga rendah serta sedikit layanan (low-price few-services). Department store telah mengubah keberadaan model layanan toko dan menambah beberapa layanan (counter). Kebanyakan dari toko tersebut membuka usaha dengan sistem sewa. Pemilik department store menyewakan
outlet kepada pengusaha mandiri, yang akan membayar kepada pihak
departemen berdasarkan persentase pendapatannya.
2.4.5. Transaksi Penjualan
Setiap aktivitasnya toserba melakukan transaksi penjualan dan transaksi pembelian yang datanya ditampung dalam komputer. Transaksi penjualan merupakan aktivitas perusahaan yang menimbulkan perubahan terhadap posisi harta keuangan perusahaan
melalui kegiatan penjualan, begitu juga dengan transaksi pembelian yang dapat merubah harta perusahaan melalui pembelian kepada pemasok.
2.5. Data Mining
Data mining merupakan suatu proses ekstraksi infomasi berguna dan
potensial dari sekumpulan data yang terdapat secara implisit dalam suatu basis data. Menurut David Olson dan Yong Shi (2008), penggalian data sering disebut juga analisis data eksploratif. Data dalam jumlah besar yang diperoleh dari mesin kasir, pemindahan bar code dan dari berbagai data dalam perusahaan kemudian ditelaah, dianalisis, dihapus, dan dipakai ulang. Pencarian-pencarian dilakukan pada model-model yang berbeda untuk memprediksi penjualan, respon pasar, dan keuntungan.
Perangkat penggalian data harus lincah, dapat diskalakan, dan dapat secara akurat memprediksi respon antara tindakan dan hasil, serta dapat secara otomatis diimplementasikan. Lincah (versatile) mengacu pada kemampuan perangkat untuk menerapkan banyak variasi model. Perangkat yang dapat diskalakan (scalable) secara tidak langsung berarti bahwa jika perangkat dapat berfungsi dengan kelompok data yang kecil, perangkat itu akan berfungsi untuk kelompok data yang besar. Penggalian data berkembang dengan cepat, mendatangkan banyak manfaat bagi bisnis, dua bidang aplikasi yang sangat menguntungkan adalah penggunaan segmentasi pelanggan oleh perusahaan-perusahaan pemasaran untuk mengidentifikasi mereka yang berpeluang lebih besar merespon bentuk-bentuk media pemasaran yang berbeda.
Menurut IBM model data mining dapat di bagi menjadi dua bagian yaitu:
1. Verification Model
Model ini menggunakan perkiraan (hypothesis) dari pengguna, dan melakukan tes terhadap perkiraan yang diambil sebelumnya dengan menggunakan data-data yang ada. Penekanan terhadap model ini adalah terletak pada user yang bertanggung jawab terhadap penyusunan perkiraan
(hypothesis) dan permasalahan pada data untuk meniadikan atau menegaskan hasil perkiraan (hypothesis) yang diambil. Sebagai contoh dalam bidang pemasaran, sebelum sebuah perusahaan mengeluarkan suatu produk baru ke pasaran, perusahaan tersebut harus memiliki informasi tentang kecenderungan pelanggan untuk membeli produk yang akan dikeluarkan. Perkiraan (hypothesis) dapat disusun untuk mengidentifikasi pelanggan yang potensial dan karakteristik dari pelanggan yang ada. 2. Discovery Model
Model ini berbeda dengan verification model, dimana pada model ini sistem secara langsung menemukan informasi-informasi penting yang tersembunyi dalam suatu data yang besar. Data-data yang ada kemudian dipilih untuk menemukan suatu pola, trend yang ada, dan keadaan umum pada saat itu tanpa adanya campur tangan dan tuntutan dari pengguna. Pada data-data yang ada selanjutnya diadakan proses pencarian tanpa adanya proses perkiraan (hypothesis) sebelumnya. Sampai akhirnya semua pelanggan dikelompokan berdasarkan karakteristik yang sama.
Efektivitas diperoleh dalam data mining, seseorang harus melakukan evaluasi kebutuhan dan memperhitungkan tantangan-tantangan apa saja yang mungkin dihadapinya dalam mengembangkan suatu teknik data mining. Hal-hal yang harus diperhatikan untuk memperoleh efektifitas tersebut antara lain adalah sebagai berikut:
1. Penanganan berbagai tipe data 2. Efisiensi dari algoritma data mining 3. Kegunaan, kepastian dan keakuratan hasil 4. Ekspresi terhadap berbagai jenis hasil
5. Memperoleh informasi dari sumber-sumber data yang berbeda 6. Proteksi dan keamanan data
Kebutuhan akan data mining semakin dirasakan dalam berbagai bidang. Data mining bersifat dependen terhadap aplikasi terkait, ini berarti untuk aplikasi basis data yang berbeda, teknik data mining yang digunakannya mungkin juga akan berbeda. Hal ini dikarenakan terdapat kelebihan dan kekurangan dari masing-masing metode pencarian informasi,
sehingga kita harus menyesuaikan antara keperluan dan kebutuhan akan informasi dengan penerapan teknik pencarian yang akan digunakan.
Penggalian data sangat efektif dalam banyak bidang bisnis. Kuncinya adalah menemukan informasi yang dapat ditindaklanjuti (actionable), atau informasi yang dapat dimanfaatkan dalam cara yang kongkrit untuk meningkatkan keuntungan. Beberapa pengaplikasian yang paling awal adalah dalam bisnis ritel, terutama dalam bentuk analisis keranjang belanja dapat dilihat pada Tabel 2.
Tabel 2. Bidang Aplikasi Penggalian Data
Bidang Aplikasi Aplikasi Spesifik
Bisnis ritel
Perbankan
Manajemen Kartu Kredit
Asuransi
Telekomunikasi Telemarketing
Manajemen Sumber Daya Manusia
Penempatan berdasarkan afinitas
Penjualan silang (cross-selling) Manajemen hubungan pelanggan (CRM) Lift Churn Deteksi penipuan Churn Informasi Online Churn
Posisi produk secara efektif Mencari lebih banyak produk untuk pelanggan Identifikasi nilai pelanggan, mengembangkan program untuk memaksimalkan pendapatan
Mengidentifikasi segmen pasar yang efektif
Mengidentifikasi
perpindahan pelanggan ke pesaing
Mengidentifikasi klaim mencurigakan yang perlu diselidiki
Membantu telemarketer dengan akses data yang lebih mudah
Mengidentifikasi potensi perpindahan karyawan
Penggalian data menawarkan informasi prediktif yang sangat berharga kepada bisnis ritel (secara umum) dan toko barang kebutuhan sehari-hari (secara spesifik) dari sejumlah besar data. Penempatan berdasarkan afinitas (affinity positioning) berdasarkan pada identifikasi produk yang mungkin ingin dibeli oleh pelanggan yang sama, oleh karena itu secara pemasaran masuk akal jika menempatkan kedua barang tersebut secara berdekatan. Penjualan silang (cross-selling) merupakan konsep yang terkait, pengetahuan
tentang produk mana yang sering terjual bersamaan dapat digunakan dengan cara memasarkan produk komplementernya.
Toko yang menjual barang kebutuhan sehari-hari melakukannya dengan menentukan posisi lokasi rak produk tersebut. Toko ritel yang mengandalkan iklan dapat mengirim iklan untuk menjual kemeja dan dasi kepada mereka yang baru saja membeli jas. Strategi-strategi ini telah lama digunakan oleh toko-toko ritel yang cerdik, namun penggalian data menyediakan kemampuan untuk mengidentifikasi afinitas produk yang tidak terduga dan kesempatan untuk penjualan silang.
2.6. Proses Penggalian Data dan Penemuan Pengetahuan
Proses standar industri yang sering digunakan berisi rangkaian langkah yang biasanya dilakukan dalam penggalian data (Cross Industry Standard Process for Data Mining CRISP-DM) yang digunakan secara luas di kalangan industri. Model ini terdiri atas enam tahap yang merupakan sebuah proses siklus sebagai berikut :
1. Pemahaman bisnis (business understanding). Pemahaman bisnis meliputi penetapan tujuan bisnis, penilaian situasi terkini, penetapan tujuan penggalian, dan pengembangan rencana proyek.
2. Pemahaman data (data understanding). Tujuan bisnis dan rencana proyek ditetapkan, kemudian pemahaman data, mempertimbangkan data yang dibutuhkan. Langkah ini bisa meliputi pengumpulan data awal, deskripsi data, eksplorasi data, dan verifikasi kualitas data. Eksplorasi data seperti peninjauan statistik rangkuman (yang meliputi tampilan visual variabei-variabel kategorik) bisa terjadi pada akhir tahap ini. Model-model seperti analisis pengelompokan (cluster analysis) dapat pula diterapkan dalam tahap ini, dengan tujuan mengidentifikasi pola dalam data tersebut.
3. Persiapan data (data preparation). Sumber data yang tersedia telah diidentifikasi, kemudian sumber data tesebut perlu diseleksi, dibersihkan, dibangun kedalam wujud yang dikehendaki, dan di bentuk. Pembersihan dan transformasi data dalam persiapan pembuatan model data perlu dilakukan pada tahap ini. Eksplorasi data secara lebih mendalam juga dapat diterapkan dalam tahap ini, dan penggunaan model-model tambahan
sekali lagi memberikan peluang untuk melihat berbagai pola berdasarkan pemahaman bisnis.
4. Pembuatan model (modeling). Metode penggalian data, seperti visualisasi (penggambaran data dan penetapan hubungan) serta analisis pengelompokan (untuk mengidentifikasi variabel mana yang berhubungan satu sama lain) bermanfaat bagi analisis awal. Begitu pemahaman data yang lebih luas diperoleh (sering kali melalui pengenalan pola yang dipicu dengan melihat output model), model-model lebih terinci yang sesuai dengan jenis data tersebut dapat diterapkan. Penggalian data ke dalam data latihan dan data uji juga diperlukan untuk pembuatan model.
5. Evaluasi (evaluation). Hasil model sebaiknya dievaluasi dalam konteks tujuan bisnis yang ditetapkan pada tahap awal (pemahaman bisnis). Hal ini akan mengarahkan pada identifikasi CRISP-DM sebelumnya. Perolehan pemahaman bisnis merupakan prosedur berulang dalam penggalian data, dimana hasil dari beragam visualisasi, fakta statistik, dan metode kecerdasan buatan menunjukan hubungan-hubungan baru kepada pengguna yang memberikan pemahaman yang lebih mendalam mengenai operasi perusahaan.
6. Pelaksanaan (deployment). Penggalian data dapat digunakan baik untuk membuktikan hipotesis sebelumnya, ataupun untuk penemuan pengetahuan (pengidentifikasian hubungan yang tidak terduga dan bermanfaat). Melalui pengetahuan yang ditemukan dalam tahap awal CRISP-DM, model yang kuat dapat diperoleh yang mungkin kemudian dapat diterapkan pada kegiatan bisnis untuk berbagai keperluan, termasuk memprediksi atau mengidentifikasi situasi-situasi penting.
2.7. Teknik-teknik Penggalian Data
Menurut David Olson dan Yong Shi (2008), penggalian data dapat dilakukan menggunakan Asosiasi, Klasifikasi, Pengelompokan, Prediksi, Pola-pola sekuensial, dan Urutan Waktu Serupa (Similar Time Sequences). Jenis penggalian data tersebut adalah :
1. Asosiasi (Association), hubungan hal tertentu dalam suatu transaksi data dengan hal lain dalam transaksi yang sama digunakan untuk memprediksi
pola. Sebagai contoh, jika seorang pelanggan membeli sebuah PC laptop (X), maka ia juga membeli sebuah mouse (Y) dalam 60 persen kejadian. Pola ini terjadi dalam 5,6 persen pembelian PC laptop. Aturan asosiasi dalam situasi ini bisa berupa X secara tidak langsung menyatakan Y, yang 60 persennya adalah faktor konfidensi dan 5,6 persennya adalah faktor dukungan. Jika faktor konfidensi (confidence factor) dan faktor dukungan (support factor) dilambangkan dengan masing-masing variabel linguistik tinggi dan rendah aturan asosiasi tersebut dapat ditulis secara berurutan dalam bentuk logika samar (fuzzy logic), seperti : jika fakor dukungan rendah, X secara tidak langsung menyatakan bahwa Y tinggi. Kasus dengan banyak variabel kualitatif, asosiasi fuzzy merupakan teknik yang dibutuhkan dan menjanjikan keberhasilan dalam penggalian data.
2. Klasifikasi (Classification), metode-metodenya ditunjukan untuk pembelajaran fungsi-fungsi berbeda yang memetakan masing-masing data terpilih ke dalam salah satu dari kelompok kelas yang telah ditetapkan sebelumya. Dua masalah penelitian utama yang berkaitan dengan hasil klasifikasi adalah evaluasi kesalahan klasifikasi dan kekuatan prediksi. Teknik-teknik matematika yang sering kali digunakan untuk membangun metode-metode klasifikasi adalah pohon keputusan biner, jaringan saraf tiruan, pemograman linier, dan statistik.
3. Analisis pengelompokan (Cluster Analysis), pengambilan data yang belum dikelompokan dengan menggunakan teknik-teknik otomatis untuk menempatkan data-data ke dalam berbagai kelompok. Pengelompokan ini tidak membutuhkan kelompok pembelajaran (unsupervised).
4. Analisis prediksi (Prediction Analysis) berhubungan dengan teknik-teknik regresi. Ide utama dari analisis prediksi adalah untuk menemukan hubungan antara variabel bebas dan terkait, hubungan antara variabel-variabel bebas (satu terhadap yang lainnya, satu terhadap sisanya, dan seterusnya).
5. Analisis pola sekuensial (sequential pattern analysis) mencoba untuk menemukan pola-pola serupa dalam transaksi data selama suatu periode
bisnis. Pola-pola ini dapat digunakan oleh analis bisnis untuk mengidentifikasi hubungan antar data.
2.8. Analisis Keranjang Belanja (Market Basket Analysis)
Fungsi association rules seringkali disebut dengan analisis keranjang belanja (Market Basket Analysis) yang digunakan untuk menemukan relasi atau korelasi diantara himpunan item-item. Analisis keranjang belanja adalah analisis dari kebiasaan membeli customer dengan mencari asosiasi dan korelasi antara item-item berbeda yang diletakan customer dalam keranjang belanjanya.
Megaputer (2007), mengemukakan Analisis Keranjang Belanja (Market Basket Analysis), atau MBA merupakan salah satu tipe analisis data yang paling sering digunakan dalam dunia pemasaran. Tujuan dari MBA adalah untuk menentukan produk-produk (jasa) apa saja yang paling sering dibeli atau digunakan sekaligus oleh para pelanggan. Istilah analisis ini sendiri datang dari kejadian yang sudah sangat umum terjadi di dalam
supermarket, yaitu ketika para pelanggan memasukan semua barang yang
mereka beli ke dalam keranjang (market basket) yang umumnya telah disediakan oleh pihak supermarket itu sendiri.
Menurut David Olson dan Yong Shi (2008), Analisis Keranjang Belanja mengacu pada berbagai metodologi yang mempelajari komposisi keranjang belanja yang terdiri atas produk-produk yang dibeli pada satu kejadian belanja. Teknik ini telah dikembangkan dalam berbagai operasi pasar swalayan. Data keranjang belanja dalam bentuknya yang paling mentah adalah daftar transaksi pembelian oleh pelanggan, yang mengindikasikan hanya barang-barang yang di beli bersamaan. Data ini menantang karena beberapa hal :
1. Jumlah datanya besar (biasanya jutaan transaksi pertahun)
2. Pembagiaannya luas (setiap keranjang belanja hanya mengandung sebagian kecil dari benda-benda yang dijual)
3. Heterogenitas (orang-orang dengan selera yang berbeda cenderung sekelompok barang yang spesifik)
Albion Research (2007), mengemukakan Informasi mengenai produk-produk yang biasanya dibeli secara bersama-sama oleh para pelanggan dapat memberikan wawasan tersendiri bagi para pengelola toko atau swalayan untuk menaikkan laba bisnisnya. Misalnya, seorang manajer toko bisa saja memanfaatkan informasi seperti ini untuk menempatkan produk-produk yang umumnya dibeli bersama-sama ke dalam sebuah area yang berdekatan jaraknya. Hal ini bertujuan untuk memudahkan mayoritas pembeli agar semakin senang membeli beberapa produk berlainan sekaligus. Informasi ini juga dapat digunakan untuk menyampaikan ide mendasar dari market basket
analysis, dimulai dengan melihat gambar keranjang belanja yang berisi
bermacam-macam barang-barang yang dibeli oleh seseorang di sebuah
supermarket.
Keranjang ini berisi bermacam-macam barang-barang seperti orange
juice, pisang, soft drink, pembersih jendela, dan detergent. Sebuah keranjang
memberitahukan kepada kita tentang apa saja yang dibeli oleh seorang konsumen dalam satu waktu. Sebuah daftar belanjaan yang lengkap yang diperoleh dari semua konsumen memberikan kita informasi yang sangat banyak, dan ini dapat menjelaskan barang-barang apa saja yang paling penting dari bisnis penjualan yaitu jenis barang dan kapan konsumen membeli. Setiap konsumen membeli seperangkat barang-barang yang berbeda, dalam jumlah yang berbeda, dan dalam waktu yang berbeda. Market
Basket Analysis menggunakan informasi apa yang dibeli oleh
konsumen-konsumen untuk menyediakan tanda atau informasi yaitu siapa mereka dan mengapa mereka melakukan pembelian tersebut.
Market Basket Analysis juga menyediakan pengertian tentang barang
dagangan dengan memberitahukan kepada kita produk-produk mana yang memungkinkan untuk dibeli secara bersamaan dan produk mana yang lebih disetujui untuk di promosikan. Informasi ini dapat digunakan dalam menentukan tata letak rak toko, menetapkan produk-produk mana yang akan diletakan dalam tempat yang khusus, untuk mengidentifikasi ketika persoalannya berpasangan atau kupon (issue coupons), dan lain sebagainya.
berkaitan untuk mengetahui point of sale dari data transaksi. Teknik yang umum digunakan adalah assosiation rules.
Fungsi ini paling banyak digunakan untuk menganalisa data dalam rangka keperluan strategi pemasaran, desain catalog, dan proses pembuatan keputusan bisnis. Tipe association rules dapat dinyatakan dengan contoh : 70 persen dari orang-orang yang membeli mie, juice, dan saus akan membeli juga roti tawar. Aturan asosiasi mengcapture item atau kejadian dalam data berukuran besar yang berisi data transaksi. Tiga level dari Market Basket
Data, Market Basket Data adalah data transaksi yang menjelaskan tiga
perbedaan entitas yang mendasar yaitu : 1. Customers.
2. Orders atau pembelian (bisa juga pembelian, atau keranjangan, atau dalam akademik kertas).
3. Items (barang-barang).
Struktur data dari market basket data dalam sebuah relational
database, sering terlihat sama. Data struktur ini didalamnya terdapat empat
entitas yang penting sebagai informasi bagi pihak supermarket (Gambar 1).
Gambar 1. Struktur Data dari Market Basket Data COSTUMER Costumer ID Nama Alamat dll ORDER Order ID Costumer ID Tanggal pesan Jenis pembayaran Jumlah nilai Tanggal pengiriman Biaya pengiriman dll LINE TIME Line time ID Order ID Produk ID Jumlah
Harga per unit Biaya per unit Gif t warp flag Taxable flag dll PRODUK Produk ID Kategori Subkategori Penjelasan dll
Permintaan adalah struktur paling fundamental untuk market basket
data. Permintaan dapat berupa kejadian suatu pembelian oleh costumer.
Pembelian juga dapat dilakukan melalui web site, grosir, ataupun dari
catalog. Semua termasuk dalam pembelian, pembelian tambahan, tipe dari
pembayaran, dan data lain yang termasuk dalam transaksi. Beberapa transaksi diberikan identitas khusus, namun ada beberapa identitas khusus tersebut harus digabungkan dengan data yang lainnya. Kita perlu mengkombinasikan empat lahan untuk mendapatkan empat identitas khusus untuk penjualan di toko. Waktu dinilai ketika customer membayar, chain ID, store ID dan line ID. Barang dalam suatu pembelian digambarkan dalam line items. Data ini termasuk harga pembayaran barang, jumlah barang, pajak yang harus dibayar, mungkin juga harga (yang digunakan untuk penghitungan margin).
2.9. Penelitian Terdahulu
Penelitian terdahulu yang mendukung penelitian ini adalah Handojo Andreas (2007), dengan judul aplikasi data mining untuk meneliti asosiasi pembelian item barang di supermarket dengan metode Market Basket
Analysis. Penelitian tersebut memberikan kesimpulan bahwa aplikasi data mining mampu mengolah data transaksi yang disediakan oleh user untuk
menemukan frequent itemset dan association rule yang memenuhi syarat minimum support berdasarkan item yang ada dalam bentuk grafik dan teks. Aplikasi ini memberitahukan asosiasi barang apa saja yang sering dibeli bersamaan oleh konsumen di supermarket yang nantinya informasi ini dapat memberikan pertimbangan dalam pengambilan keputusan guna pembelian barang dan pengaturan pada rak supermarket.
Penelitian yang dilakukan oleh Gregorius Satia Budhi (2007), Peneliti berkeinginan untuk mengatasi permasalahan absensi tersebut dengan memanfaatkan metode Data Mining, khususnya metode Market Basket
Analysis, untuk menganalisa database absensi elektronik secara otomatis,
guna mendeteksi dan menemukan informasi tentang pegawai-pegawai yang seringkali melaukan absensi dalam waktu yang sangat berdekatan. Asumsi dari pemikiran ini adalah bila pada data absensi ditemukan pola atau pattern dengan frekuensi cukup tinggi tentang dua atau lebih pegawai yang absen
dalam waktu yang hampir bersamaan dalam kurun waktu tertentu, besar kemungkinan dalam realitasnya, pegawai yang melakukan absen hanya satu orang sedangkan lainnya titip absen kepada pegawai tersebut.
III. METODOLOGI PENELITIAN
3.1. Kerangka Pemikiran Penelitian
Sejak berkembangnya pasar retail modern di Indonesia, semakin banyak ritel yang melakukan berbagai usaha demi mempertahankan usahanya. Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis ritel ini adalah dengan meningkatkan dan mempertahankan tingkat pertumbuhan penjualannya. Pendekatan yang dapat dilakukan dalam rangka meningkatkan volume penjualan tersebut adalah dengan memahami dan mengetahui pola perilaku belanja konsumen. Hampir semua supermarket menggunakan komputerisasi dalam penyimpanan data penjualan dan pembelian, sehingga akan dihasilkan banyak data transaksi.
Data transaksi tesebut dapat digunakan sebagai sumber informasi penting dalam mempertahankan keberadaan usaha tersebut. Pengetahuan tentang pola perilaku belanja tersebut dapat diketahui dengan menngunakan analisis keranjang belanja (Market Basket Analysis). Analisis ini merupakan salah satu metode dalam penambangan data (data mining) yang bertujuan untuk menemukan produk-produk yang sering dibeli bersamaan dari data transaksi, yang dapat dimanfaatkan untuk menyusun tata letak sedemikian rupa sehingga memberikan kemudahan bagi konsumen dalam melakukan pembelian, dan dapat meningkatkan kemungkinan munculnya keinginan membeli (impulse buying).
Alat analisis yang digunakan adalah algoritma apriori. Algoritma ini merupakan algoritma analisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then. Algoritma apriori menggunakan pendekatan terative yang dikenal dengan level-wise search, dimana k-kelompok produk digunakan untuk mengeksplorasi (k+1)-kelompok produk atau (k+1)-itemset [2]. Kerangka pemikiran penelitian terjabar pada gambar 2. Alat analisis yang digunakan adalah algoritma apriori yang sebelumnya di bantu oleh Microsoft office excel 2007 dan minitab 14. Algoritma ini merupakan algoritma analisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then
Gambar 2. Kerangka Pemikiran Penelitian 3.2. Metode Penelitian
3.2.1. Lokasi dan Waktu Penelitian
Penelitian ini dilaksanakan pada Toserba Yogya Banjar yang berlokasi di Jl. Letnan Jendral Suharto No. 38 Banjar 46321. Adapun penelitian dilakukan pada bulan Januari-April 2009.
3.2.2. Jenis dan Sumber data
Jenis data yang digunakan dalam penelitian ini berdasarkan sumbernya adalah data sekunder. Data sekunder merupakan data pelengkap data yang diperoleh dari pustaka dan literatur yang relevan
Persaingan Usaha Ritel
Toserba Yogya Banjar
Data Transaksi
Market Basket Analysis
Implikasi Manajerial Pola berupa produk-produk yang sering dibeli bersamaan
dengan penelitian baik dari internet, buku-buku, majalah dan bahan penunjang lainnya.
3.2.3. Metode Pengolahan dan Analisis Data
Pengolahan data penelitian yang telah dikumpulkan merupakan suatu cara untuk mengorganisasikan data sedemikian rupa sehingga dapat dibaca dan ditafsirkan. Pengolahan data atau disebut juga proses pra-analisa mempunyai tahap-tahap sebagai berikut:
1. Selection merupakan proses memilih dan memisahkan data berdasarkan beberapa kriteria.
2. Preprocessing mempersiapkan data dengan cara membersihkan data, informasi atau field yang tidak dibutuhkan yang jika dibiarkan hanya akan memperlambat proses query. Biasanya memisahkan variabel yang diperlukan oleh peneliti yang tercakup dalam data yang sudah terkumpul atau dengan kata lain apakah semua variabel yang diperlukan sudah termasuk dalam data. Jika belum melalui tahap ini, berarti data yang terkumpul belum lengkap atau belum mencakup semua variabel yang sedang diteliti.
3. Transformation, data yang telah melalui proses select dan
preprocessing tidak begitu saja langsung digunakan, tetapi
ditransformasikan terlebih dahulu ke bentuk yang lebih navigable dan useable.
4. Data mining, tahap ini dipusatkan untuk mendapatkan pola dari data (extraction of data).
5. Interpretation and evaluation, proses pattern atau pola-pola yang telah diidentifikasi oleh system kemudian diterjemahkan atau di interprestasikan ke dalam bentuk yang lebih mudah dimengerti untuk membentu pengambilan keputusan, misalnya menunjukan item yang saling berasosiasi melalui grafik atau bentuk lain yang lebih mudah dimengerti.
Analisis data dilakukan dengan menggunakan algoritma apriori, algoritma ini merupakan algoritma analisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then.
Implementasi dilakukan dengan menggunakan basis data sebagai penyimpan data hasil kombinasi sementara. Algoritma Apriori yang bertujuan untuk menemukan frequent itemset dijalankan pada sekumpulan data. Pada iterasi ke -k, akan ditemukan semua itemsets yang memiliki k items, disebut dengan k -itemsets. Selain itu fasilitas
query dalam basis data juga dipakai sebagai alat untuk mengkombinasikan antar item dalam itemset.
3.2.4. Algoritma Apriori
Algoritma apriori adalah algoritma analisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then. Persoalan association rule mining terdiri dari dua sub persoalan:
1. Menemukan semua kombinasi dari item, disebut dengan frequent
itemsets, yang memiliki support yang lebih besar daripada minimum
support.
2. Gunakan frequent itemsets untuk men-generate aturan yang dikehendaki. Misal, ABCD dan AB adalah frequent, maka didapatkan aturan AB CD jika rasio dari support (ABCD) terhadap support (AB) sedikitnya sama dengan minimum
confidence. Aturan ini memiliki minimum support karena ABCD
adalah frequent.
Algoritma Apriori yang bertujuan untuk menemukan frequent
itemsets dijalankan pada sekumpulan data. Pada iterasi ke -k, akan
ditemukan semua itemsets yang memiliki k items, disebut dengan k
-itemsets. Support dan confidence adalah dua ukuran kepercayaan yang
menunjukan kepastian dan tingkat kegunaan suatu rule yang ditemukan. Pada umumnya association rule yang ditemukan dikatakan menarik apabila rule tersebut memenuhi baik minimum support maupun minimum confidence yang telah ditentukan.
Support (AB) = P (A B)………(1)
Confidence (AB) = P(B|A) ………...……….(2)
