Analisis Perilaku Konsumen Retail Alfama

(1)

BAB I PENDAHULUAN

1.1 Deskripsi Permasalahan

Seiring perkembangan jaman setiap orang menginginkan sesuatu hal yang serba cepat dan praktis, tidak terkecuali dalam pemenuhan kebutuhan sehari-hari. Mereka tidak ingin direpotkan oleh hal-hal seperti mengantri, tawar-menawar dengan pedagang, tata letak yang tidak pasti dimana hal itu semua biasa dijumpai di pasar tradisional. Sekarang masyarakat lebih memilih untuk berbelanja di minimarket untuk sekedar membeli makanan ringan ataupun untuk memenuhi kebutuhan sehari-hari barang dalam kemasan. Minimarket sudah menjamur dengan mudah dapat ditemukan baik di kota-kota besar maupun di desa-desa kecil. Dengan menawarkan berbagai kelebihan seperti tempat yang nyaman, produk yang tertata rapi, pelayanan yang terpadu membuat minimarket menjadi pilihan utama masyarakat dalam memenuhi kebutuhan sehari-hari.

(2)

yang dirilis AC Nielsen menunjukkan IKK Indonesia berada pada level 123, berada pada posisi kedua setelah India (124). Sebelumnya, IKK Indonesia bahkan menempati posisi tertinggi selama 5 kuartal berturut-turut (1Q13-1Q14) di antara 60 negara yang disurvei. IKK yang dirilis Bank Indonesia juga menunjukkan trend penguatan. IKK Agustus 2014 yang sebesar 120,2 merupakan level tertinggi sejak akhir 2012. Penguatan IKK juga dikonfirmasi oleh peningkatan Indeks Penjualan Riil (IPR). Rata-rata pertumbuhan tahunan IPR Januari-Juli 2014 sebesar 16,7%, lebih tinggi dibandingkan periode yang sama tahun lalu yang sebesar 11,9%. Secara regional, IPR sebagian besar kota yang disurvei (9 kota) menunjukkan trend kenaikan. IPR kota Bandung mengalami rata-rata pertumbuhan tertinggi selama Januari-Juli 2014. Pertumbuhan IPR yang cukup tinggi juga terjadi di Semarang, Surabaya, dan Manado. Hal ini menunjukkan peranan dalam sektor ritel semakin penting. Meskipun ritel tradisional masih tetap mendominasi, kenaikan share perdagangan ritel modern dalam di Indonesia meningkat cukup pesat. (www.minimarketrak.com)

Jika dilihat dari potensi tersebut bisnis minimarket memang mempunyai masa depan yang cerah, tidak heran jika pertumbuhan minimarket makin hari makin bertambah tak terhitung jumlahnya. Namun bukan berarti masyarakat tidak memilih dalam berbelanja di minimarket, tentunya masyarakat akan memilih minimarket yang menawarkan diskon dan memberikan kupon belanja karena dengan begitu masyarakat bisa lebih menekan pengeluarannya. Berdasarkan dengan latar belakang tersebut sehingga pada penelitian kali ini kami ingin mengetahui hubungan asosiatif antar item sehingga akan digunakan untuk dijadikan desain kupon belanja beserta syarat dan ketentuan penggunaan kupon belanja yang sesuai berdasarkan dengan metode analisis AR-MBA.

(3)

Analysis dengan mereka menemukan hasil pada layout baru, penempatan produk memperhatikan sifat impulse buying dan sifat kualitatif produk. Penempatan berdasarkan impulse buying dapat dilihat pada penempatan produk 37 (sabun) dan 2 (sabun cuci), 12 (kopi) dan 16 (makanan instan), dan lainnya sesuai dengan hasil perhitungan MBA. Sifat kualitatif produk diperhatikan berdasarkan hasil ARC. Di dalam ARC tidak hanya memperhatikan sifat produk berdasarkan jenis saja, namun lebih spesifik pada sifat seragam dan tidaknya, serta sifat kimiawi produk. Pembagian bedasarkan jenis hanya membedakan pada tipe food dan non food, sementara pembagian berdasarkan sifat keseragaman membedakan secara lebih spesifik yaitu pada fungsi dan penggunannya. Contoh produk seragam adalah produk-produk perlengkapan kamar mandi, produk-produk perlengkapan dapur, dan lain-lain.

Untuk penelitian kedua yaitu oleh Helmanatun Nisa Wulandari dan Nur Wijayaning Rahayu yang berjudul Pemanfaatan Algoritma Apriori untuk Perancangan Ulang Tata Letak Barang di Toko Busana. Kontribusi yang diharapkan dalam penelitian ini adalah adanya sistem terkomputersisasi yang bisa memberikan alternatif penataan barang-barang di toko busana muslimah berdasarkan histori transaksi penjualan yang bersifat dinamis. Permasalahan yang akan diselesaikan dalam penelitian ini adalah bagaimana cara menerapkan algoritma Apriori untuk mengetahui pola belanja konsumen di toko busana muslimah guna merancang ulang tata letak barang.

(4)

banyak association rule yang dihasilkan. Sebagai tolok ukur, dalam pembahasan sistem, max item threshold 3, dan nota yang memenuhi max item threshold sebanyak 130 transaksi dibutuhkan waktu untuk mencari support dan confidence 30 detik.

1.2 Rumusan Masalah

Rumusan masalah pada penelitian ini adalah:

1. Bagaimana hubungan asosiatif yang terjadi antar item di Alfamart Jalan Kaliurang KM. 10 Sleman?

2. Bagaimanakah solusi permasalahan pada desain kupon belanja beserta syarat dan ketentuan penggunaan kupon belanja di Alfamart Jalan Kaliurang KM. 10 Sleman berdasarkan analisis AR-MBA?

1.3 Tujuan Penelitian

Tujuan penelitian pada penelitian ini adalah:

1. Untuk mengetahui hubungan asosiatif antar item di Alfamart Jalan Kaliurang KM. 10 Sleman.

(5)

BAB II

TINJAUAN PUSTAKA

2.1 Kajian Deduktif 2.1.1 Association Rule

Association Rule adalah teknik data mining yang berguna untuk menemukan suatu korelasi atau pola yang terpenting/menarik dari sekumpulan data besar (Margaret HD, 2003). Motivasi awal Association Rule berasal dari keinginan untuk menganalisa data transaksi supermarket ditinjau dari perilaku pelanggan dalam membeli produk. Association Rule menjelaskan seberapa sering suatu produk dibeli secara bersamaan. Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item (Kusrini, 2009). Contoh asosiasi yang biasa terjadi seperti seberapa besar kemungkinan pembeli membeli roti dengan selai secara bersamaan. Penting tidaknya suatu aturan asosiatif dapat diketahui dengan dua parameter, yaitu support dan confidence.

1. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database.

2. Confidence (nilai kepastian) adalah kuatnya hubungan antar item dalam aturan asosiasi.

Analisis asosiasi didefinisikan sebagai suatu proses untuk menemukan semua aturan asosiasi yang memenuhi syarat minimum untuk support (minimum support) dan syarat minimum untuk confidence (minimum confidence) (Kusrini, 2009). Jika supportnya>=minimum support dan confidencenya>= minimum confidence, maka rule tersebut bisa dikatakan sebagai interesting rule.

2.1.2 Market Basket Analysis

(6)

perusahaan retail seperti toko atau swalayan untuk mengembangkan strategi pemasaran dengan melihat item-item mana saja yang kemungkinan dibeli secara bersamaan oleh konsumen.

Untuk beberapa kasus, pola dari item-item yang dibeli secara bersamaan oleh konsumen dapat ditebak, misalnya selai dibeli secara bersamaan dengan roti. Akan tetapi juga tidak menutup kemungkinan tercipta pola pembelian item yang belum pernah terpikirkan. Misalnya pembelian sabun mandi dengan makanan ringan. Bisa saja pola seperti ini terbentuk ketika suatu transaksi berlangsung. karena kebutuhan customer berbeda-beda dan tidak dapat diprediksi sehingga tidak ada jalan keluar, misalnya seperti stok sabun mandi di gudang habis. Oleh karena itu Market Basket Analysis diharapkan dapat membantu dalam penyelesaian masalah ini. Dengan menggunakan aplikasi ini seorang penjual bisa dengan cepat dan tepat dalam menentukan pola pembelian dari beberapa customer.

2.1.3 Algoritma Apriori

Algoritma Apriori termasuk jenis aturan asosiasi pada data mining. Selain Apriori, yang termasuk pada golongan ini adalah metode Generalized Rule Induction dan Algoritma Hash Based. Analisis asosiasi atau association rule mining adalah teknik data mining untuk menemukan aturan asosiasi antara suatu kombinasi item. Contoh aturan asosiasi dari analisis pembelian di suatu pasar swalayan adalah dapat diketahuinya berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan susu. Berdasarkan pengetahuan tersebut, pemilik swalayan dapat mengatur penempatan barangnya atau merancang kampanye pemasaran dengan memakai kupon diskon untuk kombinasi barang tertentu (Kusrini, 2009).

Penting tidaknya suatu aturan asosiasi dapat diketahui dengan dua parameter, yaitu support dan confidence. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian) adalah kuatnya hubungan antar item dalam aturan asosiasi. Metodologi dasar analisis asosiasi terbagi menjadi 2 (dua) tahap, yaitu:

(7)

2. Pembentukan aturan asosiasi 2.1.4 Algoritma FP-Growth

Algoritma FP-Growth merupakan pengembangan dari algoritma Apriori. Sehingga kekurangan dari algoritma Apriori berupa lamanya waktu yang dibutuhkan ketika banyaknya proses iterasi yang dilakukan diperbaiki oleh algoritma FP-Growth. Metode FP-Growth dapat dibagi menjadi 3 tahapan utama yaitu sebagai berikut (Han & Kamber 2006):

1. Tahap pembangkitan conditional pattern base, 2. Tahap pembangkitan conditional FP-Tree, dan 3. Tahap pencarian frequent itemset.

2.2 Kajian Induktif

(8)

Untuk penelitian kedua yaitu oleh Helmanatun Nisa Wulandari dan Nur Wijayaning Rahayu yang berjudul Pemanfaatan Algoritma Apriori untuk Perancangan Ulang Tata Letak Barang di Toko Busana. Kontribusi yang diharapkan dalam penelitian ini adalah adanya sistem terkomputersisasi yang bisa memberikan alternatif penataan barang-barang di toko busana muslimah berdasarkan histori transaksi penjualan yang bersifat dinamis. Permasalahan yang akan diselesaikan dalam penelitian ini adalah bagaimana cara menerapkan algoritma Apriori untuk mengetahui pola belanja konsumen di toko busana muslimah guna merancang ulang tata letak barang.

(9)

BAB III

METODE PENELITIAN

3.1 Objek Penelitian

Pada penelitian ini tempat yang dijadikan objek yaitu minimarket Alfamart yang berlokasi di Jalan Kaliurang KM 10 Sleman, Yogyakarta. Tempat tersebut adalah sebuah minimarket yang menjual berbagai macam kebutuhan sehari-hari.

3.2 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan mengumpulkan data struk belanja & informasi pengadaan kupon belanja pada retail desain kupon belanja beserta syarat dan ketentuan yang berlaku.

3.3 Jenis Data

(10)

3.4 Alur Penelitian

Gambar 3.1 Diagram Alur Penelitian YaAa

Tidak Mulai

Penentuan objek penelitian

Mengumpulkan struk

Pre-processing data

Valid atau tidak

Processing data

Output rule

Desain Kupon

(11)

Penjelasan dari diagram alir diatas adalah sebagai berikut:

1. Memulai penelitian dengan mengumpulkan struk sebanyak lebih dari 100.

2. Melakukan pre-processing data pada rekapan struk yang ada. Seperti menghilangkan harga barang, mengabaikan jumlah barang yang dibeli, dalam satu transaksi minimal terdapat dua departemen sehingga untuk data-data yang tidak memenuhi untuk dihapus atau tidak digunakan.

3. Setelah melakukan tahap pre-processing maka jika terdapat data yang tidak valid harus mengulang untuk mengambil data lagi (mengumpulkan struk), namun jika data sudah valid semua maka dapat dilanjutkan ke proses berikutnya.

4. Setelah itu dilakukan processing data dengan metode AR-MBA dengan bantuan software Rapid Miner.

5. Selanjutnya akan muncul output rule yang terbentuk.

(12)

BAB IV

HASIL DAN PEMBAHASAN

4.1 Kondisi Awal Tempat Penelitian

Pada penelitian ini kami mendapatkan studi kasus tentang kupon belanja yang ditawarkan oleh retail store kepada pelanggan. Adapun lokasi yang menjadi tempat penelitian kami adalah salah satu retail store ternama yaitu Alfamart. Tepatnya berlokasi di Jalan Kaliurang Km 10, Sleman Yogyakarta. Adapun jenis kupon belanja yang diberikan oleh Alfamart diantaranya kupon bernilai Rp 25,000, Rp 50,000, dan Rp 100,000,. Kupon belanja ini tidak dapat ditukarkan dengan uang dan hanya dapat digunakan untuk berbelanja hingga batas atau limit sesuai dengan nominal yang tertera pada kupon. Penggunaan kupon ini dapat digunakan atau valid hingga 6 bulan lamanya dan dapat digunakan pada seluruh franchise PT. Sumber Alfaria Trijaya seperti Alfamart, Alfa Express, dan Alfa Midi.

(13)

Bentuk desain kupon lainnya adalah seperti kupon belanja bertema belanja murah dan hemat dengan memberikan diskon pada barang barang yang dinilai kurang laku dan memberikan bonus tambahan produk lainnya.

Gambar 4. 2 Kupon Belanja Alfamart 2

(14)

Mekanisme ini berlaku bagi seluruh pengguna Kakao Talk yang sudah mengikuti mekanisme yg sudah ditentukan. Saat menukarkan kupon, pelanggan cukup membayar seharga 1 piece barang yang dibeli (www.alfamartku.com).

(15)

4.2 Rekapitulasi dari Pengumpulan Data

Dari hasil pengumpulan struk yang kami lakukan untuk mendapatkan sedikitnya 100 transaksi dengan masing masing barang yang berbeda departemen didapatkan rekapitulasi data sebagai berikut

Tabel 4. 1 Rekapitulasi Data Struk

No Jenis barang

1 Anlene gold coklat, Roma biskuit kelapa, Sasa tepung, Bodrex flu & batuk, Racik bumbu, Sidomuncul tolak angin, Rinso anti noda,Sabut spons, Sun Swallow, Skrineer masker

2 Pocari sweat, Aqua air mineral 3 Sosro jasmine, Piattos

4 Djarum super 12, Pond's flawless

5 Nescafe coffee latte, Sari roti keju, Paroti cream messes, GG filter merah 6 Cheetos ayam bakar, Sari roti srikaya, Sari roti kacang

7 Kopiko 78C caramel, Sampoerna mil

8 Aqua air mineral, You C 1000, Sampoerna mil 9 Indomilk coklat, Sampoerna mil

10 Ekonomi sabun lemon, Komix OBH sachet

11 Antangin JRG, Oreo chocolate, Simba choco chips, Hexos lemon mints 12 Kinder joy boys, Yupi pizza, Chil-go, Choki-choki, Oreo soft, Pronas corn 13 Sensodyne, Ultra teh kotak

14 Roma biskuit kelapa, Oishi pillow, V-soy soya, Kara santan kelapa, Timtam cho cho, Tao Kenoy spicy, Kara sun santan 15 Soklin pelembut, King coco santan kelapa

16 Happy tos, Green sands ori, Djarum super, Ades botol

(16)

No Jenis barang 18 Sari roti, Skrineer masker

19 Bor-UHT, E-voucher XL

20 Wall's padlepop, Paroti cream messes

21 Tim tam milk coklat, Strepsils, Indomilk coklat, Aqua botol, Happy tos, Oreo soft, Formula, Goal, Pepsodent 22 Green sands, Fullo pack, P/Crispy sapi panggang

23 Bebelac, Alfa krup getas

24 Djarum super, Sampoerna mil, E voucher Tsel

25 Aqua botol, Fruit tea black current, Sinde larutan, Tessa tissue, Sari roti srikaya, Zwitsal minyak telon

26 Filma pouch, Nice tissue soft, Nice tissue rol, Gulaku premium, Soklin pewangi pink, soklin pewangi violet, Close up, pepsodent, Ciptadent, Omica sikat gigi

27 Frestea markisa, sari roti keju 28 Paseo, Aqua botol

29 Djarum LA light, Ultra teh kotak, Good day coffee 30 Lifebuoy sabun, Djarum super 16

31 Telur ayam, Oreo sand biskuit, Garuda kacang atom, Indomie ayam bawang, Vit botol, Indomie goreng, Mie gemez, Alfa lemon, Stella al in 1

32 Dettol, Coolant

33 Listerine cool, Gillette vector

34 Djarum LA menthol, Cocktail korek api

35 Pocari Sweat, Aqua botol, You C 1000, Hexos mints 36 Yakult, Sutra kondom 12

37 Good day sachet, Frestea jasmine 38 Wall's paddlepop, Yakult, Campina 39 Sosro jasmine, Piattos keju

(17)

No Jenis barang 42 Stella all in 1, Socerlane kaos kaki (2), Bear brand, Kraft keju cake 43 Mogu lychee, Dove H-vit

44 Vit botol, Sampoerna A mil

45 Leo popcorn, Piattos barbeque, Tango, Ultra teh kotak, Indomilk coklat, Nescafe coffee 46 Paroti cream messes, Sari roti sarikaya, Aqua botol, Minutemaid pulpy,

47 Kinder joy girl, Campina

48 Komix jeruk nipis, Komix mint, Dunhill fine cut

49 Paroti tawar, Aqua botol, Sosro jasmine, Lay's, French fries 50 Mr. Potato, Buavita royal

51 Djarum super, Alfa lighter 52 Aqua air mineral, Promag

53 S-26 Gold kaleng, A gula pasir, Blue band, Telur ayam 54 Sosro teh botol, E-voucher Tsel

55 Purbasari, Ellips hairmask, Pepsodent, Lifebuoy sabun, Lipovitan,Snickers 56 Monde serena, Nutriboost

57 Sari roti tawar, Frisian flag gold

58 Djarum super 12, You C 1000 orange, You C 1000 lemon, Indomie goreng 59 UHU lem stick, Mentos rol, Aqua botol

60 Filma pouch, Richeese wafer, Filma pouch

61 E-voucher indosat, Pocari sweat, Super O2, Oishi pillow, Silver queen 62 Dji sam soe, Kenko gt tape, Alfa SDTN

63 Cheetos jagung bakar, Mintz cherry, Air mineral, Frestea green, Mayasi koro, Sutra kondom, Sidomuncul tolak angin, Sari roti coklat

64 Sampoerna A mil, Mizone lemon, Alfa lighter

(18)

No Jenis barang 67 Mama lime, Sampoerna A mil

68 Aqua botol, Pocari sweat, Biskies choco 69 Sampoerna A mil, Fruit tea black current

70 Smax ring, Aqua botol, Bugo nori sapi, Wall's paddlepop, Snickers, Komix mint, Komix OBH 71 Aqua botol, Pocari sweat,

72 Javana teh melati, Alfa amplop

73 Blue band, Ceres festive, Sari roti tawar

74 Geliga balsem, Good day tiramisu, Konicare kayu putih

75 Paroti roti sisir, Sari roti keju, Sari roti kasur, Aqua botol, Indomie goreng 76 Maicih basreng, Formula sikat gigi

77 Happy tos, french fries, Aqua botol, Pocari sweat, NS crk crispy, Mentos rol 78 Mitu, Aqua botol

79 Harmony orange, Socerlane celana dalam 80 Ultra teh kotak, GG surya 12

81 Sarimi goreng sate, Supermi ayam bawang, Supermi sop buntut, Maya sarden, ABC sarden, Segar dingin, Lux soap, Gatsby wg

82 NU greentea ori, Kratingdaeng, Marlboro black 83 Nestle p. life, Top

84 Telur ayam, Tic tac candy, Happydent white, sari roti tawar 85 Floridina, Cheetos ayam bakar, Sari roti keju, Monde serena

86 Dji sam soe, Aqua botol, Alfa kacang koro, Tessa tissue, Johnson baby powder

87 Paroti tawar, Chitato sapi panggang, Kripptoss, Chitato ayam bumbu, Ceres milk, Frisian flag coklat, Alfa meses coklat, Alfa butter

88 Eveready A3, Alfa AMP

(19)

No Jenis barang 91 Javana teh melati, Alfa amplop

92 Big cola, Pucuk harum tea

93 Lafonte sapi bolognese, Ultra teh kotak 94 Aqua botol, Silver queen, Sampoerna A mil 95 Wall's paddlepop, Pixy UV

96 GG filter merah, Aqua botol, Mizone orange, Durex together kondom 97 Sari roti kasur, Bor UHT, Cadbury

98 Mogu lychee, Glico pack cho, Center fruit candy

99 Aqua botol, Frestea green tea, Pocari sweat, Paroti cream meses, NS CRK Crispy, Qtela ubi ungu, Silver queen white, Qtela BBQ, Sari roti keju, Sari roti coklat, Pepsodent, Laurier, Filma pouch

10 0

Aqua botol, Mr.Potato ori, Pringles cheese, Silver queen white, Hershey's kis, Sari roti keju, Sari roti krim, Sari roti kasur

Tabel 4. 2 Pembagian Departemen Produk

Kode Departemen Nama Departemen Produk

(20)

Departemen 2 minuman dingin Pocari sweat, Sosro jasmine, Nescafe coffee latte, Kopiko 78C caramel, You C 1000, Indomilk coklat, Chil-go, Ultra teh kotak, V-soy soya, Green sands, Nescafe white coffee, Bor-UHT, Fruit tea black current, Frestea markisa, Good day coffee, Kratingdaeng, Coolant, Yakult, Good day funtastic, Frestea jasmine, Cap panda, Bear brand, Mogu lychee, Super 02, Minutemaid pulpy, Buavita, Lipovitan, Nutriboost, Mizone lemon, Javana teh melati, Good day tiramisu, Segar dingin, NU Greentea, Nescafe Mocca, Big Cola, Floridina, T Pucuk harum,

Departemen 3 minuman biasa Aqua botol, Vit botol, Sinde larutan, Ades botol

Departemen 4 Susu & Minuman sachet Anlene gold, Bebelac, Frisian flag gold, Nestle p.life, Frisian flag coklat, Torabika capuccino, good day sachet

Departemen 5 Perlengkapan mandi Sensodyne, Formula, Pepsodent, Ciptadent, Close up, Omica sikat gigi, Lifebuoy sabun, Dettol, H&S Shampoo, Purbasari, Ellips hairmask, Nivea men, Formula sikat gigi, Harmony orange, Lux soap, Gatsby wg, Pond's flawless, Listerine cool, Dove H-vit,

Departemen 6 rokok Djarum super 12, GG filter merah, Sampoerna mil, Djarum LA light, Djarum super 16, Dji sam soe, Djarum LA menthol, Dunhill fine cut, S-26 gold kaleng, GG surya 12, Marlboro red, Marboro black

(21)

Departemen 8 Mie instan Indomie ayam bawang, Indomie goreng, Sedaap mi goreng, sedaap mie soto, Sarimi goreng sate, Supermi ayam bawang, Supermi sop buntut,

Departemen 9 Perlengkapan pribadi Tessa tissue, Nice tissue soft, Nice tissue rol, Paseo, Stella all in 1, Sun swallow, Laurier

Departemen 10 perlengkapan masak Sasa tepung, racik bumbu, Pronas corn, Kara santan kelapa, Kara sun santan, King coco santan kelapa, Filma pouch, ABC sarden, Maya sarden, Lafonte sapi bolognese, A gula pasir, Gulaku premium,Blue band

Departemen 11 obat Bodrex flu& batuk, Sidomuncul tolak angin, Komix OBH sachet, Antangin JRG, Komix jeruk nipis, Komix mints, geliga balsem, Durex together kondom, Sutera kondom 12, Promag, Skineer masker

Departemen 12 Biskuit/bolu dan coklat Oreo chocolate, Simba choco chips, Roma biskuit kelapa, Choki-choki, Oreo soft, Timtam cho cho, Meiji lucky strike, Timtam milk coklat, Fullo pack, Oreo sand biskuit, Tango, Snickers, Silver queen white, Richeese wafer, Silver queen coklat, Gery chocolatos, Biskies choco, Glicko pack cho, Hershey kis, Muuch better, cadbury, Top

Departemen 13 eskrim Wall's paddlepop, Wall's cornetto, Campina

Departemen 14 perlengkapan cuci dan pakaian Rinso anti noda, Sabut spons, Soklin pelembut, Soklin pewangi pink, Soklin pewangi violet, Alfa lemon, Mama lime, Ekonomi sabun lemon

Departemen 15 Permen Hexos lemon mints, Hexos mints, Yuppy pizza, Mentos rol, Fox's, Mitz Chery, Tic tac candy, Happydent white, Center fruit candy, Frozz barley, Strepsils

(22)

Departemen 17 Roti dan perlengkapan Sari roti keju, Paroti cream meses, Sari roti srikaya, Sari roti kacang, Sari roti coklat, Paroti tawar, Keju kraft cheddar, Sari roti tawar, Ceres festive, Proti roti sisir, Sari roti kasur, Ceres milk, Alfa meses coklat, Alfa butter, Sari roti krim,

Departemen 18 Voucher dan tiket E-voucher T-sel, E-voucher Indosat, E-voucher XL

Departemen 19 Kasir Cocktail korek api, Alfa lighter, Eveready A3, kinder joys, Departemen 20 Perawatan tubuh Gillette vector, Goal, Gatsby wg, Pixy UV, Gillette blue Departemen 21 Pakaian dalam dan aksesoris Socerlance celana dalam, Socerlance kaos kaki,

Departemen 22 Departemen Telur Telur ayam negeri

Tabel 4. 3 Integrasi Data

No Jenis

1 Dept. 4, Dept. 12, Dept. 10, Dept. 11, Dept. 10, Dept. 11, Dept. 14,Dept. 14, Dept. 9, Dept. 11 2 Dept. 2, Dept. 3

3 Dept. 2, Dept. 1 4 Dept. 6, Dept. 5

5 Dept. 2, Dept. 17, Dept. 17, Dept. 6 6 Dept. 1, Dept. 17, Dept. 17

7 Dept. 2, Dept. 6

8 Dept. 3, Dept. 2, Dept. 6 9 Dept. 2, Dept. 6

10 Dept. 14, Dept. 11

11 Dept. 11, Dept. 12, Dept. 12, Dept. 15

(23)

No Jenis 13 Dept. 5, Dept. 2

14 Dept. 12, Dept. 1, Dept. 2, Dept. 10, Dept. 12, Dept. 1, Dept. 10 15 Dept. 14, Dept. 10

16 Dept. 1, Dept. 2, Dept. 6, Dept. 3

17 Dept. 3, Dept. 2, Dept. 12, Dept. 12, Dept. 1, Dept. 13 18 Dept. 17, Dept. 11

21 Dept. 12, Dept. 15, Dept. 2, Dept. 3, Dept. 1, Dept. 12, Dept. 5, Dept. 20, Dept. 5 22 Dept. 2, Dept. 12, Dept. 1

23 Dept. 4, Dept. 16

24 Dept. 6, Dept. 6, Dept. 18

25 Dept. 3, Dept. 2, Dept. 3, Dept. 9, Dept. 17, Dept. 7

26 Dept. 10, Dept. 9, Dept. 9, Dept. 10, Dept. 14, Dept. 14, Dept. 5, Dept. 5, Dept. 5, Dept. 5 27 Dept. 2, Dept. 17

28 Dept. 9, Dept. 3

31 Dept. 22, Dept. 12, Dept. 1, Dept. 8, Dept. 3, Dept. 8, Dept. 1, Dept. 14, Dept. 9 32 Dept. 5, Dept. 20

35 Dept. 2, Dept. 3, Dept. 2, Dept. 15 36 Dept. 2, Dept. 19

37 Dept. 4, Dept. 2

(24)

No Jenis 39 Dept. 2, Dept. 1

40 Dept. 5, Dept. 5, Dept. 20 41 Dept. 1, Dept. 2, Dept. 17

44 Dept. 3, Dept. 6

45 Dept. 1, Dept. 1, Dept. 12, Dept. 2, Dept. 2, Dept. 2 46 Dept. 17, Dept. 17 , Dept. 3, Dept. 2

47 Dept. 19, Dept. 13

48 Dept. 11, Dept. 11, Dept. 6

49 Dept. 17, Dept. 3, Dept. 2, Dept. 1, Dept. 1 50 Dept. 1, Dept. 2

55 Dept. 5, Dept. 5, Dept. 5, Dept. 5, Dept. 2,Dept. 12 56 Dept. 1, Dept. 2

58 Dept. 6, Dept. 2, Dept. 2, Dept. 8 59 Dept. 16, Dept. 15, Dept. 3 60 Dept. 10, Dept. 12, Dept. 10

61 Dept. 18, Dept. 2, Dept. 2, Dept. 1, Dept. 12 62 Dept. 6, Dept. 16, Dept. 16

(25)

No Jenis 65 Dept. 2, Dept. 17, Dept. 8, Dept. 8

70 Dept. 1, Dept. 3, Dept. 1, Dept. 13, Dept. 12, Dept. 11, Dept. 11 71 Dept. 3, Dept. 2,

73 Dept. 10, Dept. 17, Dept. 17 74 Dept. 11, Dept. 2, Dept. 7

75 Dept. 17, Dept. 17, Dept. 17, Dept. 3, Dept. 8 76 Dept. 1, Dept. 5

77 Dept. 1, Dept. 1, Dept. 3, Dept. 2, Dept. 1, Dept. 15

78 Dept. 7, Dept. 3 79 Dept. 5, Dept. 21 80 Dept. 2, Dept. 6

81 Dept. 8, Dept. 8, Dept. 8, Dept. 10, Dept. 10, Dept. 2, Dept. 5, Dept. 20 82 Dept. 2, Dept. 2, Dept. 6

84 Dept. 22, Dept. 15, Dept. 15, Dept. 17 85 Dept. 2, Dept. 1, Dept. 17, Dept. 1

86 Dept. 6, Dept. 3, Dept. 1, Dept. 9, Dept. 7

87 Dept. 17, Dept. 1, Dept. 1, Dept. 1, Dept. 17, Dept. 4, Dept. 17, Dept. 17 88 Dept. 19, Dept. 16

(26)

No Jenis

Tabel 4. 4 Matriks Binary Data yang Terbentuk

(27)

(28)

(29)

(30)

(31)

(32)

4.3 Output Rapid Miner

Dari input pengolahan data struk yang dimasukan pada Rapid Miner dengan minimum confidence sebesar 0.4 dan minimum support 0.3 didapatkan output seperti tampilan berikut

Gambar 4. 4 Output Rule Rapid Miner

Dari output diatas didapatkan informasi sebagai poin poin berikut

1. Dept 2 dan dept 12, akan terbeli bersama dengan dept 1 dengan tingkat kepercayaan sebesar 58.3% dan didukung oleh 7% dari data keseluruhan

3. Dept 12, akan terbeli bersama dengan dept 1dengan tingkat kepercayaan sebesar 45.5% dan didukung oleh 1% dari data keseluruhan

4. Dept 17, akan terbeli bersama dengan dept 1dengan tingkat kepercayaan sebesar 42.9% dan didukung oleh 9% dari data keseluruhan

(33)

6. Dept 1, akan terbeli bersama dengan dept 3 dengan tingkat kepercayaan sebesar 42.3% dan didukung oleh 11% dari data keseluruhan

8. Dept 1, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 73.1% dan didukung oleh 19% dari data keseluruhan

10. Dept 15, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 70% dan didukung oleh 7% dari data keseluruhan

11. Dept 1 dan dept 12, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 70% dan didukung oleh 7% dari data keseluruhan

12. Dept 3, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 63% dan didukung oleh 17% dari data keseluruhan

13. Dept 12, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 54.5% dan didukung oleh 12% dari data keseluruhan. Dikarenakan lift ratio 0.992 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule dinyatakan valid jika >= 1.

14. Dept 17, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 52.4% dan didukung oleh 11% dari data keseluruhan. Dikarenakan lift ratio 0.952 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule dinyatakan valid jika >= 1.

15. Dept 6, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 48% dan didukung oleh 12% dari data keseluruhan. Dikarenakan lift ratio 0.873 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule dinyatakan valid jika >= 1.

(34)

4.4 Analisis Hasil Pengolahan Data dari Sudut Pandang ConsumerBehaviour Berdasarkan dari hasil pengolahan data (output) yang dihasilkan dari bantuan software Rapid Miner untuk input data struk yang dimasukan, didapatkan analisis data sebagai berikut.

1. Pada rule 1, produk pada dept 2 dan 12 yang berisi produk minuman dingin dan biskuit/coklat akan terbeli bersamaan dengan produk pada dept 1 yang berisi makanan ringan. Hal ini menunjukan bahwa pelanggan yang sering berkunjung pada retail store tersebut hanya berkunjung untuk membeli minuman dingin beserta cemilan berupa makanan ringan/snack dan biskuit sebagai pelengkapnya. Orang yang membeli cemilan pasti membeli minuman dingin juga. Perilaku pelanggan seperti ini seringkali dilakukan oleh pelanggan yang merupakan seorang mahasiswa. Karena ketika mengisi waktu luang seperti bermain games dan menonton tv atau mengerjakan tugas, seringkali mahasiswa pergi ke retail store untuk sekedar membeli cemilan dan minuman dingin. Analisis ini didasari dari pengolahan data juga dengan tingkat confidence sebesar 58.3% yang artinya ketiga departemen akan terbeli bersamaan dengan keyakinan sebesar 58.3% dan didukung oleh 7% dari keseluruhan data transaksi.

(35)

3. Pada rule 3, produk pada dept 12 yang berisi biskuit/ coklat akan terbeli bersama dengan produk pada dept 1 yang berisi makanan ringan. Sama dengan penjelasan sebelumnya di rule 1, hal ini menunjukan pelanggan yang membeli biskuit/coklat akan membeli makanan ringannya pada barang belanjaannya. Tetapi pada rule ini kita mendapatkan bahwa pelanggan tidak membeli minuman pada belanjaannya. Analisa yang bisa disampaikan mungkin saja pelanggan yang membeli makanan ringan sudah memiliki persedian minum sebelumnya sehingga mereka tidak membeli minuman lagi pada retail store. Analisis ini didasari dari pengolahan data juga dengan tingkat confidence sebesar 45.5% yang artinya ketiga departemen akan terbeli bersamaan dengan keyakinan sebesar 45.5% dan didukung oleh 1% dari keseluruhan data transaksi.

4. Pada rule 4, produk pada dept 17 yang berisi roti dan perlengkapannya akan terbeli bersama dengan produk pada dept 1 yang berisi makanan ringan. Hal ini menunjukan bahwa pelanggan yang membeli roti beserta pelengkapnya seperti selai, meses dan lain lain akan menambahkan makanan ringannya juga pada keranjang belanjanya. Roti merupakan salah satu makanan yang cukup mengenyangkan selain makanan pokok nasi. Namun untuk membuat kenyang, seseorang tentunya akan membeli tambahan makanan lain misalnya seperti membeli tambahan makanan ringan pada retail store. Sehingga disini pelanggan yang membeli roti akan membeli makanan ringan juga sebagai tambahan makanannya supaya kenyang. Analisis ini didasari dari pengolahan data juga dengan tingkat confidence sebesar 42.9% yang artinya ketiga departemen akan terbeli bersamaan dengan keyakinan sebesar 42.9% dan didukung oleh 9% dari keseluruhan data transaksi.

(36)

dibandingkan minuman dingin yang lebih dominan dengan rasa rasa yang bervariasi. Analisis ini didasari dari pengolahan data juga dengan tingkat confidence sebesar 40.7% yang artinya ketiga departemen akan terbeli bersamaan dengan keyakinan sebesar 40.7% dan didukung oleh 11% dari keseluruhan data transaksi.

6. Pada rule 6, produk pada dept 1 yang berisi makanan ringan akan terbeli bersama produk pada dept 3 yang berisi minuman biasa. Hal ini menunjukan bahwa pelanggan yang membeli makanan ringan akan membeli minuman biasa juga. Perilaku konsumen pada rule ini hampir sama dengan perilaku konsumen pada rule 5. Yang berbeda di sini adalah pelanggan lebih mengutamakan membeli makanan ringan dulu baru selanjutnya membeli air mineral. Minuman biasa dibeli setelah pelanggan membeli makanan ringan. Mungkin saja dibeli karena tidak ada lagi persedian air minum di rumah atau ingin praktis beli makanan dan minumannya. Perbedaan yang lebih jelasnya terletak pada nilai confidence keduanya. Pada rule 5 nilai confidence sebesar 40.7%, sedangkan pada rule 6 nilai confidencenya adalah 42.3%. Hal ini artinya peluang pelanggan membeli makan dulu lalu membeli minuman biasa lebih besar daripada pelanggan membeli minuman biasa dulu lalu membeli makanan ringan. Analisis ini didasari dari pengolahan data juga dengan tingkat confidence sebesar 42.3% yang artinya ketiga departemen akan terbeli bersamaan dengan keyakinan sebesar 42.3% dan didukung oleh 11% dari keseluruhan data transaksi.

(37)

42.1% yang artinya ketiga departemen akan terbeli bersamaan dengan keyakinan sebesar 42.1% dan didukung oleh 8% dari keseluruhan data transaksi.

8. Pada rule 8, produk pad adept 1 yang berisi makanan ringan akan terbeli bersama dengan produk pada dept 2 yang berisi minuman dingin. Pelanggan yang membeli makanan ringan/ snack kemungkinan akan membeli minuman dingin juga. Hal ini dikarenakan makanan ringan yang dibeli lebih nikmat jika dilengkapi dengan minuman dingin yang menyegarkan. Kemungkinan terbelinya kedua departemen ini cukup besar dengan nilai confidence73.1% dan didukung oleh 19% dari data keseluruhan.

9. Pada rule 9, produk pada dept 3 dan 1 yang berisi minuman biasa dan minuman biasa akan terbeli bersama dengan produk pada dept 2 yang berisi minuman dingin. Perilaku konsumen pada rule ini sebenarnya hampir sama dengan perilaku konsumen pada rule 2 dan rule 7 hanya prioritas produknya saja yang berbeda mana yang dibeli dahulu mana yang hanya barang pelengkap atau tambahan. Namun urutan produk pada rule ini menunjukan perilaku konsumen yang paling sering terjadi pada transaksi karena mempunyai nilai confidence paling besar yaitu 72.7% dibandingkan kedua rule sebelumnya yang hanya sebesar 47.1% dan 42.1%. Sehingga pelanggan lebih sering membeli minuman dulu (minuman biasa dan makanan ringan) lalu membeli minuman dingin sebagai tambahannya. Rule ini didukung oleh 8% dari data keseluruhan.

10. Pada rule 10, produk pada dept 15 yang berisi permen akan terbeli bersama produk pada dept 2 yang berisi minuman dingin. Hal ini menunjukan bahwa pelanggan yang membeli permen kemungkinan akan membeli minuman dingin juga. Perilaku konsumen ini mungkin saja dikarenakan keinginan pelanggan yang hanya membutuhkan cemilan ringan seperti permen lalu membeli minuman dingin sebagai pelengkapnya atau tambahan belanjanya. Kemungkinan terbelinya produk dari kedua departemen ini sebesar 70% dan didikung oleh 7% keseluruhan data.

(38)

biskuit kemungkinan akan membeli minuman dingin juga.Perilaku ini hampir sama dengan perilaku konsumen pada rule 1 yang membedakannya adalah prioritas produk yang dibeli lebih dulu. Namun perilaku konsumen yang sering terjadi adalah membeli makanan ringan dan biskuit dulu baru membeli minuman dingin dengan nilai confidence sebesar 70% dan didukung 7% dari data keseluruhan

12. Pada rule 12, produk pada dept 3 yang berisi minuman biasa akan terbeli bersama dengan produk pada dept 2 yang berisi minuman dingin. Hal ini menunjukan perilaku konsumen bahwa selain membeli minuman biasa pelanggan juga akan membeli minuman dingin. Hal ini mungkin saja dikarenakan dari kebutuhan pelanggan itu sendiri. Selain ingin mengkonsumsi minuman biasa berupa air mineral yang menyehatkan, pelanggan juga menginginkan minuman dingin dengan varian rasa yang menyegarkan. Nilai confidence untuk perilaku konsumen ini sebesar 63% dan didukung oleh 17% data keseluruhan.

13. Untuk rule selanjutnya dari 13 hingga 16 dinyatakan tidak valid dikarenakan nilai lift ratio pada rulenya kurang dari 1 yang berarti hubungan asosiasi antar departemen yang terkait kurang kuat dan tidak dapat digunakan untuk mengetahui perilaku konsumen terkait kegiatan belanja yang dilakukan pada retail store.

(39)

15. Dari hasil pengolahan data terlihat departemen yang paling sering terbeli adalah departemen 1 dengan departemen 2 dilihat dari nilai supportnya yang paling besar yaitu 19% yang berarti kegiatan pembelian yang paling banyak terdapat pada keseluruhan data transaksi atau total 19% dari total transaksi. Sedangkan produk yang jarang terbeli berdasarkan nilai support yang paling kecil yaitu 7% adalah produk dari departemen 5 dan departemen 12 yang berisi produk perlengkapan mandi dan biscuit/coklat sehingga diperlukan promosi untuk meningkatkan penjualan barang dari kedua departemen ini.

4.5 Rekomendasi Solusi Berdasarkan Hasil Aturan Asosiasi

Dari hasil aturan asosiasi yang didapatkan dan berdasarkan perilaku konsumen yang sering terjadi pada retail store yang bersangkutan maka rekomendasi solusi yang dapat diberikan adalah sebagai berikut :

Gambar 4. 5 Kupon Promo Belanja 1

(40)

(41)

pelanggan atau jarang dilihat pelanggan menjadi terbeli dikarenakan barang barang yang sering terbeli.

Adapun syarat dan ketentuan penggunaan kupon belanja di atas adalah sebagai berikut

1. Kupon belanja diberikan untuk pelanggan yang membelanjakan uangnya pada retail store hingga minimal Rp 100,000.

2. Jenis kupon belanja yang diberikan bersifat random (bisa jenis 1,2, 3, ataupun 4). 3. Kupon belanja yang diberikan berlaku hingga 1 minggu setelah kupon diberikan. 4. Kupon belanja dapat digunakan pada retail store Alfamart.

Pada solusi yang diberikan, peneliti memberikan 3 desain kupon berbeda dengan tujuan yang sama yaitu untuk mempromosikan barang barang / produk retai store yang jarang dibeli oleh pelanggan. Penjelasan atau alasan masing masing desain dijelaskan dalam poin berikut

1. Pada kupon promo belanja 1, tertulis “Beli Tissue Tessa + Chitato Gratis Clear 1 Pcs”. Maksud dari promosi ini adalah untuk meningkatkan penjualan produk peralatan mandi dan kebutuhan pribadi seperti sampo dan tisu yang jarang terbeli dengan menyisipkan salah satu produk yang jarang dibeli pada makanan ringan/snack yang sering dibeli. Dengan begitu barang yang jarang dibeli dapat terbeli bersama dengan barang yang sering dibeli karena promo yang diberikan. Pelanggan akan menganggap sampo dan tisu mempunyai harga yang murah dari promo yang diberikan lewat produk yang sering dibeli oleh pelanggan.

(42)

seperti minyak goreng dan susu yang dinilai cukup adil dan sesuai (membeli kebutuhan pokok gratis minuman favorit).

3. Pada kupon promo belanja 3, tertulis “Masak Cuci Murah, Belanja Perlengkapan Masak + Cuci Minimal Rp 50,000 Gratis 3 Pcs Mie Instant”. Maksud promosi ini adalah sebagai bentuk diskon untuk meningkatkan penjualan produk perlengkapan masak, perlengkapan cuci dan mie instant sekaligus. Pembelian hingga nominal Rp 50,000 untuk perlengkapan masak dan cuci tergolong murah dan dinilai mampu menjual cukup produk untuk kedua departemen yang berbeda secara sekaligus. Sedangkan pemberian bonus 3 pcs mie instant dilakukan untuk membayar pengorbanan yang dikeluarkan pelanggan sekaligus meningkatkan penjualan mie pada retail store tersebut.

4. Pada kupon promo belanja 4, tertulis “Paket Belanja Hemat, Beli 3 Gratis 1 untuk pembelian Roma Kelapa dan Wall’s Magnum”. Tujuan pemberian kupon ini adalah untuk lebih meningkatkan lagi penjualan produk biskuit Roma Kelapa dan juga penjualan es krim Magnum. Dari promo ini diharapkan pelanggan mau membeli produk tersebut dengan imbalan bonus yang diberikan saat membeli 3 pcs biskuit Roma Kelapa atau es krim Magnum. Karena promo ini memberikan potongan harga untuk penjualan 1 produknya. Misalkan harga biscuit adalah Rp 2,000 Rupiah, jika pelanggan membeli 4 tentunya harganya Rp 8,000. Namun karena adanya kupon hemat ini pelanggan akan hemat Rp2,000 Rupiah karena hanya membayar 3 pcs produk saja dengan 1 bonus tambahan.

(43)

(44)

BAB V

KESIMPULAN DAN REKOMENDASI

5.1 Kesimpulan

Dari hasil penelitian yang dilakukan meliputi pengolahan data dan analisa yang telah dilakukan didapatkan kesimpulan dalam poin poin berikut ini

1. Pada tempat penelitian yaitu retail store Alfamart Jalan Kaliurang Km 10 Sleman Yogyakarta, didapatkan hubungan asosiatif antar item sebagai berikut

a. Dept 2 dan dept 12, akan terbeli bersama dengan dept 1 dengan tingkat kepercayaan sebesar 58.3% dan didukung oleh 7% dari data keseluruhan b. Dept 2 dan dept 3, akan terbeli bersama dengan dept 1 dengan tingkat

kepercayaan sebesar 47.1% dan didukung oleh 8% dari data keseluruhan c. Dept 12, akan terbeli bersama dengan dept 1dengan tingkat kepercayaan

sebesar 45.5% dan didukung oleh 1% dari data keseluruhan

d. Dept 17, akan terbeli bersama dengan dept 1dengan tingkat kepercayaan sebesar 42.9% dan didukung oleh 9% dari data keseluruhan

e. Dept 3, akan terbeli bersama dengan dept 1 dengan tingkat kepercayaan sebesar 40.7% dan didukung oleh 11% dari data keseluruhan

f. Dept 1, akan terbeli bersama dengan dept 3 dengan tingkat kepercayaan sebesar 42.3% dan didukung oleh 11% dari data keseluruhan

g. Dept 2 dan dept 1, akan terbeli bersama dengan dept 3 dengan tingkat kepercayaan sebesar 42.1% dan didukung oleh 8% dari data keseluruhan h. Dept 1, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan

sebesar 73.1% dan didukung oleh 19% dari data keseluruhan

i. Dept 3 dan dept 1, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 72.7% dan didukung oleh 8% dari data keseluruhan j. Dept 15, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan

(45)

k. Dept 1 dan dept 12, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 70% dan didukung oleh 7% dari data keseluruhan

l. Dept 3, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 63% dan didukung oleh 17% dari data keseluruhan

m. Dept 12, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 54.5% dan didukung oleh 12% dari data keseluruhan. Dikarenakan lift ratio 0.992 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule dinyatakan valid jika >= 1.

n. Dept 17, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 52.4% dan didukung oleh 11% dari data keseluruhan. Dikarenakan lift ratio 0.952 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule dinyatakan valid jika >= 1.

o. Dept 6, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 48% dan didukung oleh 12% dari data keseluruhan. Dikarenakan lift ratio 0.873 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule dinyatakan valid jika >= 1.

p. Dept 5, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar 46.7% dan didukung oleh 7% dari data keseluruhan. Dikarenakan lift ratio 0.848 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule dinyatakan valid jika >= 1.

(46)

5.2 Rekomendasi

Dari penelitian yang telah dilakukan, kami masih merasa banyak kekurangan yang perlu diperbaiki dan dikaji lagi sehingga banyak saran saran dan rekomendasi yang ingin kami berikan untuk penelitian selanjutnya ataupun pihak lokasi terkait dalam poin poin berikut

1. Untuk penelitian selanjutnya, kami berharap peneliti mampu mengumpulkan data lebih banyak dan lebih kompleks lagi sehingga persoalan lain yang ada pada retail store dapatdiketahui dan dapat diberikan solusi pemecahannya. Dari segi analisis juga kami mengharapkan agar penelitian berikutnya mampu memberikan analisis yang lebih tajam lagi dan lebih baik lagi dari kami sehingga mampu memberikan output solusi yang lebih baik terhadap permasalahan yang ada pada retail store. Seperti usulan pembuatan kupon belanja yang lebih inovatif lagi yang dapat meningkatkan seluruh produk yang jarang terbeli.

(47)

REFERENSI

Margaret HD. 2003 Data Mining Introductory and Advanced Topics. Prentice Hall.

Kusrini, Emha T. L. 2009. Algoritma Data Mining. Yogyakarta: Andi Ofsett.

Han Jiawei, and M. Kamber. 2006. Data Mining: Concepts and Techniques, Morgan Kaufmann. Prentice Hall.

www.alfamartku.com diakses pada 20 Juni 2015