Market Basket Analysis Menggunakan Algoritma Eclat (Kasus Data Transaksi Penjualan Groceries)

Abstract

Abstract. Data mining is the mining or discovery of new information by looking for certain patterns or rules from a very large amount of data, its use has also been widely applied in various fields. One of the data mining techniques is Market Basket Analysis which is used to find associations between different sets of products that customers put in a basket. This thesis will discuss Market Basketball Analysis using the Equivalence Class Transformation (Eclat) algorithm on the sales transaction data of groceries to find associations among products that are often purchased simultaneously measured through a support value that shows how much opportunity the product purchase transactions contain itemsets is. purchased simultaneously, confidence value is a measure that shows the relationship between 2 items in a conditional manner (for example, counting likely how often item B is purchased by the customer if the customer buys an item A). Of 9,835 product sales transactions consisting of 169 types of products. The result, with Eclat algorithm obtained 59 frequent 1-Itemsets, 61 frequent 2-Itemsets and 2 Frequent 3-Itemsets, where the largest support value for 2-Itemsets was 0.0748 in other vegetables and whole milk products, which of the product confidence values first to be offered to consumers is that other vegetables after that are whole milk products. Whereas for the biggest support value for 3-Itemsets is 0.0232 on root vegetables, other vegetables and whole milk products, where from the confidence value of the product that must be offered first to consumers are other vegetables and whole milk, then the root vegetables.

Keywords: Market Basket Analysis, Data Mining, Eclat, Support, Confidence.

Abstrak. Data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar, pemanfaatannya pun sudah banyak diterapkan dalam berbagai bidang. Salah satu teknik data pada data mining yaitu Market Basket Analysis yang digunakan untuk menemukan asosiasi diantara himpunan produk yang berbeda yang diletakkan pelanggan dalam keranjang. Skripsi ini akan membahas Market Basket Analysis menggunakan algoritma Equivalence Class Transformation (Eclat) pada data transaksi penjualan groceries untuk menemukan asosiasi diantara produk-produk yang sering dibeli secara bersamaan diukur melalui nilai support yaitu ukuran yang menunjukkan seberapa besar peluang banyaknya transaksi pembelian produk yang memuat itemsets yang dibeli secara bersamaan, nilai confidence yaitu suatu ukuran yang menunjukkan hubungan antara 2 item secara conditional (misal, menghitung kemungkinan seberapa sering item B dibeli oleh pelanggan jika pelanggan tersebut membeli sebuah item A). Dari 9.835 transaksi penjualan produk yang terdiri dari 169 jenis produk. Hasilnya, dengan algoritma Eclat didapatkan 59 frequent 1-Itemsets, 61 frequent 2-Itemsets dan 2 Frequent 3-Itemsets, dimana nilai support terbesar untuk 2-Itemsets adalah 0,0748 pada produk other vegetables dan whole milk, dimana dari nilai confidence produk yang harus disodorkan terlebih dahulu kepada konsumen adalah other vegetables setelah itu barulah produk whole milk. Sedangkan untuk nilai support terbesar untuk 3-Itemsets adalah 0,0232 pada produk root vegetables, other vegetables dan whole milk, dimana dari nilai confidence produk yang harus disodorkan terlebih dahulu kepada konsumen adalah other vegetables dan whole milk, setelah itu barulah produk root vegetables.

Kata Kunci: Market Basket Analysis, Data Mining, Eclat, Support, Confidence