Implementasi Market Basket Analysis Dengan Algoritma Fp-Growth Untuk Strategi Penataan Produk, Serta Regresi Linear Untuk Analisis Pola Waktu Dan Pembayaran Pada E-Commerce Shopee Rumahbayitaz
Abstract
Penelitian ini bertujuan mengoptimalkan strategi penjualan Toko Shopee Rumahbayitaz melalui analisis data transaksi historis yang diperoleh dari periode tahun 2023–2024. Dua pendekatan digunakan secara berdampingan, yaitu algoritma FP-Growth dan regresi linear. FP-Growth diterapkan untuk menemukan pola keterkaitan antarproduk yang dapat dimanfaatkan sebagai dasar strategi penempatan produk, dengan minimum support absolut ≥ 3 transaksi. Aturan asosiasi yang dihasilkan menunjukkan nilai confidence ≥ 40% dan lift yang tinggi sehingga dapat diandalkan dalam perumusan strategi pemasaran yang lebih tepat sasaran. Sementara itu, regresi linear digunakan untuk menganalisis pengaruh variabel waktu transaksi serta metode pembayaran terhadap jumlah produk yang dibeli oleh konsumen. Hasil analisis regresi menunjukkan bahwa kedua variabel tersebut tidak memiliki pengaruh yang signifikan, namun tetap mampu memberikan gambaran perilaku konsumen secara umum dan mendalam. Seluruh temuan penelitian kemudian diimplementasikan dalam aplikasi interaktif berbasis Streamlit yang dirancang untuk mempermudah pengambilan keputusan toko. Pendekatan terintegrasi ini diharapkan mampu membantu UMKM meningkatkan penjualan, efisiensi strategi pemasaran, serta daya saing bisnis secara berkelanjutan.
Kata kunci – FP-Growth, Regresi Linear, Market Basket Analysis, Penempatan Produk, Shopee, UMKM
References
P. Goyal and M. Pandey, “Comparative analysis of Apriori and FP-Growth algorithms for frequent itemsets mining,” International Journal of Computer Science and Information Technologies, vol. 11, no. 3, pp. 45–52, 2020. http://www.ijcsit.com/docs/Volume%2011/vol11issue03/ijcsit2020110308.pdf
J. Han, J. Pei, and Y. Yin, “Mining frequent patterns without candidate generation,” Data Mining and Knowledge Discovery, vol. 8, no. 1, pp. 53–87, 2000. https://doi.org/10.1023/A:1009748302351
S. Kraus and S. Feuerriegel, “Predictive analytics for retailing: Integrating market basket analysis and regression models,” Journal of Business Research, vol. 101, pp. 310–320, 2019. https://doi.org/10.1016/j.jbusres.2019.02.030
L. Lin and Y. Lee, “Comparative study of Apriori and FP-Growth algorithms in market basket analysis,” in Proceedings of the International Conference on Data Mining, vol. 3, no. 2, pp. 45–50, 2010.
M. Miftahuljannah, R. Hidayat, and M. Azmi, “Penerapan data mining untuk memprediksi target produksi berdasarkan tingkat penjualan,” JINTEKS (Jurnal Informatika Teknologi dan Sains), vol. 5, no. 3, pp. 398–403, 2023. https://journal.unsika.ac.id/index.php/jinteks/article/view/7989
D. C. Montgomery, E. A. Peck, and G. G. Vining, Introduction to Linear Regression Analysis, 5th ed. Wiley, 2012. https://www.wiley.com/en-us/Introduction+to+Linear+Regression+Analysis%2C+5th+Edition-p-9780470542811.
M. Rahman and M. M. Rahman, “Enhancing predictive analytics through FP-Growth and regression model integration,” Journal of Retail Analytics, vol. 15, no. 4, pp. 310–320, 2019.
S. G. Setyorini, E. K. Sari, L. R. Elita, and S. A. Putri, “Analisis keranjang pasar menggunakan algoritma K-Means dan FP-Growth pada PT. Citra Mustika Pandawa,” Malcom: Indonesian Journal of Machine Learning and Computer Science, vol. 1, no. 1, pp. 41–46, 2021. https://ejournal.malcom.id/index.php/IJMLCS/article/view/16
P. Sharma and D. Verma, “Exploring the relationship between regression models and external sales factors in e-commerce,” International Journal of E-Commerce Studies, vol. 9, no. 1, pp. 112–120, 2022.
