Integrasi Algoritma FP-Growth dan K-Means untuk Analisis Keranjang Belanja dan Segmentasi Pelanggan pada Data Transaksi Ritel

Penulis

  • Shafa Salsabila Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro
  • Ika Novita Dewi Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro https://orcid.org/0009-0001-5551-379X

DOI:

https://doi.org/10.25077/TEKNOSI.v11i2.2025.128-135

Kata Kunci:

Transaksi Retail, FP-Growth, K-Means, Segmentasi Pelanggan, Keranjang Belanja

Abstrak

Seiring meningkatnya volume transaksi dalam industri ritel, kebutuhan untuk memahami perilaku konsumen secara mendalam menjadi semakin krusial. Penelitian ini bertujuan untuk menerapkan analisis keranjang belanja dan segmentasi pelanggan guna mengidentifikasi pola pembelian produk sekaligus memahami karakteristik pelanggan berdasarkan perilaku transaksional. Dataset yang digunakan adalah Retail Transaction Dataset dari Kaggle, berisi satu juta transaksi ritel tahun 2020 hingga 2024. Dataset diproses melalui tahapan pembersihan, transformasi format data, dan seleksi transaksi yang memenuhi kriteria minimal pembelian 2 produk per transaksi. Analisis dilakukan dengan algoritma FP-Growth dan K-Means. Hasil analisis FP-Growth menunjukkan adanya 16 aturan asosiasi dengan nilai support tertinggi sebesar 0.31%, confidence 7.35%, dan lift 0.89, dengan produk Toothpaste menjadi produk yang paling sering diasosiasikan. Segmentasi pelanggan dilakukan menggunakan algoritma K-Means dengan atribut demografis pelanggan, yaitu Payment Method, Customer Category, Promotion, Season, Discount Applied, dan Store Type. Jumlah klaster optimal ditentukan menggunakan Metode Elbow dan Davies-Bouldin Index (DBI). Hasil menunjukkan k = 3 sebagai jumlah klaster terbaik dengan nilai DBI sebesar 2.4724, yang menandakan pemisahan klaster cukup baik.  Berdasarkan hasil segmentasi K-Means, diperoleh tiga klaster pelanggan dengan karakteristik berbeda, yaitu retiree, teenager, dan profesional. Pengelompokan klaster ini mencerminkan kecenderungan kategori dominan yang muncul pada atribut Customer Category. Integrasi kedua metode ini menghasilkan rekomendasi strategi pemasaran berbasis segmen yang lebih personal, seperti bundling sederhana untuk pelanggan retiree, promosi visual dan hadiah menarik untuk pelanggan teenager, dan sistem poin loyalitas untuk pelanggan profesional. Temuan ini diharapkan membantu pelaku industri ritel memahami perilaku pelanggan secara lebih mendalam dan menyusun strategi pemasaran yang lebih tepat sasaran

Referensi

Havid, “Ritel Modern Mengancam Keberadaan Toko Kelontong,” Deras.id. Internet: https://deras.id/ritel-modern-mengancam-keberadaan-toko-kelontong/, Mei. 10, 2023 [Juli. 2, 2025].

D. P. Pameling, G. Sari, N. Faradea, dan J. H. K, “Pengaruh pasar modern terhadap pasar tradisional di era digital,” Jurnal Review Pendidikan dan Pengajaran, vol. 7, 2024.

D. K. Chauhan, “Association Rule Mining for Market Basket Analysis on Online Retail Store,” International Journal of Mechanical Engineering, 2023, doi: 10.56452/6-3-671.

Suherman, A. D. Arsita, dan I. Afriantoro, “Analisis Pola Penjualan di Toko Retail Menggunakan Algoritma Apriori dengan Rapid Minner,” Jurnal Teknologi Informatika dan Komputer, vol. 10, no. 2, hlm. 734–753, Des 2024, doi: 10.37012/jtik.v10i2.2407.

M. Aldyan Ruansyah, M. Zaky Hadi, M. Iqbal, J. Juniwati, dan L. Aulia, “Designing an analytics dashboard for knowledge extraction in the retail industry using descriptive and predictive analytics,” Journal Industrial Servicess is, vol. 10, no. 2, 2024, doi: 10.62870/jiss.v10i2.27900.

V. E. Putri dan H. D. Purnomo, “Integrasi algoritma apriori dan k-means dalam analisis pola pembelian untuk meningkatkan strategi pemasaran,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 10, no. 1, hlm. 409–423, Jan 2025, doi: 10.29100/jipi.v10i1.5768.

A. Shinta dan K. Y. S. Putri, “Manajemen krisis public relations PT Hero supermarket pada penutupan gerai Giant Indonesia,” Jurnal Ilmu Komunikasi, 2022, [Daring]. Tersedia pada: http://jurnal.utu.ac.id/jsource

A. U. Khasanah dan M. R. Q. Baihaqie, “Analysis of consumer characteristics on retail business with clustering analysis method and association rule for selling improvement strategy recommendations,” OPSI, vol. 17, no. 1, hlm. 249, Jun 2024, doi: 10.31315/opsi.v17i1.11411.

A. Wijaya, A. Faqih, D. Solihudin, C. L. Rohmat, dan S. E. Permana, “Penerapan association rules menggunakan algoritma apriori untuk identifikasi pola pembelian,” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 6, 2023.

F. Achmad, O. Nurdiawan, dan Y. A. Wijaya, “Analisa pola transaksi pembelian konsumen pada toko ritel kesehatan menggunakan algoritma FP-Growth,” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 1, 2023, [Daring]. Tersedia pada: www.researchgate.net

M. Fathur Rezki Junaedi dan U. Hayati, “Analisis pola transaksi pembelian makanan dan minuman menggunakan algoritma FP-Growth,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 1, 2024.

F. N. Hasan dan R. Ariyansah, “Utilization of the FP-Growth Algorithm on MSME Transaction Data:Recommendations for Small Gifts from The Padang Region,” Jurnal Teknik Informatika, vol. 17, no. 1, hlm. 70–78, Mei 2024, doi: 10.15408/jti.v17i1.37966.

S. L. Achmad, A. Fauzi, R. Rahmat, dan J. Indra, “Segmentasi pelanggan menggunakan k-means clustering di toko retail,” Jurnal Teknik Informasi dan Komputer (Tekinkom), vol. 7, no. 2, hlm. 736, Des 2024, doi: 10.37600/tekinkom.v7i2.1226.

E. Prayitno, I. Jaka Perdana, E. Iskandar, B. H. Winarno, dan A. A. Subagyo, “Optimalisasi profitabilitas ritel melalui segmentasi pelanggan dengan k-means clustering,” Jurnal Informasi Interaktif, vol. 9, no. 3, 2024.

Zahrudin, A. Irma Purnamasari, dan I. Ali, “Analisis tren penjualan fashion import menggunakan algoritma fp-growth pada toko Air Gaul,” Jurnal Kecerdasan Buatan dan Teknologi Informasi, vol. 3, no. 2, hlm. 75–84, 2024.

R. Dio dkk., “Analisis Data Mining Pembelian dengan Association Rule Market Basket Analysis menggunakan algoritma FP-Growth,” Universitas Syiah Kuala Jl. Teuku Nyak Arief, vol. XVII, no. 2, 2311.

E. Febrianty, L. Awalina, dan W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail Optimizing Marketing Strategies with Customer Segmentation Using K-Means Clustering on Online Retail Transactions,” Jurnal Teknologi dan Informasi (JATI), vol. 13, 2023, doi: 10.34010/jati.v13i2.

D. Putri, A. Asih, B. Irawan, dan A. Bahtiar, “Pengelompokan data transaksi dalam menentukan strategi penjualan menggunakan algoritma k-means,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 1, 2024.

T. A. Pertiwi, M. Afdal, R. Novita, dan M. Mustakim, “Penerapan Algoritma K-Medoids dan FP-Growth dengan Model RFM untuk Kombinasi Produk,” Building of Informatics, Technology and Science (BITS), vol. 6, no. 2, hlm. 721–732, Sep 2024, doi: 10.47065/bits.v6i2.5268.

Prasad Patil, “Retail Transactions Dataset,” Kaggle. Diakses: 10 Juli 2025. [Daring]. Tersedia pada: https://www.kaggle.com/datasets/prasad22/retail-transactions-dataset/data

A. Agung, A. Daniswara, I. Kadek, dan D. Nuryana, “Data Preprocessing Pola Pada Penilaian Mahasiswa Program Profesi Guru,” Journal of Informatics and Computer Science, vol. 05, 2023.

F. Dwi Insani, Kusrini, dan H. Al Fatta, “Perbandingan algoritma apriori dan fp-growth untuk rekomendasi item paket pada konten promosi di perusahaan Mu-Mart,” Jurnal Bisnis Digital dan Sistem Informasi, vol. 4, no. 2, hlm. 19–24, 2023.

I. Juwita dan I. Ali, “Penerapan pola penjualan dengan menggunakan metode algoritma asosiasi fp-growth bertujuan untuk meningkatkan penjualan kopi di Point Coffee,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 2, hlm. 1600, 2024.

F. A. W. T. S. Wijaya, E. Prasetyo, dan R. F. Tias, “Dynamic Time Warping Pada Metode K-Means Untuk Pengelompokan Data Trend Penjualan Produk,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 10, no. 2, hlm. 100–109, Agu 2024, doi: 10.25077/teknosi.v10i2.2024.100-109.

I. Zuhdiansyah dan A. Luthfiarta, “Sistem Rekomendasi Pembelian Smartphone berbasis Algoritma K-Means dan Singular Value Decomposition,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 10, no. 1, hlm. 45–53, Mei 2024, doi: 10.25077/teknosi.v10i1.2024.45-53.

Unduhan

Telah diserahkan

14-07-2025

Diterima

31-08-2025

Diterbitkan

01-09-2025

Cara Mengutip

[1]
S. Salsabila dan I. Novita Dewi, “Integrasi Algoritma FP-Growth dan K-Means untuk Analisis Keranjang Belanja dan Segmentasi Pelanggan pada Data Transaksi Ritel”, TEKNOSI, vol. 11, no. 2, hlm. 128–135, Sep 2025.

Terbitan

Bagian

Articles

Artikel Serupa

1 2 3 4 5 > >> 

Anda juga bisa Mulai pencarian similarity tingkat lanjut untuk artikel ini.