PENERAPAN DATA MINING UNTUK ANALISIS POLA PENJUALAN PADA PRODUK SNACK MAKARONIMU MENGGUNAKAN ALGORITMA APRIORI DAN K-MEANS

Rozi, Mohamad Fathur (2026) PENERAPAN DATA MINING UNTUK ANALISIS POLA PENJUALAN PADA PRODUK SNACK MAKARONIMU MENGGUNAKAN ALGORITMA APRIORI DAN K-MEANS. Undergraduate thesis, Universitas Nusantara PGRI-Kediri.

	Text (Full text) RAMA_55201_2213020030.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text (Similarity) RAMA_55201_2213020030_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (2MB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2213020030_0704108701_0706118101_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (711kB)
	Text (BAB 2) RAMA_55201_2213020030_0704108701_0706118101_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (334kB) | Request a copy
	Text (BAB 3) RAMA_55201_2213020030_0704108701_0706118101_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (770kB) | Request a copy
	Text (BAB 4) RAMA_55201_2213020030_0704108701_0706118101_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (509kB) | Request a copy
	Text (BAB 5) RAMA_55201_2213020030_0704108701_0706118101_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (153kB) | Request a copy
	Text (References) RAMA_55201_2213020030_0704108701_0706118101_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (147kB)
	Text (Lampiran) RAMA_55201_2213020030_0704108701_0706118101_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Data transaksi penjualan pada Makaronimu, sebuah usaha mikro, kecil, dan menengah (UMKM) penjual aneka makanan ringan di Kabupaten Madiun, selama ini hanya disimpan sebagai catatan tanpa dianalisis lebih lanjut, sehingga penentuan strategi bundling produk masih mengandalkan perkiraan pemilik usaha. Penelitian ini bertujuan menganalisis pola pembelian pelanggan serta menghasilkan rekomendasi paket bundling produk melalui integrasi algoritma Apriori dan K-Means dalam kerangka kerja Knowledge Discovery in Databases (KDD). Algoritma Apriori digunakan untuk menemukan aturan asosiasi antarproduk, sedangkan algoritma K-Means digunakan untuk mengelompokkan produk berdasarkan pola penjualannya; hasil kedua algoritma tersebut kemudian digabungkan untuk merumuskan rekomendasi bundling. Penelitian menggunakan pendekatan development research dengan data transaksi penjualan Makaronimu periode Juni–Desember 2025 sebanyak 39.902 transaksi, diolah menggunakan bahasa pemrograman Python dengan pustaka Pandas, MLxtend, dan Scikit-Learn, serta diimplementasikan dalam aplikasi berbasis web menggunakan Flask. Dengan nilai minimum support 1% dan minimum confidence 5%, diperoleh 9 produk sebagai frequent item dan 20 aturan asosiasi, 6 di antaranya memiliki lift ratio lebih dari 1,0. Pasangan produk dengan keterkaitan tertinggi adalah Mie Crispy dan Sepiral dengan lift ratio sebesar 1,4796. Proses klasterisasi K-Means terhadap 9 produk menghasilkan 4 klaster dengan nilai silhouette score 0,5367 yang tergolong baik, dengan Pipa sebagai produk pada kategori Sangat Laris. Integrasi hasil kedua algoritma menghasilkan dua rekomendasi bundling berstatus recommended, yaitu paket Mie Crispy–Sepiral dan Sebring–Sepiral. Hasil penelitian menunjukkan bahwa pendekatan hibrid Apriori dan K-Means mampu memberikan dasar analitik yang objektif bagi Makaronimu dalam menentukan kombinasi produk untuk strategi penjualan, sehingga dapat menggantikan penentuan bundling yang selama ini bersifat intuitif.

Actions (login required)

View Item