Implementasi Mining Pada Penjualan Produk Di Humblezing Company Menggunakan Metode Associantion Rule

Humblezing Company merupakan salah satu industri kreatif yang bergerak di bidang fashion brand. Humblezing Company berdiri sejak tahun 2010 dan telah banyak memasarkan produk dengan berbagai macam design. Saat ini proses pemilihan produk untuk promosi masih dilakukan secara acak serta berdasarkan produk yang penjualannya tinggi saja, ini kerap kali berdampak pada target yang diinginkan tidak sesuai dengan yang diharapkan karena tidak semua produk yang dipromosikan diminati oleh konsumen, ini diakibatkan oleh kesalahan dalam pemilihan kombinasi produk. Dalam keilmuan data mining terdapat suatu metode yang dinamakan association rule atau biasa disebut juga market basket analysis yang bertujuan untuk menunjukan nilai asosiatif antar produk yang dibeli oleh konsumen sehingga terlihatlah sebuah pola berupa produk apa saja yang sering dibeli secara bersamaan. Dengan menggunakan pendekatan algoritma FP-Growth proses analsis hanya memerlukan scan database sebanyak dua kali untuk mendapatkan frequent itemset. Dari hasil pengujian 150 data transaksi dengan minimum support sebesar 2 dan minimum confidence sebesar 60%, didapat hasil rekomendasi kombinasi produk Lut dark Gray dan Oahu Red, kombinasi Firudo Green dan Glaston Denim, kombinasi Lut Green Herringbone dan Finca Gray, kombinasi Lut Cream Canvas dan Lut Brown Canvas serta kombinasi Lut Brown Canvas dan Lut Cream Canvas.

Berdasarkan hasil implementasi dan pengujian yang dilakukan maka dapat disimpulkan bahwa aplikasi data mining yang dibangun dapat membantu pihak perusahaan mengetahui pola pembelian produk yang dibeli secara bersamaan serta memberikan informasi dalam penentuan pemilihan kombinasi produk sebagai bahan promosi.

Kata kunci : Data Mining, Association Rule, FP-Growth, Frequent Itemset

Humblezing Company is one of the creative industries engaged in the fashion brand. Humblezing Company was founded in 2010 and has been widely marketed products with various designs. Currently the selection process for promotional products is done randomly and by products whose sales are high, this often affects the desired target is not as expected because not all products are promoted in demand by consumers, is caused by an error in the selection of a combination product. In the data mining there is a method called association rule or commonly referred to as market basket analysis that aims to show the associative value between the products purchased by consumers so have been seen a pattern of what products are often purchased together. By using the FP-Growth algorithm approach the analysis process with only two times to obtain frequent itemset. From the test results 150 transaction data with minimum support is 2 and a minimum confidence by 60%, the result is a combination product recommendations Lut Dark Gray and Oahu Red, a combination Firudo Green and Glaston Denim, a combination of Lut Green Herringbone and Finca Gray, Lut Cream Canvas and Lut Brown Canvas and a combinations Lut Brown Canvas and Lut Cream Canvas. Based on the results of implementation and testing conducted it can be concluded that data mining applications built to help the company determine the pattern of purchasing products purchased simultaneously and provide information in determining the selection of a combination product as promotional material.