-Market Basket Analysis –
Persaingan dalam dunia bisnis tidak bisa dipungkiri semakin lama kian ketat. Perusahaan berlomba-lomba untuk menghasilkan produk inovatif, bahkan tak jarang memiliki produk yang mirip atau bahkan sama dengan pihak kompetitor. Adanya perkembangan tren “Amati Tiru Modifikasi” menjadikan banyak orang berlomba-lomba mengikuti sesuatu yang sedang viral, sehingga diikuti oleh banyak orang.
Sebagai upaya untuk meningkatkan keunggulan perusahaan dalam menarik minat konsumen, tidak hanya memperhatikan tingkat kepuasan konsumen, namun perusahaan juga perlu melakukan analisis untuk melihat pola tingkah laku konsumen dalam membeli barang. Pola buying habit konsumen dalam hal ini dapat diketahui menggunakan analisis statistik yaitu Market Basket Analysis.
Market Basket Analysis
Definisi
Market Basket Analysis adalah suatu proses analisasi buying habit konsumen dengan menemukan asosiasi antar intem yang berbeda, yang konsumen tempatkan pada keranjang belanjaan mereka (shopping basket) dan dibeli pada suatu transaksi tertentu.
Tujuan
Tujuan dari Market Basket Analysis yaitu membantu perusahaan dalam mengembangkan strategi pemasaran dengan mengetahui produk-produk mana saja yang seringkali dibeli secara bersamaan oleh konsumen. Misalnya, jika konsumen membeli mie instan, terdapat kemungkinan konsumen juga membeli telur, sosis atau kornet dalam satu transaksi.
Informasi tentang customer buying habit dapat memberikan insight bagi perusahaan dalam mengembangkan strategi pemasaran seperti:
- Perusahaan menyiapkan persediaan barang-barang yang cenderung dibeli bersamaan.
- Perusahaan dapat merencanakan tata letak toko dengan untuk menempatkan barang-barang yang sering terjual bersama di area yang sama
- Perusahaan membatasi diskon khusus hanya pada satu dari sekian item yang cenderung dibeli bersamaan.
- Perusahaan menawarkan kupon untuk barang yang sesuai ketika salah satunya dijual sendiri.
Association Rules Mining
Association Rules Mining adalah aturan prosedur yang digunakan dalam mencari hubungan antar item dalam suatu dataset. Terdapat 2 tahap dalam Association Rules Mining yaitu:
- Mengidentifikasi kombinasi yang paling sering terjadi pada suatu itemset
- Mendefinisikan condition dan result ( untuk conditional association rules).
Association Rules Mining memiliki beberapa ukuran kepercayaan (interestingness measure) yang didapatkan dari pengolahan data dengan perhitungan tertentu yaitu sebagai berikut:
A. Support
Support adalah ukuran yang menunjukkan seberapa sering itemset muncul atau seberapa besar tingkat dominasi itemset dari keseluruhan transaksi. Perhitungan nilai Support dari item dilakukan berdasarkan banyak jenis barang.
– Nilai Support dari sebuah item atau satu jenis barang
– Nilai Support dari dua item atau dua jenis barang
B. Confidence
Confidence adalah ukuran yang memperlihatkan hubungan antara beberapa item secara kondisional serta digunakan untuk menunjukkan seberapa sering aturan itu terbukti benar. Contoh: Seberapa sering item B dibeli jika orang membeli item A, nilai confidence nya dapat dihitung menggunakan rumus sebagai berikut.
C. Lift Ratio
Lift Ratio adalah suatu ukuran rasio yang digunakan untuk melihat seberapa kuat atau tidaknya aturan asosiasi
dimana untuk nilai Expected Confidence didapatkan dengan rumus sebagai berikut
Apabila Lift Ratio bernilai lebih besar dari 1 menunjukkan bahwa suatu aturan asosiasi benar dan memiliki hubungan atau signifikan. Semakin tinggi nilai suatu lift ratio, maka aturan asosiasi tersebut semakin kuat asosiasinya.
Algoritma Apriori
Algoritma yang paling umum digunakan pada Market Basket Analysis adalah algoritma Apriori. Algoritma Apriori didasarkan pada frequent itemsets yang diketahui sebelumnya.
Kelebihan dari algoritma Apriori yaitu : Cukup efisien dikarenakan adanya pemangkasan pada kandidat k itemset dengan subset yang berisi k-1 item yang tidak memenuhi minimum support.
Minimum support adalah parameter yang digunakan sebagai batasan frekuensi kejadian atau support count yang harus dipenuhi suatu kelompok data untuk dapat dijadikan aturan asosiasi.
Selain itu terdapat aspek lain yang perlu diperhatikan yaitu minimum confidence. Minimum confidence adalah parameter yang mendefinisikan minimum level dari confidence yang harus dipenuhi oleh aturan yang berkualitas.
Minimum support dan minimum confidence biasanya ditentukan sendiri oleh peneliti. Semakin tinggi minimum support dan minimum confidence yang ditentukan, maka semakin sedikit rules yang dihasilkan karena banyak yang terseleksi.
Jika support ≥ minimum support dan confidence ≥ minimum confidence, maka rule tersebut bisa dikatakan sebagai interesting rule.
Tahapan Market Basket Analysis
Tahapan-tahapan yang perlu dilakukan adalah sebagai berikut:
- Melakukan pre-processing data.
- Menentukan minimum support dan minimum confidence.
- Melakukan pencarian frequent itemset.
- Menghitung nilai confidence pada frequent itemset yang ditemukan
- Menentukan association rules untuk pola pembelian barang.
- Interpretasi hasil Market Basket Analysis.
Referensi
Sekian penjelasan terkait Market Basket Analysis. Apabila masih terdapat hal-hal yang dibingungkan bisa langsung saja ramaikan kolom komentar atau hubungi admin melalui tombol bantuan di kanan bawah. Stay tuned di website https://exsight.id/blog/ agar tidak ketinggalan artikel-artikel menarik lainnya.
Pingback: Market Basket Analysis (Tutorial Python) #2 - Exsight