PENERAPAN ALGORITMA APRIORI UNTUK REKOMENDASI PRODUK SPARE PART MOBIL (Studi Kasus: PT Milenia Mega Mandiri)

Dalam hal memberikan pelayanan terbaik kepada para pelanggan, bisnis spare part mobil ini harus menggunakan strategi bisnis yang terbaik pula, namun terkadang terdapat beberapa faktor yang menjadikan hambatan atau kendala dalam menentukan strategi. Salah satu faktor penyebabnya adalah sulitnya menghasilkan analisa terkait dengan data penjualan pelanggan yang sudah ada. Adanya data-data pelanggan yang tersimpan dalam database tersebut, maka perusahaan dapat mengidentifikasi bahwa sistem penjualan saat ini kurang efisien. Kemudian apabila produk banyak yang tidak terjual, maka keterlambatan dalam pengembalian modal bagi penjual juga akan menjadi masalah. Dalam mengatasi hambatan ini, perusahaan perlu mengadopsi strategi promosi penjualan dan menganalisis pola penjualan spare part untuk menentukan pola penjualan dan memberikan gambaran keterkaitan antar barang dengan menganalisis data transaksi penjualan. Metode yang akan digunakan dalam menganalisis pola penjualan pada penelitian ini adalah dengan menggunakan market basket analysis. Market Basket Analysis merupakan metode menganalisis kebiasaan konsumen dengan menemukan hubungan antara faktor yang berbeda, yang dimasukkan ke dalam keranjang belanja oleh konsumen yang dibeli dalam satu transaksi tertentu. Metode ini dihitung menggunakan Algoritma Apriori dengan menggunakan bantuan Google Colab dengan menentukan nilai minimum support sebesar 8% dan minimum confidence sebesar 60%. Perhitungan dalam google colab akan menghasilkan kumpulan item yang sering dibeli dengan kombinasi 1 itemset sampai dengan 5 itemset yang dibeli secara bersamaan. Hasil assosiation rule tersebut dapat dijadikan rekomendasi dalam pengambil keputusan untuk meningkatkan pemasaran dan promosi produk sparepart mobil bagi PT Milenia Mega Mandiri yang lebih baik.