Sequential Pattern Mining Data Transaksi Penjualan Supermarket menggunakan Algoritme Generalized Sequential Pattern

Abstract

Data transaksi penjualan supermarket online merupakan sequence dataset. Data ini menyimpan data transaksi pembelian yang dilakukan oleh pelanggan, sehingga dapat dianalisis menggunakan pendekatan Market Basket Analysis (MBA). Masalah yang sering dialami oleh pihak supermarket adalah sulitnya menerapkan strategi penjualan yang akurat kepada para konsumen. Berdasarkan masalah tersebut, pada penelitian ini akan dilakukan analisis terhadap dataset supermarket West Superstore berdasarkan pendekatan MBA. Algoritme yang digunakan adalah algoritme Generalized Sequential Pattern (GSP), di mana algoritme ini dapat membangkitkan frequent item dan sequence pattern, sehingga aturan yang dihasilkan dapat lebih akurat. Algoritme GSP pada penelitian ini diimplementasikan dalam bahasa pemrograman Python. Hasil pengujian menunjukkan bahwa keluaran dari Python sudah sesuai dengan keluaran dari perhitungan algoritme GSP. Waktu komputasi yang diperlukan untuk pembangkitan aturan pada algoritme GSP juga bergantung pada jumlah record yang ada. Semakin banyak jumlah transaksi penjualan yang akan dianalisis, maka waktu komputasinya juga semakin lama. Analisis yang dilakukan pada dataset penjualan di West Superstore menghasilkan 391 aturan, di mana aturan tersebut dapat dimanfaatkan oleh pihak supermarket untuk penerapan strategi penjualan.