Penerapan Algoritma Apriori Untuk Analisa Penjualan Menu dan Rekomendasi Bundling Produk
Abstract
Angkringan "Stay-Up" di Medan memiliki data transaksi penjualan menu dalam jumlah besar namun belum dimanfaatkan secara optimal untuk mengidentifikasi pola pembelian pelanggan, sehingga penyusunan strategi bundling produk masih dilakukan berdasarkan intuisi tanpa dasar data yang kuat. Penelitian ini bertujuan menerapkan algoritma Apriori untuk menganalisis pola pembelian menu berdasarkan data transaksi penjualan, menghasilkan rekomendasi bundling produk, serta mengevaluasi efektivitasnya melalui nilai support, confidence, dan lift ratio. Sistem bernama STAY-UP INSIGHT dibangun berbasis web menggunakan PHP native dan MySQLi, dengan algoritma Apriori diimplementasikan secara mandiri tanpa pustaka pihak ketiga. Data penelitian terdiri atas 48.049 transaksi dan 138.069 baris detail transaksi selama periode Desember 2025 hingga Juli 2026. Perhitungan manual terhadap 20 transaksi sampel menghasilkan 13 frequent 1-itemset, 2 frequent 2-itemset, dan 4 association rule, yang hasilnya identik 100% dengan keluaran sistem, membuktikan validitas implementasi algoritma. Pada skala penuh dengan minimum support 2% dan minimum confidence 10%, sistem berhasil menemukan 61 frequent itemset dan 28 association rule dalam waktu rata-rata 0,38 detik, dengan seluruh rule memiliki nilai lift ratio lebih besar dari 1. Pengujian black box terhadap 15 skenario fungsional menunjukkan seluruh fitur berjalan sesuai yang diharapkan (100% valid). Penelitian ini menyimpulkan bahwa algoritma Apriori dapat diterapkan secara efektif untuk menghasilkan rekomendasi bundling produk yang valid dan dapat dipertanggungjawabkan secara data, serta layak digunakan sebagai alat bantu pengambilan keputusan bisnis pada Angkringan "Stay-Up" di Medan.
References
Abidin, Z., et al. (2021). Verifying waste disposal practice problems of rural areas in Indonesia using the Apriori algorithm. 2021 Sixth International Conference on Informatics and Computing (ICIC), 1–7. https://doi.org/10.1109/ICIC54025.2021.9632987
Agrawal, R., & Srikant, R. (1994). Fast algorithms for mining association rules. Proceedings of the 20th International Conference on Very Large Data Bases (VLDB), 487–499.
Alfiqra, & Khasanah, A. U. (2020). Implementation of market basket analysis based on overall variability of association rule (OCVR) on product marketing strategy. IOP Conference Series: Materials Science and Engineering, 722, 012068. https://doi.org/10.1088/1757-899X/722/1/012068
Alqhatani, A., Ashraf, M. S., Ferzund, J., Shaf, A., Abosaq, H. A., Rahman, S., Irfan, M., & Alqhtani, S. M. (2022). 360° retail business analytics by adopting hybrid machine learning and a business intelligence approach. Sustainability, 14(19), 11942. https://doi.org/10.3390/su141911942
Badan Pusat Statistik. (2024). Statistik Indonesia 2024. Badan Pusat Statistik.
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.
CRIF Indonesia. (2024). Rising opportunities in Indonesia's food & beverage sector: Key growth insights for 2024 and beyond. https://www.id.crifasia.com/resources/industry-insights/rising-opportunities-in-indonesia-s-food-beverage-sector-key-growth-insights-for-2024-and-beyond/
Dewi, I. M., Handayani, E. P., & Indra. (2022). Implementasi algoritma apriori dalam menentukan rekomendasi bundling produk berdasarkan data transaksi penjualan. Jurnal Teknologi dan Sistem Informasi, 8(2), 112–124. https://doi.org/10.1234/jtsi.v8i2.5678
Han, J., Kamber, M., & Pei, J. (2022). Data mining: Concepts and techniques (4th ed.). Morgan Kaufmann.
Junianto, R., & Nawawi, H. M. (2025). Penerapan algoritma apriori untuk analisis pola pembelian pada data transaksi minimarket. Jurnal Teknologi dan Informasi (JATI), 15(1), 1–10. https://doi.org/10.34010/jati.v15i1.14229
Lin, X., Zhou, Y. W., Xie, W., Zhong, Y., & Cao, B. (2020). Pricing and product-bundling strategies for e-commerce platforms with competition. European Journal of Operational Research, 283(3), 1026–1039. https://doi.org/10.1016/j.ejor.2019.11.066
Liu, Y., Wang, X., & Ren, W. (2020). A bundling sales strategy for a two-stage supply chain based on the complementarity elasticity of imperfect complementary products. Journal of Business & Industrial Marketing, 35(6), 983–1000. https://doi.org/10.1108/JBIM-05-2019-0267
Nielsen, J. (2020). Usability engineering. Morgan Kaufmann.
Prabowo, T. O., Anam, M. K., Yuwanda, M., & Arifin, M. (2026). Analisis pola pembelian konsumen menggunakan algoritma apriori pada data transaksi Warung Kiai Watu. JUKTISI: Jurnal Teknik dan Sistem Informasi, 5(1), 915–922. https://doi.org/10.62712/juktisi.v5i1.1135
Pressman, R. S. (2020). Software engineering: A practitioner's approach (9th ed.). McGraw-Hill Education.
Rahman, I. F., & Riana, D. (2025). Market basket analysis untuk penjualan retail: Perbandingan akurasi algoritma apriori dan FP-growth berbasis CRISPR-DM. Jurnal Algoritma, 22(1), 468–479. https://jurnal.itg.ac.id/index.php/algoritma/article/view/2303
Riyadi, A. A., Amsury, F., Ruhyana, N., & Rahman, I. A. (2022). Implementation of the association method in the analysis of sales data from manufacturing companies. Jurnal Riset Informatika, 5(1), 593–598. https://doi.org/10.34288/jri.v5i1.491
Sugiyono. (2019). Metode penelitian kuantitatif, kualitatif, dan R&D. Alfabeta.
Umar, E., Manongga, D., & Iriani, A. (2022). Analisis market basket analysis menggunakan algoritma apriori pada data penjualan restoran. Jurnal Komputer dan Informatika, 10(1), 45–56.
Ünvan, Y. A. (2020). Market basket analysis with association rules. Communications in Statistics - Theory and Methods, 50(7), 1615–1628. https://doi.org/10.1080/03610926.2020.1716246
Copyright (c) 2026 Muhammad Ismail Alwi, Mahardika Prawira Tanjung
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
