REPUBLIKA.CO.ID, Oleh Lilyani Asri Utami
Bagi para pebisnis, meski memulai usaha dengan modal kecil, tentu berkeinginan untuk mengembangkan usahanya pada skala yang lebih besar. Dalam membangun usahanya itu, keuntungan yang besar dapat diraih dengan strategi marketing yang tepat sehingga meningkatkan penjualan usahanya. Lalu apa kaitannya penambangan data (data mining) dengan strategi marketing?
Volume data penjualan yang terus tumbuh pada suatu bisnis, seringkali tidak dimanfaatkan secara optimal oleh pebisnis. Peran data mining akan menghasilkan solusi bagi para pengambil keputusan dalam bisnis, guna meningkatkan bisnis yang dikelolanya.
Data penjualan dapat diamati untuk memastikan ketersediaan stok dan rekomendasi produk yang disukai oleh konsumen, agar strategi pemasaran lebih terarah dan tepat sasaran. Jika data tersebut diolah dan dimanfaatkan menjadi informasi yang berguna dengan mencari pola penjualan produk, maka data tersebut bisa menjadi potensi yang menguntungkan bagi perusahaan dalam meningkatkan penjualan dan arah pemasaran produknya.
Aturan asosiasi atau association rule, merupakan hal paling penting dalam data mining. Cara kerjanya, association rule akan mencari sekumpulan item yang sering muncul secara bersamaan, sehingga dapat diketahui produk apa saja yang sering dibeli secara bersamaan dan produk yang tidak akan dibeli.
Pada proses ini, sebelumnya ditentukan dulu dataset yang dipilih. Setelah memilih dataset, langkah selanjutnya menentukan nilai minimum support dan minimum confidence, yang akan digunakan dalam prosesnya. Nilai minimum support dan minimum confidence yang dimasukkan adalah range antara 0-100%. Sebagai contoh, dari support misalnya, dari keseluruhan transaksi yang ada, seberapa besar tingkat dominasi yang menunjukan bahwa produk A dan produk B dibeli bersamaan, sedangkan contoh dari confidence yaitu, seberapa sering produk B dibeli jika orang membeli produk A.
Algoritma Apriori banyak digunakan oleh peneliti untuk mencari pola hubungan antarsatu atau lebih item dalam suatu dataset pada data transaksi atau biasa disebut market basket. Algoritma ini melakukan ekstraksi informasi dari suatu database dan mencari frequent itemset serta candidate generation dalam pembentukan association rules, untuk mendapatkan nilai minimum support dan nilai minimum confidence.
Dengan adanya Algoritma Apriori, pemilik bisnis dapat mengetahui pola pembelian seorang konsumen. Studi tentang data mining menggunakan Algoritma Apriori telah banyak dilakukan oleh para peneliti di berbagai bidang untuk memberikan kontribusi berupa strategi marketing bagi para pengambil keputusan dalam menjalankan bisnis.
Dosen Universitas Nusa Mandiri (UNM) telah melakukan penelitian pada tahun 2019 bersama mahasiswa Universitas Nusa Mandiri (UNM) tentang analisis pola penjualan, pada sebuah apotek untuk mencari pola kecenderungan pembelian obat menggunakan data penjualan selama enam bulan dimulai dari bulan April 2018 sampai dengan September 2018 dengan metode Apriori.
Dari hasil analisis data ini, didapatkan informasi mengenai obat apa saja yang banyak dibeli dan yang sering dibeli secara bersamaan oleh konsumen. Analisis data menggunakan Algoritma Apriori dimulai dengan mencari dan mengelompokkan tiga nama obat yang paling laku terjual selama enam bulan. Kemudian hasilnya dilakukan representasi data transaksi dalam sebuah tabel, apabila telah diketahui nilai penjualan terbesar setiap bulannya, maka dilanjutkan dengan pembuatan format tabular untuk mempermudah proses analisis dengan Algoritma Apriori.
Selanjutnya, menganalisis pola frekuensi tinggi untuk mencari kombinasi item yang memenuhi syarat minimum dari nilai-nilai support dalam database yaitu 30%. Setelah semua pola frekuensi tinggi ditemukan, pencarian aturan asosiasi akan dilakukan dengan syarat minimum untuk confidence dengan menghitung confidence atau asosiatif A→ B dengan minimum confidence 90%.
Aturan asosiasi final diurutkan berdasarkan minimal support dan minimal confidence yang telah ditentukan. Berdasarkan aturan asosiasi, diketahui obat yang paling banyak terjual pada apotek ini yakni Cetirizine, Paracetamol dan Omeprazole. Dengan diketahuinya obat yang paling banyak terjual dan yang sering dibeli secara bersamaan, maka apotek ini dapat menggunakannya sebagai informasi dasar dalam mengembangkan strategi pemasaran dengan mengantisipasi kekosongan barang di kemudian hari.
Penelitian yang sama juga telah dilakukan oleh dosen Universitas Nusa Mandiri (UNM) pada tahun 2021, pada bidang yang lain yakni di bidang industri otomotif. Dan hasil yang diperoleh pada penelitian kedua ini diketahui pembelian motor yakni cenderung meningkat tiap tahunnya. Seiring perkembangan zaman dan juga daya beli masyarakat terhadap sepeda motor semakin meningkat, karena saat ini proses pembelian sepeda motor semakin mudah.
Saat ini banyak merek dari produk sepeda motor yang ditawarkan seperti, Honda, Yamaha, Suzuki dan lain-lain. Penjualan sepeda motor sudah meluas ke berbagai tempat, khususnya wilayah Jabodetabek. Banyak diler resmi yang menjadi cabang pembantu.
Data penjualan pada diler tempat penelitian ini telah menghasilkan volume penjualan yang cukup besar. Namun pada kenyataannya, perusahaan ini belum memanfaatkan secara optimal, terhadap kumpulan dari banyaknya data transaksi penjualan yang tersimpan pada sistem penjualan perusahaan.
Untuk mengatasi masalah tersebut, dibutuhkan suatu strategi yang dapat membantu meningkatkan penjualan produk sepeda motor. Data mining digunakan untuk mengolah data penjualan perusahaan dengan mencari association rule dengan metode Algoritma Apriori pada variabel produk sepeda motor. Dari hasil analisis association rule pada data penjualan, dengan minimum support 30% dan minimum confidence 75% menghasilkan 3 rules dengan 3 produk yang paling banyak diminati konsumen yaitu New Mio M3 CW, New Aero X155 VVA, dan N-Max.
Dari penelitian ini maka diketahui produk yang paling banyak terjual. Sehingga perusahaan dapat menambah persediaan produk yang paling banyak terjual dan menyusun strategi pemasaran untuk memasarkan produk dengan produk lain, dengan meneliti apa kelebihan produk yang paling banyak terjual tersebut dengan produk lainnya.
Maka dapat disimpulkan melalui data mining, maka memungkinkan melakukan proses penemuan informasi baru dengan mencari aturan tertentu dalam jumlah yang sangat besar dan dapat digunakan untuk menangani meledaknya volume data. Data merupakan aset bagi perusahaan yang dapat mempengaruhi daya saing suatu bisnis.
Dengan demikian, fungsi Algoritma Apriori masih dapat diandalkan untuk memproses dan menemukan pola hubungan antaritem dalam jumlah yang sangat besar sebagaimana penelitian yang telah dijelaskan di atas.
*)Penulis adalah dosen Universitas Nusa Mandiri, Program Studi (Prodi) Sistem Informasi.
Ikuti Whatsapp Channel Republika