Analisis Perilaku Konsumen Retail Alfama

BAB I
PENDAHULUAN
1.1 Deskripsi Permasalahan
Seiring perkembangan jaman setiap orang menginginkan sesuatu hal yang serba
cepat dan praktis, tidak terkecuali dalam pemenuhan kebutuhan sehari-hari. Mereka
tidak ingin direpotkan oleh hal-hal seperti mengantri, tawar-menawar dengan
pedagang, tata letak yang tidak pasti dimana hal itu semua biasa dijumpai di pasar
tradisional. Sekarang masyarakat lebih memilih untuk berbelanja di minimarket
untuk sekedar membeli makanan ringan ataupun untuk memenuhi kebutuhan
sehari-hari barang dalam kemasan. Minimarket sudah menjamur dengan mudah
dapat ditemukan baik di kota-kota besar maupun di desa-desa kecil. Dengan
menawarkan berbagai kelebihan seperti tempat yang nyaman, produk yang tertata
rapi, pelayanan yang terpadu membuat minimarket menjadi pilihan utama
masyarakat dalam memenuhi kebutuhan sehari-hari.
Potensi bisnis ritel Indonesia yang salah satu jenisnya adalah minimarket untuk
jangka menengah panjang masih besar meskipun pertumbuhan omzet ritel nasional
2014 diperkirakan hanya naik tipis seiring melambatnya pertumbuhan ekonomi.
Omzet ritel modern nasional pada 2014 diperkirakan tumbuh 10%. Asosiasi
Pengusaha Ritel Indonesia (Aprindo) memperkirakan nilai penjualan ritel modern
2014 mencapai Rp162,8 triliun. Permintaan produk terutama makanan dan
minuman masih menjadi kontributor utama (>60%). Beberapa faktor menjadi

katalis positif pertumbuhan ritel nasional ke depan. Meningkatnya pendapatan
masyarakat, meningkatnya populasi penduduk dengan bonus demografi dan
pertumbuhan masyarakat yang pesat, urbanisasi, tingkat optimisme konsumen yang
kuat, dan pertumbuhan properti komersial menjadi driver permintaan industri ritel.
Menurut AC Nielsen, 48% dari total belanja berasal dari masyarakat Proporsi
masyarakat sendiri terhadap total populasi Indonesia diperkirakan meningkat dari
sebesar 56,5% pada 2010 menjadi sebesar 68,4% pada 2015 dan sebesar 76,1%
pada 2020. Indeks Kepercayaan Konsumen (IKK) Indonesia masih cukup kuat dan
relatif tinggi dibandingkan negara lain. Global Consumer Confidence Report 2Q14

yang dirilis AC Nielsen menunjukkan IKK Indonesia berada pada level 123, berada
pada posisi kedua setelah India (124). Sebelumnya, IKK Indonesia bahkan
menempati posisi tertinggi selama 5 kuartal berturut-turut (1Q13-1Q14) di antara
60 negara yang disurvei. IKK yang dirilis Bank Indonesia juga menunjukkan trend
penguatan. IKK Agustus 2014 yang sebesar 120,2 merupakan level tertinggi sejak
akhir 2012. Penguatan IKK juga dikonfirmasi oleh peningkatan Indeks Penjualan
Riil (IPR). Rata-rata pertumbuhan tahunan IPR Januari-Juli 2014 sebesar 16,7%,
lebih tinggi dibandingkan periode yang sama tahun lalu yang sebesar 11,9%. Secara
regional, IPR sebagian besar kota yang disurvei (9 kota) menunjukkan trend
kenaikan. IPR kota Bandung mengalami rata-rata pertumbuhan tertinggi selama

Januari-Juli 2014. Pertumbuhan IPR yang cukup tinggi juga terjadi di Semarang,
Surabaya, dan Manado. Hal ini menunjukkan peranan dalam sektor ritel semakin
penting. Meskipun ritel tradisional masih tetap mendominasi, kenaikan share
perdagangan ritel modern dalam di Indonesia meningkat cukup pesat.
(www.minimarketrak.com)
Jika dilihat dari potensi tersebut bisnis minimarket memang mempunyai masa
depan yang cerah, tidak heran jika pertumbuhan minimarket makin hari makin
bertambah tak terhitung jumlahnya. Namun bukan berarti masyarakat tidak memilih
dalam berbelanja di minimarket, tentunya masyarakat akan memilih minimarket
yang menawarkan diskon dan memberikan kupon belanja karena dengan begitu
masyarakat bisa lebih menekan pengeluarannya. Berdasarkan dengan latar belakang
tersebut sehingga pada penelitian kali ini kami ingin mengetahui hubungan asosiatif
antar item sehingga akan digunakan untuk dijadikan desain kupon belanja beserta
syarat dan ketentuan penggunaan kupon belanja yang sesuai berdasarkan dengan
metode analisis AR-MBA.
Penelitian tentang Market Basket Analysis sudah pernah ada sebelumnya,
perbedaan antara penelitian kami dengan penelitian terdahulu yaitu terdapat pada
objek penelitian , penerapan output dan juga penggunaan algoritma yang berbeda.
Penelitian pertama yaitu oleh Susi Novi Andari, Nasir Widha Setyanto, dan Remba
Yanuar Efranto yang berjudul Alternatif Perbaikan Tata Letak Toko Persada

Swalayan Melalui Pendekatan Perilaku Konsumen dengan Metode Market Basket

Analysis dengan mereka menemukan hasil pada layout baru, penempatan produk
memperhatikan sifat impulse buying dan sifat kualitatif produk. Penempatan
berdasarkan impulse buying dapat dilihat pada penempatan produk 37 (sabun) dan 2
(sabun cuci), 12 (kopi) dan 16 (makanan instan), dan lainnya sesuai dengan hasil
perhitungan MBA. Sifat kualitatif produk diperhatikan berdasarkan hasil ARC. Di
dalam ARC tidak hanya memperhatikan sifat produk berdasarkan jenis saja, namun
lebih spesifik pada sifat seragam dan tidaknya, serta sifat kimiawi produk.
Pembagian bedasarkan jenis hanya membedakan pada tipe food dan non food,
sementara pembagian berdasarkan sifat keseragaman membedakan secara lebih
spesifik yaitu pada fungsi dan penggunannya. Contoh produk seragam adalah
produk-produk perlengkapan kamar mandi, produk-produk perlengkapan dapur, dan
lain-lain.
Untuk penelitian kedua yaitu oleh Helmanatun Nisa Wulandari dan Nur
Wijayaning Rahayu yang berjudul Pemanfaatan Algoritma Apriori untuk
Perancangan Ulang Tata Letak Barang di Toko Busana. Kontribusi yang diharapkan
dalam penelitian ini adalah adanya sistem terkomputersisasi yang bisa memberikan
alternatif penataan barang-barang di toko busana muslimah berdasarkan histori
transaksi penjualan yang bersifat dinamis. Permasalahan yang akan diselesaikan

dalam penelitian ini adalah bagaimana cara menerapkan algoritma Apriori untuk
mengetahui pola belanja konsumen di toko busana muslimah guna merancang ulang
tata letak barang.
Selanjutnya oleh Yessica Nataliani, Yos Richard Beeh, dan Athanasia O.P. Dewi
dengan penelitiannya yang berjudul Market Basket Analysis dengan Metode Fuzzy
C-Covering untuk Menentukan Pola Pembelian pada Toko Buku dengan
kesimpulan bahwa metode Fuzzy CCovering dapat menghasilkan association rule
dan tingkat asosiasinya. Semakin besar max item threshold, maka semakin banyak
kombinasi item yang terjadi dan waktu yang dibutuhkan untuk mencari kombinasi
semakin lama. Semakin banyak jumlah item di dalam suatu kombinasi, maka
semakin sedikit waktu yang dibutuhkan untuk mencari tingkat kombinasi. Semakin
kecil minimum support yang dihasilkan, semakin banyak rule yang terjadi dalam
menentukan tingkat confidence. Selain itu, semakin kecil nilai confidence, semakin

banyak association rule yang dihasilkan. Sebagai tolok ukur, dalam pembahasan
sistem, max item threshold 3, dan nota yang memenuhi max item threshold
sebanyak 130 transaksi dibutuhkan waktu untuk mencari support dan confidence 30
detik.
1.2 Rumusan Masalah
Rumusan masalah pada penelitian ini adalah:

1. Bagaimana hubungan asosiatif yang terjadi antar item di Alfamart Jalan
Kaliurang KM. 10 Sleman?
2. Bagaimanakah solusi permasalahan pada desain kupon belanja beserta syarat dan
ketentuan penggunaan kupon belanja di Alfamart Jalan Kaliurang KM. 10
Sleman berdasarkan analisis AR-MBA?
1.3 Tujuan Penelitian
Tujuan penelitian pada penelitian ini adalah:
1. Untuk mengetahui hubungan asosiatif antar item di Alfamart Jalan Kaliurang
KM. 10 Sleman.
2. Untuk mengetahui solusi permasalahan pada desain kupon belanja beserta syarat
dan ketentuan penggunaan kupon belanja di Alfamart Jalan Kaliurang KM. 10
Sleman berdasarkan analisis AR-MBA.

BAB II
TINJAUAN PUSTAKA
2.1 Kajian Deduktif
2.1.1 Association Rule
Association Rule adalah teknik data mining yang berguna untuk menemukan
suatu korelasi atau pola yang terpenting/menarik dari sekumpulan data besar
(Margaret HD, 2003). Motivasi awal Association Rule berasal dari keinginan

untuk menganalisa data transaksi supermarket ditinjau dari perilaku pelanggan
dalam membeli produk. Association Rule menjelaskan seberapa sering suatu
produk dibeli secara bersamaan. Analisis asosiasi atau association rule mining
adalah teknik data mining untuk menemukan aturan asosiatif antara suatu
kombinasi item (Kusrini, 2009). Contoh asosiasi yang biasa terjadi seperti
seberapa besar kemungkinan pembeli membeli roti dengan selai secara
bersamaan. Penting tidaknya suatu aturan asosiatif dapat diketahui dengan dua
parameter, yaitu support dan confidence.
1. Support (nilai penunjang) adalah persentase kombinasi item tersebut dalam
database.
2. Confidence (nilai kepastian) adalah kuatnya hubungan antar item dalam
aturan asosiasi.
Analisis asosiasi didefinisikan sebagai suatu proses untuk menemukan semua
aturan asosiasi yang memenuhi syarat minimum untuk support (minimum
support) dan syarat minimum untuk confidence (minimum confidence) (Kusrini,
2009). Jika supportnya>=minimum support dan confidencenya>= minimum
confidence, maka rule tersebut bisa dikatakan sebagai interesting rule.
2.1.2 Market Basket Analysis
Market Basket Analysis adalah asosiasi dalam data mining yang dapat
menemukan atribut yang muncul dalam satu waktu (Kusrini, 2009). Proses ini

menganalisis pola pembelian pelanggan dengan cara menemukan hubungan
antara item-item yang berbeda yang diletakkan konsumen dalam shopping
basket. Hasil yang telah didapatkan ini nantinya dapat dimanfaatkan oleh

perusahaan retail seperti toko atau swalayan untuk mengembangkan strategi
pemasaran dengan melihat item-item mana saja yang kemungkinan dibeli secara
bersamaan oleh konsumen.
Untuk beberapa kasus, pola dari item-item yang dibeli secara bersamaan oleh
konsumen dapat ditebak, misalnya selai dibeli secara bersamaan dengan roti.
Akan tetapi juga tidak menutup kemungkinan tercipta pola pembelian item yang
belum pernah terpikirkan. Misalnya pembelian sabun mandi dengan makanan
ringan. Bisa saja pola seperti ini terbentuk ketika suatu transaksi berlangsung.
karena kebutuhan customer berbeda-beda dan tidak dapat diprediksi sehingga
tidak ada jalan keluar, misalnya seperti stok sabun mandi di gudang habis. Oleh
karena itu Market Basket Analysis diharapkan dapat membantu dalam
penyelesaian masalah ini. Dengan menggunakan aplikasi ini seorang penjual bisa
dengan cepat dan tepat dalam menentukan pola pembelian dari beberapa
customer.
2.1.3 Algoritma Apriori
Algoritma Apriori termasuk jenis aturan asosiasi pada data mining. Selain

Apriori, yang termasuk pada golongan ini adalah metode Generalized Rule
Induction dan Algoritma Hash Based. Analisis asosiasi atau association rule
mining adalah teknik data mining untuk menemukan aturan asosiasi antara suatu
kombinasi item. Contoh aturan asosiasi dari analisis pembelian di suatu pasar
swalayan adalah dapat diketahuinya berapa besar kemungkinan seorang
pelanggan membeli roti bersamaan dengan susu. Berdasarkan pengetahuan
tersebut, pemilik swalayan dapat mengatur penempatan barangnya atau
merancang kampanye pemasaran dengan memakai kupon diskon untuk
kombinasi barang tertentu (Kusrini, 2009).
Penting tidaknya suatu aturan asosiasi dapat diketahui dengan dua parameter,
yaitu support dan confidence. Support (nilai penunjang) adalah persentase
kombinasi item tersebut dalam database, sedangkan confidence (nilai kepastian)
adalah kuatnya hubungan antar item dalam aturan asosiasi. Metodologi dasar
analisis asosiasi terbagi menjadi 2 (dua) tahap, yaitu:
1. Analisis pola frekuensi tinggi

2. Pembentukan aturan asosiasi
2.1.4 Algoritma FP-Growth
Algoritma FP-Growth merupakan pengembangan dari algoritma Apriori.
Sehingga kekurangan dari algoritma Apriori berupa lamanya waktu yang

dibutuhkan ketika banyaknya proses iterasi yang dilakukan diperbaiki oleh
algoritma FP-Growth. Metode FP-Growth dapat dibagi menjadi 3 tahapan utama
yaitu sebagai berikut (Han & Kamber 2006):
1. Tahap pembangkitan conditional pattern base,
2. Tahap pembangkitan conditional FP-Tree, dan
3. Tahap pencarian frequent itemset.
2.2 Kajian Induktif
Penelitian tentang Market Basket Analysis sudah pernah ada sebelumnya, perbedaan
antara penelitian kami dengan penelitian terdahulu yaitu terdapat pada objek
penelitian, penerapan output dan juga penggunaan algoritma yang berbeda.
Penelitian pertama yaitu oleh Susi Novi Andari, Nasir Widha Setyanto, dan Remba
Yanuar Efranto yang berjudul Alternatif Perbaikan Tata Letak Toko Persada
Swalayan Melalui Pendekatan Perilaku Konsumen dengan Metode Market Basket
Analysis dengan mereka menemukan hasil pada layout baru, penempatan produk
memperhatikan sifat impulse buying dan sifat kualitatif produk. Penempatan
berdasarkan impulse buying dapat dilihat pada penempatan produk 37 (sabun) dan 2
(sabun cuci), 12 (kopi) dan 16 (makanan instan), dan lainnya sesuai dengan hasil
perhitungan MBA. Sifat kualitatif produk diperhatikan berdasarkan hasil ARC. Di
dalam ARC tidak hanya memperhatikan sifat produk berdasarkan jenis saja, namun
lebih spesifik pada sifat seragam dan tidaknya, serta sifat kimiawi produk.

Pembagian bedasarkan jenis hanya membedakan pada tipe food dan non food,
sementara pembagian berdasarkan sifat keseragaman membedakan secara lebih
spesifik yaitu pada fungsi dan penggunannya. Contoh produk seragam adalah
produk-produk perlengkapan kamar mandi, produk-produk perlengkapan dapur, dan
lain-lain.

Untuk penelitian kedua yaitu oleh Helmanatun Nisa Wulandari dan Nur
Wijayaning Rahayu yang berjudul Pemanfaatan Algoritma Apriori untuk
Perancangan Ulang Tata Letak Barang di Toko Busana. Kontribusi yang diharapkan
dalam penelitian ini adalah adanya sistem terkomputersisasi yang bisa memberikan
alternatif penataan barang-barang di toko busana muslimah berdasarkan histori
transaksi penjualan yang bersifat dinamis. Permasalahan yang akan diselesaikan
dalam penelitian ini adalah bagaimana cara menerapkan algoritma Apriori untuk
mengetahui pola belanja konsumen di toko busana muslimah guna merancang ulang
tata letak barang.
Selanjutnya oleh Yessica Nataliani, Yos Richard Beeh, dan Athanasia O.P. Dewi
dengan penelitiannya yang berjudul Market Basket Analysis dengan Metode Fuzzy
C-Covering untuk Menentukan Pola Pembelian pada Toko Buku dengan
kesimpulan bahwa metode Fuzzy CCovering dapat menghasilkan association rule
dan tingkat asosiasinya. Semakin besar max item threshold, maka semakin banyak

kombinasi item yang terjadi dan waktu yang dibutuhkan untuk mencari kombinasi
semakin lama. Semakin banyak jumlah item di dalam suatu kombinasi, maka
semakin sedikit waktu yang dibutuhkan untuk mencari tingkat kombinasi. Semakin
kecil minimum support yang dihasilkan, semakin banyak rule yang terjadi dalam
menentukan tingkat confidence. Selain itu, semakin kecil nilai confidence, semakin
banyak association rule yang dihasilkan. Sebagai tolok ukur, dalam pembahasan
sistem, max item threshold 3, dan nota yang memenuhi max item threshold
sebanyak 130 transaksi dibutuhkan waktu untuk mencari support dan confidence 30
detik.

BAB III
METODE PENELITIAN
3.1

Objek Penelitian
Pada penelitian ini tempat yang dijadikan objek yaitu minimarket Alfamart yang
berlokasi di Jalan Kaliurang KM 10 Sleman, Yogyakarta. Tempat tersebut adalah
sebuah minimarket yang menjual berbagai macam kebutuhan sehari-hari.

3.2

Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah dengan
mengumpulkan data struk belanja & informasi pengadaan kupon belanja pada retail
desain kupon belanja beserta syarat dan ketentuan yang berlaku.

3.3

Jenis Data
Pada penelitian ini jenis data yang digunakan ada dua macam yaitu data primer dan
data sekunder. Dimana dalam data primer didapatkan dari data struk belanja &
informasi pengadaan kupon belanja pada retail desain kupon belanja beserta syarat
dan ketentuan berlaku. Serta pada data sekunder yaitu data yang didapatkan secara
tidak langsung dari objek penelitian melainkan mencari data dari sumber lain yang
dapat mendukung penelitian ini dan juga digunakan sebagai referensi.

3.4

Alur Penelitian
Mulai

Penentuan objek penelitian

Mengumpulkan struk

Pre-processing data

Valid atau
tidak

YaAa
Processing data

Output rule

Desain Kupon

Selesai
Gambar 3.1 Diagram Alur Penelitian

Tidak

Penjelasan dari diagram alir diatas adalah sebagai berikut:
1. Memulai penelitian dengan mengumpulkan struk sebanyak lebih dari 100.
2. Melakukan pre-processing data pada rekapan struk yang ada. Seperti
menghilangkan harga barang, mengabaikan jumlah barang yang dibeli, dalam
satu transaksi minimal terdapat dua departemen sehingga untuk data-data yang
tidak memenuhi untuk dihapus atau tidak digunakan.
3. Setelah melakukan tahap pre-processing maka jika terdapat data yang tidak valid
harus mengulang untuk mengambil data lagi (mengumpulkan struk), namun jika
data sudah valid semua maka dapat dilanjutkan ke proses berikutnya.
4. Setelah itu dilakukan processing data dengan metode AR-MBA dengan bantuan
software Rapid Miner.
5. Selanjutnya akan muncul output rule yang terbentuk.
6. Berdasarkan hasil tersebut untuk kemudian diterapkan pada desain kupon
belanja dengan syarat dan ketentuan yang berlaku dalam penggunaannya.

BAB IV
HASIL DAN PEMBAHASAN

4.1 Kondisi Awal Tempat Penelitian
Pada penelitian ini kami mendapatkan studi kasus tentang kupon belanja yang
ditawarkan oleh retail store kepada pelanggan. Adapun lokasi yang menjadi tempat
penelitian kami adalah salah satu retail store ternama yaitu Alfamart. Tepatnya
berlokasi di Jalan Kaliurang Km 10, Sleman Yogyakarta. Adapun jenis kupon
belanja yang diberikan oleh Alfamart diantaranya kupon bernilai Rp 25,000, Rp
50,000, dan Rp 100,000,. Kupon belanja ini tidak dapat ditukarkan dengan uang dan
hanya dapat digunakan untuk berbelanja hingga batas atau limit sesuai dengan
nominal yang tertera pada kupon. Penggunaan kupon ini dapat digunakan atau valid
hingga 6 bulan lamanya dan dapat digunakan pada seluruh franchise PT. Sumber
Alfaria Trijaya seperti Alfamart, Alfa Express, dan Alfa Midi.

Gambar 4. 1 Kupon Belanja Alfamart 1

Bentuk desain kupon lainnya adalah seperti kupon belanja bertema belanja murah
dan hemat dengan memberikan diskon pada barang barang yang dinilai kurang laku
dan memberikan bonus tambahan produk lainnya.

Gambar 4. 2 Kupon Belanja Alfamart 2

Promo kupon belanja tersebut merupakan paket diskon untuk beberapa produk yang
dinilai kurang laku atau jarang dibeli pelanggan diantaranya pembelian mentega
Blue Band, bumbu Royco, teh celup Sari Wangi, Lipton Tea kotak, dan Buavita
hanya senilai Rp30,000 saja ditambah bonus teh celup Sari Wangi sehingga
pelanggan mendapatkan harga yang lebih murah atau akan hemat hingga Rp 4,800.
Kupon promo ini hanya berlaku untuk periode 1 hingga 15 Mei 2015 saja, selain itu
pelanggan akan dikenakan harga normal seperti biasa (www.alfamartku.com).
Jenis desain kupon promo lainnya bertajuk “Buy 1 Get 1 Free bersama Kakao
Talk. Pemberian kupon in dilakukan untuk meningkatkan penjualan produk yang
kurang laku serta meningkatkan hubungan kerja sama antara Alfamart dan Kakao
Talk. Dalam program ini, dengan bergabung menjadi fans Alfamart di Kakao Talk
dan melakukan share (berbagi info) kepada 5 teman, maka pelanggan dapat
melakukan pembelanjaan produk-produk Minute Maid Pulpy di bulan April, Mie
Sedap Cup di bulan Mei dan GoodTime Mini di bulan Juni 2014 dengan promo buy
1 get 1 free khusus pada hari Jumat. Setelah berbagi informasi kepada 5 teman,
pelanggan akan mendapatkan kupon melalui official account Alfamart diKakao
Talk, yakni gambar stempel dengan tulisan ‘KUPON’. Untuk menggunakan kupon,
pelanggan hanya perlu menunjukan nomor serial kupon ke kasir Alfamart.

Mekanisme ini berlaku bagi seluruh pengguna Kakao Talk yang sudah mengikuti
mekanisme yg sudah ditentukan. Saat menukarkan kupon, pelanggan cukup
membayar seharga 1 piece barang yang dibeli (www.alfamartku.com).

Gambar 4. 3 Desain Kupon Alfamart Bersama Kakao Talk

4.2 Rekapitulasi dari Pengumpulan Data
Dari hasil pengumpulan struk yang kami lakukan untuk mendapatkan sedikitnya 100 transaksi dengan masing masing barang
yang berbeda departemen didapatkan rekapitulasi data sebagai berikut

Tabel 4. 1 Rekapitulasi Data Struk

No
1

Jenis barang
Anlene gold coklat, Roma biskuit kelapa, Sasa tepung, Bodrex flu & batuk, Racik bumbu, Sidomuncul tolak angin, Rinso anti

2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

noda,Sabut spons, Sun Swallow, Skrineer masker
Pocari sweat, Aqua air mineral
Sosro jasmine, Piattos
Djarum super 12, Pond's flawless
Nescafe coffee latte, Sari roti keju, Paroti cream messes, GG filter merah
Cheetos ayam bakar, Sari roti srikaya, Sari roti kacang
Kopiko 78C caramel, Sampoerna mil
Aqua air mineral, You C 1000, Sampoerna mil
Indomilk coklat, Sampoerna mil
Ekonomi sabun lemon, Komix OBH sachet
Antangin JRG, Oreo chocolate, Simba choco chips, Hexos lemon mints
Kinder joy boys, Yupi pizza, Chil-go, Choki-choki, Oreo soft, Pronas corn
Sensodyne, Ultra teh kotak
Roma biskuit kelapa, Oishi pillow, V-soy soya, Kara santan kelapa, Timtam cho cho, Tao Kenoy spicy, Kara sun santan
Soklin pelembut, King coco santan kelapa
Happy tos, Green sands ori, Djarum super, Ades botol
Aqua air mineral, Nescafe white coffee, Meiji lucky strike, Muuch better, Mayasi koro pedas, Wall's cornetto

No
18
19
20
21
22
23
24
25
26

Jenis barang
Sari roti, Skrineer masker
Bor-UHT, E-voucher XL
Wall's padlepop, Paroti cream messes
Tim tam milk coklat, Strepsils, Indomilk coklat, Aqua botol, Happy tos, Oreo soft, Formula, Goal, Pepsodent
Green sands, Fullo pack, P/Crispy sapi panggang
Bebelac, Alfa krup getas
Djarum super, Sampoerna mil, E voucher Tsel
Aqua botol, Fruit tea black current, Sinde larutan, Tessa tissue, Sari roti srikaya, Zwitsal minyak telon
Filma pouch, Nice tissue soft, Nice tissue rol, Gulaku premium, Soklin pewangi pink, soklin pewangi violet, Close up,

27
28
29
30
31

pepsodent, Ciptadent, Omica sikat gigi
Frestea markisa, sari roti keju
Paseo, Aqua botol
Djarum LA light, Ultra teh kotak, Good day coffee
Lifebuoy sabun, Djarum super 16
Telur ayam, Oreo sand biskuit, Garuda kacang atom, Indomie ayam bawang, Vit botol, Indomie goreng, Mie gemez, Alfa

32
33
34
35
36
37
38
39
40
41

lemon, Stella al in 1
Dettol, Coolant
Listerine cool, Gillette vector
Djarum LA menthol, Cocktail korek api
Pocari Sweat, Aqua botol, You C 1000, Hexos mints
Yakult, Sutra kondom 12
Good day sachet, Frestea jasmine
Wall's paddlepop, Yakult, Campina
Sosro jasmine, Piattos keju
Lifebuoy sabun, H&S shampoo, Gillette blue
Oishi rinbee, Cap panda, Kraft cheddar

No
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63

Jenis barang
Stella all in 1, Socerlane kaos kaki (2), Bear brand, Kraft keju cake
Mogu lychee, Dove H-vit
Vit botol, Sampoerna A mil
Leo popcorn, Piattos barbeque, Tango, Ultra teh kotak, Indomilk coklat, Nescafe coffee
Paroti cream messes, Sari roti sarikaya, Aqua botol, Minutemaid pulpy,
Kinder joy girl, Campina
Komix jeruk nipis, Komix mint, Dunhill fine cut
Paroti tawar, Aqua botol, Sosro jasmine, Lay's, French fries
Mr. Potato, Buavita royal
Djarum super, Alfa lighter
Aqua air mineral, Promag
S-26 Gold kaleng, A gula pasir, Blue band, Telur ayam
Sosro teh botol, E-voucher Tsel
Purbasari, Ellips hairmask, Pepsodent, Lifebuoy sabun, Lipovitan,Snickers
Monde serena, Nutriboost
Sari roti tawar, Frisian flag gold
Djarum super 12, You C 1000 orange, You C 1000 lemon, Indomie goreng
UHU lem stick, Mentos rol, Aqua botol
Filma pouch, Richeese wafer, Filma pouch
E-voucher indosat, Pocari sweat, Super O2, Oishi pillow, Silver queen
Dji sam soe, Kenko gt tape, Alfa SDTN
Cheetos jagung bakar, Mintz cherry, Air mineral, Frestea green, Mayasi koro, Sutra kondom, Sidomuncul tolak angin, Sari

64
65
66

roti coklat
Sampoerna A mil, Mizone lemon, Alfa lighter
Yakult, Sari roti tawar, Sedaap mie goreng, Sedaap mie soto
Gery chocolatos, Torabika cappucino, Marlboro red

No
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81

Jenis barang
Mama lime, Sampoerna A mil
Aqua botol, Pocari sweat, Biskies choco
Sampoerna A mil, Fruit tea black current
Smax ring, Aqua botol, Bugo nori sapi, Wall's paddlepop, Snickers, Komix mint, Komix OBH
Aqua botol, Pocari sweat,
Javana teh melati, Alfa amplop
Blue band, Ceres festive, Sari roti tawar
Geliga balsem, Good day tiramisu, Konicare kayu putih
Paroti roti sisir, Sari roti keju, Sari roti kasur, Aqua botol, Indomie goreng
Maicih basreng, Formula sikat gigi
Happy tos, french fries, Aqua botol, Pocari sweat, NS crk crispy, Mentos rol
Mitu, Aqua botol
Harmony orange, Socerlane celana dalam
Ultra teh kotak, GG surya 12
Sarimi goreng sate, Supermi ayam bawang, Supermi sop buntut, Maya sarden, ABC sarden, Segar dingin, Lux soap, Gatsby

82
83
84
85
86
87

wg
NU greentea ori, Kratingdaeng, Marlboro black
Nestle p. life, Top
Telur ayam, Tic tac candy, Happydent white, sari roti tawar
Floridina, Cheetos ayam bakar, Sari roti keju, Monde serena
Dji sam soe, Aqua botol, Alfa kacang koro, Tessa tissue, Johnson baby powder
Paroti tawar, Chitato sapi panggang, Kripptoss, Chitato ayam bumbu, Ceres milk, Frisian flag coklat, Alfa meses coklat, Alfa

88
89
90

butter
Eveready A3, Alfa AMP
Aqua botol, Nescafe moca, Kusuka, Fox's fruit, NS wafer, Tessa tissue, Silver queen, Frozz barley, Sari roti krim (2)
Cheetos net, Sozzis ayam, You C 1000 lemon, Nivea men

No
91
92
93
94
95
96
97
98
99

Jenis barang
Javana teh melati, Alfa amplop
Big cola, Pucuk harum tea
Lafonte sapi bolognese, Ultra teh kotak
Aqua botol, Silver queen, Sampoerna A mil
Wall's paddlepop, Pixy UV
GG filter merah, Aqua botol, Mizone orange, Durex together kondom
Sari roti kasur, Bor UHT, Cadbury
Mogu lychee, Glico pack cho, Center fruit candy
Aqua botol, Frestea green tea, Pocari sweat, Paroti cream meses, NS CRK Crispy, Qtela ubi ungu, Silver queen white, Qtela

10

BBQ, Sari roti keju, Sari roti coklat, Pepsodent, Laurier, Filma pouch
Aqua botol, Mr.Potato ori, Pringles cheese, Silver queen white, Hershey's kis, Sari roti keju, Sari roti krim, Sari roti kasur

0

Tabel 4. 2 Pembagian Departemen Produk

Kode Departemen
Nama Departemen
Departemen 1
makanan ringan

Produk
Piattos, Cheetos ayam bakar, Oishi pillow, Tao kenoy spicy, Happy tos,
Mayashi koro, P/crispy sapi panggang, Garuda kacang atom, mie gemez,
Oishi ribee, Leo popcorn, French fries, Mr. potato, Monde serena, Mayashi
koro, Smax ring, Maicih basreng, NS CRK Crispy, Cheetos jagung bakar,
Alfa kacang koro, Chitato sapi panggang, Kriptoss, Kusuka, Qtela ubi ungu,
Qtela BBQ, Pringles cheese, Lay's, Bugo nori sapi, Sozzis ayam, Bugo nori
sapi

Kode Departemen
Nama Departemen
Departemen 2
minuman dingin

Produk
Pocari sweat, Sosro jasmine, Nescafe coffee latte, Kopiko 78C caramel, You
C 1000, Indomilk coklat, Chil-go, Ultra teh kotak, V-soy soya, Green sands,
Nescafe white coffee, Bor-UHT, Fruit tea black current, Frestea markisa,
Good day coffee, Kratingdaeng, Coolant, Yakult, Good day funtastic, Frestea
jasmine, Cap panda, Bear brand, Mogu lychee, Super 02, Minutemaid pulpy,
Buavita, Lipovitan, Nutriboost, Mizone lemon, Javana teh melati, Good day
tiramisu, Segar dingin, NU Greentea, Nescafe Mocca, Big Cola, Floridina, T

Departemen 3
Departemen 4

minuman biasa
Susu & Minuman sachet

Pucuk harum,
Aqua botol, Vit botol, Sinde larutan, Ades botol
Anlene gold, Bebelac, Frisian flag gold, Nestle p.life, Frisian flag coklat,
Torabika capuccino, good day sachet

Departemen 5

Perlengkapan mandi

Sensodyne, Formula, Pepsodent, Ciptadent, Close up, Omica sikat gigi,
Lifebuoy sabun, Dettol, H&S Shampoo, Purbasari, Ellips hairmask, Nivea
men, Formula sikat gigi, Harmony orange, Lux soap, Gatsby wg, Pond's

Departemen 6

rokok

flawless, Listerine cool, Dove H-vit,
Djarum super 12, GG filter merah, Sampoerna mil, Djarum LA light, Djarum
super 16, Dji sam soe, Djarum LA menthol, Dunhill fine cut, S-26 gold

Departemen 7

perlengkapan bayi

kaleng, GG surya 12, Marlboro red, Marboro black
Zwitsal minyak telon, Johnson baby powder, Mitu, Konycare minyak kayu
putih,

Kode Departemen
Nama Departemen
Departemen 8
Mie instan

Produk
Indomie ayam bawang, Indomie goreng, Sedaap mi goreng, sedaap mie soto,

Departemen 9

Perlengkapan pribadi

Sarimi goreng sate, Supermi ayam bawang, Supermi sop buntut,
Tessa tissue, Nice tissue soft, Nice tissue rol, Paseo, Stella all in 1, Sun

Departemen 10

perlengkapan masak

swallow, Laurier
Sasa tepung, racik bumbu, Pronas corn, Kara santan kelapa, Kara sun santan,
King coco santan kelapa, Filma pouch, ABC sarden, Maya sarden, Lafonte

Departemen 11

obat

sapi bolognese, A gula pasir, Gulaku premium,Blue band
Bodrex flu& batuk, Sidomuncul tolak angin, Komix OBH sachet, Antangin
JRG, Komix jeruk nipis, Komix mints, geliga balsem, Durex together

Departemen 12

Biskuit/bolu dan coklat

kondom, Sutera kondom 12, Promag, Skineer masker
Oreo chocolate, Simba choco chips, Roma biskuit kelapa, Choki-choki, Oreo
soft, Timtam cho cho, Meiji lucky strike, Timtam milk coklat, Fullo pack,
Oreo sand biskuit, Tango, Snickers, Silver queen white, Richeese wafer,
Silver queen coklat, Gery chocolatos, Biskies choco, Glicko pack cho,

Departemen 13
Departemen 14

Hershey kis, Muuch better, cadbury, Top
eskrim
Wall's paddlepop, Wall's cornetto, Campina
perlengkapan cuci dan pakaian Rinso anti noda, Sabut spons, Soklin pelembut, Soklin pewangi pink, Soklin

Departemen 15

Permen

pewangi violet, Alfa lemon, Mama lime, Ekonomi sabun lemon
Hexos lemon mints, Hexos mints, Yuppy pizza, Mentos rol, Fox's, Mitz
Chery, Tic tac candy, Happydent white, Center fruit candy, Frozz barley,

Departemen 16

Alat Tulis

Strepsils
Kenko Gt Tape, Alfa amplop, UHU lem stick, Alfa krup getas

Kode Departemen
Nama Departemen
Departemen 17
Roti dan perlengkapan

Produk
Sari roti keju, Paroti cream meses, Sari roti srikaya, Sari roti kacang, Sari roti
coklat, Paroti tawar, Keju kraft cheddar, Sari roti tawar, Ceres festive, Proti
roti sisir, Sari roti kasur, Ceres milk, Alfa meses coklat, Alfa butter, Sari roti

Departemen 18
Departemen 19
Departemen 20
Departemen 21
Departemen 22

Voucher dan tiket
Kasir
Perawatan tubuh
Pakaian dalam dan aksesoris
Departemen Telur

krim,
E-voucher T-sel, E-voucher Indosat, E-voucher XL
Cocktail korek api, Alfa lighter, Eveready A3, kinder joys,
Gillette vector, Goal, Gatsby wg, Pixy UV, Gillette blue
Socerlance celana dalam, Socerlance kaos kaki,
Telur ayam negeri
Tabel 4. 3 Integrasi Data

No
1
2
3
4
5
6
7
8
9
10
11
12

Jenis
Dept. 4, Dept. 12, Dept. 10, Dept. 11, Dept. 10, Dept. 11, Dept. 14,Dept. 14, Dept. 9, Dept. 11
Dept. 2, Dept. 3
Dept. 2, Dept. 1
Dept. 6, Dept. 5
Dept. 2, Dept. 17, Dept. 17, Dept. 6
Dept. 1, Dept. 17, Dept. 17
Dept. 2, Dept. 6
Dept. 3, Dept. 2, Dept. 6
Dept. 2, Dept. 6
Dept. 14, Dept. 11
Dept. 11, Dept. 12, Dept. 12, Dept. 15
Dept. 19, Dept. 15, Dept. 2, Dept. 12, Dept. 12, Dept. 10

No
13
14
15
16
17
18
19
20
21
22
23
24
25
26

Jenis
Dept. 5, Dept. 2
Dept. 12, Dept. 1, Dept. 2, Dept. 10, Dept. 12, Dept. 1, Dept. 10
Dept. 14, Dept. 10
Dept. 1, Dept. 2, Dept. 6, Dept. 3
Dept. 3, Dept. 2, Dept. 12, Dept. 12, Dept. 1, Dept. 13
Dept. 17, Dept. 11
Dept. 2, Dept. 18
Dept. 13, Dept. 17
Dept. 12, Dept. 15, Dept. 2, Dept. 3, Dept. 1, Dept. 12, Dept. 5, Dept. 20, Dept. 5
Dept. 2, Dept. 12, Dept. 1
Dept. 4, Dept. 16
Dept. 6, Dept. 6, Dept. 18
Dept. 3, Dept. 2, Dept. 3, Dept. 9, Dept. 17, Dept. 7
Dept. 10, Dept. 9, Dept. 9, Dept. 10, Dept. 14, Dept. 14, Dept. 5, Dept. 5, Dept. 5, Dept. 5

27
28
29
30
31

Dept. 2, Dept. 17
Dept. 9, Dept. 3
Dept. 6, Dept. 2, Dept. 2
Dept. 5, Dept. 6
Dept. 22, Dept. 12, Dept. 1, Dept. 8, Dept. 3, Dept. 8, Dept. 1, Dept. 14, Dept. 9

32
33
34
35
36
37
38

Dept. 5, Dept. 20
Dept. 5, Dept. 20
Dept. 6, Dept. 19
Dept. 2, Dept. 3, Dept. 2, Dept. 15
Dept. 2, Dept. 19
Dept. 4, Dept. 2
Dept. 13, Dept. 2, Dept. 13

No
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64

Jenis
Dept. 2, Dept. 1
Dept. 5, Dept. 5, Dept. 20
Dept. 1, Dept. 2, Dept. 17
Dept. 9, Dept. 21, Dept. 2, Dept. 12
Dept. 2, Dept. 5
Dept. 3, Dept. 6
Dept. 1, Dept. 1, Dept. 12, Dept. 2, Dept. 2, Dept. 2
Dept. 17, Dept. 17 , Dept. 3, Dept. 2
Dept. 19, Dept. 13
Dept. 11, Dept. 11, Dept. 6
Dept. 17, Dept. 3, Dept. 2, Dept. 1, Dept. 1
Dept. 1, Dept. 2
Dept. 6, Dept. 19
Dept. 3, Dept. 11
Dept. 6, Dept. 10, Dept. 10, Dept. 22
Dept. 2, Dept. 18
Dept. 5, Dept. 5, Dept. 5, Dept. 5, Dept. 2,Dept. 12
Dept. 1, Dept. 2
Dept. 17, Dept. 4
Dept. 6, Dept. 2, Dept. 2, Dept. 8
Dept. 16, Dept. 15, Dept. 3
Dept. 10, Dept. 12, Dept. 10
Dept. 18, Dept. 2, Dept. 2, Dept. 1, Dept. 12
Dept. 6, Dept. 16, Dept. 16
Dept. 1, Dept. 15, Dept. 3, Dept. 2, Dept. 1, Dept. 18, Dept. 11, Dept. 17
Dept. 6, Dept. 2, Dept. 19

No
65
66
67
68
69
70
71
72
73
74
75
76
77

Jenis
Dept. 2, Dept. 17, Dept. 8, Dept. 8
Dept. 12, Dept. 4, Dept. 6
Dept. 14, Dept. 6
Dept. 3, Dept. 2, Dept. 12
Dept. 6, Dept. 2
Dept. 1, Dept. 3, Dept. 1, Dept. 13, Dept. 12, Dept. 11, Dept. 11
Dept. 3, Dept. 2,
Dept. 2, Dept. 16
Dept. 10, Dept. 17, Dept. 17
Dept. 11, Dept. 2, Dept. 7
Dept. 17, Dept. 17, Dept. 17, Dept. 3, Dept. 8
Dept. 1, Dept. 5
Dept. 1, Dept. 1, Dept. 3, Dept. 2, Dept. 1, Dept. 15

78
79
80
81
82

Dept. 7, Dept. 3
Dept. 5, Dept. 21
Dept. 2, Dept. 6
Dept. 8, Dept. 8, Dept. 8, Dept. 10, Dept. 10, Dept. 2, Dept. 5, Dept. 20
Dept. 2, Dept. 2, Dept. 6

83
84
85
86
87

Dept. 4, Dept. 12
Dept. 22, Dept. 15, Dept. 15, Dept. 17
Dept. 2, Dept. 1, Dept. 17, Dept. 1
Dept. 6, Dept. 3, Dept. 1, Dept. 9, Dept. 7
Dept. 17, Dept. 1, Dept. 1, Dept. 1, Dept. 17, Dept. 4, Dept. 17, Dept. 17

88
89

Dept. 19, Dept. 16
Dept. 3, Dept. 2, Dept. 1, Dept. 15, Dept. 12, Dept. 9, Dept. 12, Dept. 15, Dept. 17

No
90
91
92
93
94
95
96
97
98
99
100

Jenis
Dept. 1, Dept. 1, Dept. 2, Dept. 5
Dept. 2, Dept. 16
Dept. 2, Dept. 3
Dept. 10, Dept. 2
Dept. 3, Dept. 12, Dept. 6
Dept. 13, Dept. 20
Dept. 6, Dept. 3, Dept. 2, Dept. 18
Dept. 17, Dept. 4, Dept. 12
Dept. 2, Dept. 12, Dept. 15
Dept. 3, Dept. 2, Dept. 2, Dept. 17, Dept. 1, Dept. 1, Dept. 12, Dept. 1, Dept. 17, Dept. 17, Dept. 5, Dept. 9, Dept. 10
Dept. 3, Dept. 1, Dept. 1, Dept. 12, Dept. 12, Dept. 17, Dept. 17, Dept. 17
Tabel 4. 4 Matriks Binary Data yang Terbentuk

N

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

o

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

1
2
3
4
5
6
7
8
9

1
0
0
1
0
0
1
0
0
0

2
0
1
1
0
1
0
1
1
1

3
0
1
0
0
0
0
0
1
0

4
1
0
0
0
0
0
0
0
0

5
0
0
0
1
0
0
0
0
0

6
0
0
0
1
1
0
1
1
1

7
0
0
0
0
0
0
0
0
0

8
0
0
0
0
0
0
0
0
0

9
1
0
0
0
0
0
0
0
0

10
1
0
0
0
0
0
0
0
0

11
1
0
0
0
0
0
0
0
0

12
1
0
0
0
0
0
0
0
0

13
0
0
0
0
0
0
0
0
0

14
1
0
0
0
0
0
0
0
0

15
0
0
0
0
0
0
0
0
0

16
0
0
0
0
0
0
0
0
0

17
0
0
0
0
1
1
0
0
0

18
0
0
0
0
0
0
0
0
0

19
0
0
0
0
0
0
0
0
0

20
0
0
0
0
0
0
0
0
0

21
0
0
0
0
0
0
0
0
0

22
0
0
0
0
0
0
0
0
0

N

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

o

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

1
0
0
0
0
1
0
1
1
0
0
0
1
1
0
0
0
0
0
0
0
0
1
0

2
0
0
1
1
1
0
1
1
0
1
0
1
1
0
0
1
0
1
0
1
0
0
0

3
0
0
0
0
0
0
1
1
0
0
0
1
0
0
0
1
0
0
1
0
0
0
0

4
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0

5
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
1
0
0
0
1
0
1

6
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
1
1
0
0

7
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0

8
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0

9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
0
1
0
0
1
0

10
0
0
1
0
1
1
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0

11
1
1
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0

12
0
1
1
0
1
0
0
1
0
0
0
1
1
0
0
0
0
0
0
0
0
1
0

13
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0

14
1
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
1
0

15
0
1
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0

16
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0

17
0
0
0
0
0
0
0
0
1
0
1
0
0
0
0
1
0
1
0
0
0
0
0

18
0
0
0
0
0
0
0
0
0
1
0
0
0
0
1
0
0
0
0
0
0
0
0

19
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

20
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1

21
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

22
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0

N

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

o

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55

1
0
0
0
0
0
0
1
0
1
0
0
0
1
0
0
0
1
1
0
0
0
0
0

2
0
0
1
1
1
1
1
0
1
1
1
0
1
1
0
0
1
1
0
0
0
1
1

3
0
0
1
0
0
0
0
0
0
0
0
1
0
1
0
0
1
0
0
1
0
0
0

4
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

5
1
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1

6
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
1
0
1
0
0

7
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

8
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

9
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0

10
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0

11
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0

12
0
0
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
0
0
0
1

13
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0

14
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

15
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

16
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

17
0
0
0
0
0
0
0
0
1
0
0
0
0
1
0
0
1
0
0
0
0
0
0

18
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0

19
0
1
0
1
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1
0
0
0
0

20
1
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

21
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0

22
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0

N

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

o

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78

1
1
0
0
0
0
1
0
1
0
0
0
0
0
0
1
0
0
0
0
0
1
1
0

2
1
0
1
0
0
1
0
1
1
1
0
0
1
1
0
1
1
0
1
0
0
1
0

3
0
0
0
1
0
0
0
1
0
0
0
0
1
0
1
1
0
0
0
1
0
1
1

4
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0

5
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0

6
0
0
1
0
0
0
1
0
1
0
1
1
0
1
0
0
0
0
0
0
0
0
0

7
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
1

8
0
0
1
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0

9
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

10
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0

11
0
0
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
1
0
0
0
0

12
0
0
0
0
1
1
0
0
0
0
1
0
1
0
1
0
0
0
0
0
0
0
0

13
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0

14
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0

15
0
0
0
1
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0

16
0
0
0
1
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0

17
0
1
0
0
0
0
0
1
0
1
0
0
0
0
0
0
0
1
0
1
0
0
0

18
0
0
0
0
0
1
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

19
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0

20
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

21
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

22
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

N

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

De

o

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

pt.

79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
10

1
0
0
0
0
0
0
1
1
1
0
1
1
0
0
0
0
0
0
0
0
1
1

2
0
1
1
1
0
0
1
0
0
0
1
1
1
1
1
0
0
1
0
1
1
0

3
0
0
0
0
0
0
0
1
0
0
1
0
0
1
0
1
0
1
0
0
1
1

4
0
0
0
0
1
0
0
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0

5
1
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0

6
0
1
0
1
0
0
0
1
0
0
0
0
0
0
0
1
0
1
0
0
0
0

7
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0

8
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

9
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
0
0
0
1
0

10
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
1
0

11
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

12
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
1
0
0
1
1
0
1

13
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0

14
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

15
0
0
0
0
0
1
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0

16
0
0
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
0
0
0
0
0

17
0
0
0
0
0
1
1
0
1
0
1
0
0
0
0
0
0
0
1
0
1
1

18
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0

19
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0

20
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0

21
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

22
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

0

4.3 Output Rapid Miner
Dari input pengolahan data struk yang dimasukan pada Rapid Miner dengan
minimum confidence sebesar 0.4 dan minimum support 0.3 didapatkan output
seperti tampilan berikut

Gambar 4. 4 Output Rule Rapid Miner

Dari output diatas didapatkan informasi sebagai poin poin berikut
1.

Dept 2 dan dept 12, akan terbeli bersama dengan dept 1 dengan tingkat
kepercayaan sebesar 58.3% dan didukung oleh 7% dari data keseluruhan

2.

Dept 2 dan dept 3, akan terbeli bersama dengan dept 1 dengan tingkat
kepercayaan sebesar 47.1% dan didukung oleh 8% dari data keseluruhan

3.

Dept 12, akan terbeli bersama dengan dept 1dengan tingkat kepercayaan
sebesar 45.5% dan didukung oleh 1% dari data keseluruhan

4.

Dept 17, akan terbeli bersama dengan dept 1dengan tingkat kepercayaan
sebesar 42.9% dan didukung oleh 9% dari data keseluruhan

5.

Dept 3, akan terbeli bersama dengan dept 1 dengan tingkat kepercayaan sebesar
40.7% dan didukung oleh 11% dari data keseluruhan

6.

Dept 1, akan terbeli bersama dengan dept 3 dengan tingkat kepercayaan sebesar
42.3% dan didukung oleh 11% dari data keseluruhan

7.

Dept 2 dan dept 1, akan terbeli bersama dengan dept 3 dengan tingkat
kepercayaan sebesar 42.1% dan didukung oleh 8% dari data keseluruhan

8.

Dept 1, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar
73.1% dan didukung oleh 19% dari data keseluruhan

9.

Dept 3 dan dept 1, akan terbeli bersama dengan dept 2 dengan tingkat
kepercayaan sebesar 72.7% dan didukung oleh 8% dari data keseluruhan

10. Dept 15, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan
sebesar 70% dan didukung oleh 7% dari data keseluruhan
11. Dept 1 dan dept 12, akan terbeli bersama dengan dept 2 dengan tingkat
kepercayaan sebesar 70% dan didukung oleh 7% dari data keseluruhan
12. Dept 3, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar
63% dan didukung oleh 17% dari data keseluruhan
13. Dept 12, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan
sebesar 54.5% dan didukung oleh 12% dari data keseluruhan. Dikarenakan lift
ratio 0.992 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule
dinyatakan valid jika >= 1.
14. Dept 17, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan
sebesar 52.4% dan didukung oleh 11% dari data keseluruhan. Dikarenakan lift
ratio 0.952 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule
dinyatakan valid jika >= 1.
15. Dept 6, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar
48% dan didukung oleh 12% dari data keseluruhan. Dikarenakan lift ratio
0.873 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule
dinyatakan valid jika >= 1.
16. Dept 5, akan terbeli bersama dengan dept 2 dengan tingkat kepercayaan sebesar
46.7% dan didukung oleh 7% dari data keseluruhan. Dikarenakan lift ratio
0.848 atau < 1 maka rul ini tidak dapat digunakan karena tidak valid. Rule
dinyatakan valid jika >= 1.

4.4 Analisis Hasil Pengolahan Data dari Sudut Pandang Consumer Behaviour
Berdasarkan dari hasil pengolahan data (output) yang dihasilkan dari bantuan
software Rapid Miner untuk input data struk yang dimasukan, didapatkan analisis
data sebagai berikut.
1. Pada rule 1, produk pada dept 2 dan 12 yang berisi produk minuman dingin dan
biskuit/coklat akan terbeli bersamaan dengan produk pada dept 1 yang berisi
makanan ringan. Hal ini menunjukan bahwa pelanggan yang sering berkunjung
pada retail store tersebut hanya berkunjung untuk membeli minuman dingin
beserta cemilan berupa makanan ringan/snack dan biskuit sebagai pelengkapnya.
Orang yang membeli cemilan pasti membeli minuman dingin juga. Perilaku
pelanggan seperti ini seringkali dilakukan oleh pelanggan yang merupakan
seorang mahasiswa. Karena ketika mengisi waktu luang seperti bermain games
dan menonton tv atau mengerjakan tugas, seringkali mahasiswa pergi ke retail
store untuk sekedar membeli cemilan dan minuman dingin. Analisis ini didasari
dari pengolahan data juga dengan tingkat confidence sebesar 58.3% yang artinya
ketiga departemen akan terbeli bersamaan dengan keyakinan sebesar 58.3% dan
didukung oleh 7% dari keseluruhan data transaksi.
2. Pada rule 2, produk pada dept 2 dan 3 yang berisi minuman dingin dan minuman
biasa akan terbeli bersamaan dengan produk pada dept 1 yang berisi makanan
ringan. Hal ini menunjukan bahwa pelanggan yang membeli minuman dingin
dan minuman biasa selalu membeli makanan ringan juga. Seperti yang
dijelaskan sebelumnya pada rule 1, kebanyakan orang lebih suka untuk
menambah makanan ringan pada barang belanjaannya daripada hanya membeli
minum saja seperti minuman dingin dan air mineral. Mungkin dari kebiasaan
orang itu sendiri, minum kurang lengkap tanpa adanya makanan begitu pula
makanan belum lengkap tanpa adanya minuman sehingga minuman akan terbeli
bersamaan dengan makanan. Analisis ini didasari dari pengolahan data juga
dengan tingkat confidence sebesar 47.1% yang artinya ketiga departemen akan
terbeli bersamaan dengan keyakinan sebesar 47.1% dan didukung oleh 8% dari
keseluruhan data transaksi.

3. Pada rule 3, produk pada dept 12 yang berisi biskuit/ coklat akan terbeli bersama
dengan produk pada dept 1 yang berisi makanan ringan. Sama dengan penjelasan
sebelumnya di rule 1, hal ini menunjukan pelanggan yang membeli
biskuit/coklat akan membeli makanan ringannya pada barang belanjaannya.
Tetapi pada rule ini kita mendapatkan bahwa pelanggan tidak membeli minuman
pada belanjaannya. Analisa yang bisa disampaikan mungkin saja pelanggan yang
membeli makanan ringan sudah memiliki persedian minum sebelumnya
sehingga mereka tidak membeli minuman lagi pada retail store. Analisis ini
didasari dari pengolahan data juga dengan tingkat confidence sebesar 45.5%
yang artinya ketiga departemen akan terbeli bersamaan dengan keyakinan
sebesar 45.5% dan didukung oleh 1% dari keseluruhan data transaksi.
4. Pada rule 4, produk pada dept 17 yang berisi roti dan perlengkapannya akan
terbeli bersama dengan produk pada dept 1 yang berisi makanan ringan. Hal ini
menunjukan bahwa pelanggan yang membeli roti beserta pelengkapnya seperti
selai, meses dan lain lain akan menambahkan makanan ringannya juga pada
keranjang belanjanya. Roti merupakan salah satu makanan yang cukup
mengenyangkan selain makanan pokok nasi. Namun untuk membuat kenyang,
seseorang tentunya akan membeli tambahan makanan lain misalnya seperti
membeli tambahan makanan ringan pada retail store. Sehingga disini pelanggan
yang membeli roti akan membeli makanan ringan juga sebagai tambahan
makanannya supaya kenyang. Analisis ini didasari dari pengolahan data juga
dengan tingkat confidence sebesar 42.9% yang artinya ketiga departemen akan
terbeli bersamaan dengan keyakinan sebesar 42.9% dan didukung oleh 9% dari
keseluruhan data transaksi.
5. Pada rule 5, produk pada dept 3 yang berisi air mineral akan terbeli bersama
produk pada dept 1 yang berisi makanan ringan. Hal ini menunjukan bahwa
pelanggan yang membeli minuman biasa akan membeli makanan ringan juga.
Sebenarnya perilaku konsumen pada rule ini hampir sama dengan perilaku
konsumen pada rule 2. Hanya saja pada rule ini pelanggan tidak mengikutkan
minuman dingin pada belanjaannya. Minuman dingin tidak dibeli bisa saja
karena selera masing masing orang yang lebih suka minuman biasa tanpa rasa

dibandingkan minuman dingin yang lebih dominan dengan rasa rasa yang
bervariasi. Analisis ini didasari dari pengolahan data juga dengan tingkat
confidence sebesar 40.7% yang artinya ketiga departemen akan terbeli
bersamaan dengan keyakinan sebesar 40.7% dan didukung oleh

11% dari

keseluruhan data transaksi.
6. Pada rule 6, produk pada dept 1 yang berisi makanan ringan akan terbeli
bersama produk pada dept 3 yang berisi minuman biasa. Hal ini menunjukan
bahwa pelanggan yang membeli makanan ringan akan membeli minuman biasa
juga. Perilaku konsumen pada rule ini hampir sama dengan perilaku konsumen
pada rule 5. Yang berbeda di sini adalah pelanggan lebih mengutamakan
membeli makanan ringan dulu baru selanjutnya membeli air mineral. Minuman
biasa dibeli setelah pelanggan membeli makanan ringan. Mungkin saja dibeli
karena tidak ada lagi persedian air minum di rumah atau ingin praktis beli
makanan dan minumannya. Perbedaan yang lebih jelasnya terletak pada nilai
confidence keduanya. Pada rule 5 nilai confidence sebesar 40.7%, sedangkan
pada rule 6 nilai confidencenya adalah 42.3%. Hal ini artinya peluang pelanggan
membeli makan dulu lalu membeli minuman biasa lebih besar daripada
pelanggan membeli minuman biasa dulu lalu membeli makanan ringan. Analisis
ini didasari dari pengolahan data juga dengan tingkat confidence sebesar 42.3%
yang artinya ketiga departemen akan terbeli bersamaan dengan keyakinan
sebesar 42.3% dan didukung oleh 11% dari keseluruhan data transaksi.
7. Pada rule 7, produk pada dept 2 dan dept 1 yang berisi minuman dingin dan
makanan ringan akan terbeli bersama produk pada dept 3 yang berisi minuman
biasa. Pelanggan yang membeli minuman dingin dan makanan ringan akan
membeli minuman dingin juga pada belanjaannya. Perilaku konsumen ini
sebenarnya sama seperti pada rule 2 yang membedakannya adalah pada nilai
confidence keduanya. Pada rule 2 nilai confidencenya sebesar 47.1% sedangkan
pada rule 7 sebesar 42.1%. Ini menunjukan kalau kemungkinan pelanggan
membeli minuman dingin, minuman biasa lalu makanan ringan lebih besar
daripada membeli minuman dingin dan makanan ringan lalu minuman biasa.
Analisis ini didasari dari pengolahan data juga dengan tingkat confidence sebesar

42.1% yang artinya ketiga departemen akan terbeli bersamaan dengan keyakinan
sebesar 42.1% dan didukung oleh 8% dari keseluruhan data transaksi.
8. Pada rule 8, produk pad adept 1 yang berisi makanan ringan akan terbeli
bersama dengan produk pada dept 2 yang berisi minuman dingin. Pelanggan
yang membeli makanan ri