Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Retailing is an industry with high level of competition. It is a customer-based industry which depends on how it could be aware of what the customers needs and requirements are. One technique most used in supermarkets is the mix merchandise. The purpose of this paper is to identify associated products, which then grouped in mix merchandise with the use of market basket analysis. This association between products then will be applied in the design layout of the product in the supermarket. The process of identifying the related products bought together in one transaction is done by using data mining technique. Apriori algorithm is chosen as a method in the data mining process. Using WEKA (Waikato Environment for Knowledge Analysis) software, the association rule between products is calculated. The results found five category association rules and fourteen sub-category association rules. These associations then will be interpreted as confidence and support to become consideration for the product layout.

Abstrak :
ABSTRAK
Dalam rangka memperluas pasar konsumen, perusahaan perlu memperhatikan kepuasan konsumen yang akan berdampak pada keberlanjutan kegiatan pembelian produk. Market basket analysis dilakukan untuk melihat pola pembelian konsumen dengan cara mengidentifikasi asosiasi dari berbagai produk yang diletakkan konsumen pada keranjang belanja. Penelitian ini dilakukan untuk melihat pengaruh jenis gerai terhadap pola pembelian konsumen. Data yang digunakan pada penelitian ini merupakan basis transaksi pelanggan. Data tersebut diolah menggunakan teknik data mining dan salah satu algoritma association rule, yaitu apriori. Hasil dari penelitian ini menunjukkan adanya perbedaan pola pembelian konsumen pada setiap jenis gerai.

---

ABSTRACT
In order to expand the current market, companies need to pay attention to customer satisfaction that will affect the sustainability of product purchasing activities. Market basket analysis is done to extract consumer buying behavior by identifying the associations of various products that consumers put on the shopping cart. This research was conducted to see whether outlet type affects consumer buying behavior. The data used in this study was taken from customer transactions database. The data was processed using data mining techniques and association rule algorithm, which is apriori. The results of this study show that there are differences in consumer buying behavior on each type of outlet.

Abstrak :
ABSTRAK
Penelitian ini bertujuan untuk menyusun sebuah jadwal belanja berdasarkan pola yang berhasil diamati dari laporan belanja selama periode 6 bulan dengan metode market basket analysis dan association rule. Hasil penelitian berhasil mengelompokkan 17 bahan baku yang mempunyai keterikatan ke dalam 4 kelompok, dengan tetap memperhatikan karakteristik bahan baku.

---

ABSTRACT

This study attempts to create a shopping schedule of a catering service company based on the observed pattern of its shopping for the past 6 months, using market basket analysis and association rule as the general method. The study manages to find and group 17 influential enough raw material into 4 separate groups, with attention also to the natural characteristics of the said material.

Abstrak :
ABSTRACT
Saat ini Industri Ritel di dunia dihadapkan pada tantangan baru, termasuk di Indonesia yang berdampak pada pertumbuhan industri ritel yang melambat. Selain itu, perubahan peraturan terkait penanaman modal asing di tahun 2016 menarik minat peritel asing untuk memperluas keberadaanya di Indonesia. Hal ini membuat para peritel tidak hanya bersaing dengan sesama peritel lokal, tetapi juga secara internasional. Untuk itu, peritel lokal harus dapat meningkatkan keunggulan kompetitif perusahaan dengan memahami perilaku pelanggan mereka. Penelitian ini bertujuan untuk menemukan pola pembelian sebagai cerminan dari perilaku pelanggan mereka dalam berbelanja dengan metode Market Basket Analysis. Berkaitan dengan perilaku pelanggan, penjualan dalam industri ini dipengaruhi oleh musim tertentu. Oleh karena itu, algoritma Apriori digunakan pada beberapa dataset yang dikelompokkan berdasarkan waktu untuk menemukan aturan asosiasi umum dan aturan asosiasi yang terjadi secara musiman. Pengolahan dilakukan secara bertahap pada dua level sehingga lebih efisien dalam mendapatkan hasil yang spesifik. Hasil luaran penelitian menunjukkan terdapat lima aturan asosiasi yang terjadi pada setiap dataset dan enam aturan asosiasi yang terjadi secara musiman.

---

ABSTRACT
Nowadays, global retail business face new challenges, including Indonesia which slowdown retails growth rate. Moreover, Indonesia 39s government announced major reforms of foreign investment in 2016 which attracted international retailers to expand their existences. These caused rivalry not only happened amongs local retailers, but also internationally. Therefore, retailer have to enhace their competitive advantages by understand customer purchase behavior. This study aims to find purchase pattern as reflection of customer behavior using Market Basket Analysis. Discussing consumer behavior, sales in retail industri tend to be affected by large musiman swings. Hence, Apriori algorithm was used on several time based dataset to identify general and musiman association rules. Data processing was done in two phases in order to get more spesific rules efficiently. Based on the result, there are five general association rules which happened in each dataset and six musiman association rules.

Abstrak :
Industri ritel di Indonesia mengalami pertumbuhan yang pesat setiap tahunnya. Pertumbuhan tersebut membuat tingkat kompetisi dan tantangan pada industri ini semakin tinggi. Salah satu tantangan yang harus dihadapi antara lain perubahan pola belanja masyarakat. Dalam memahami perilaku pola belanja masyarakat, pencarian pola asosiasi antar produk yang dibeli konsumen dapat dilakukan dengan menggunakan metode Market Basket Analysis. Dua algortima yang digunakan yaitu algoritma Apriori dan Speaker-listener Label Propagation Algorithm SLPA. Dari hasil aturan yang didapat berdasarkan algoritma Apriori diperoleh tiga belas aturan dan berdasarkan hasil algoritma SLPA diperoleh 41 komunitas dari kategori produk sebagai luaran akhir penelitian. ...... The retail industry in Indonesia has been rapidly growing each year. The growth and development of retail industry in Indonesia also causes higher level of competition and challenge within the scope of industrial environment. One of the challenges is the pattern of public spending. In order to understand this challenge, it is necessary to conduct a research about pattern between products purchased by the customers which can be done using Market Basket Analysis Method. There are two algorithms used in this research, which are Apriori algorithm and Speaker listener Label Propagation Algorithm SLPA. In the result, Apriori algorithm obtained 13 rules whilst SLPA algorithm resulted in 41 communities from the product category as the final output of the research.

Abstrak :
Implementasi Market basket analysis pada e-grocery studi kasus : bigbasket.com. Salah satu cara untuk meningkatkan keuntungan bagi perusahaan adalah memanfatkan pelanggan yang ada untuk menambah item barang pada keranjang belanjanya. Pemasar perlu memberikan rekomedasi produk yang sesuai dengan pelanggan. Pemasar tertarik untuk menganalisis perilaku konsumen dari item-item yang dibelanjanya. Proses analisis ini dinamakan Market basket analysis menggunakan konsep association rule. Market basket analysis bermanfaat bagi pemasar untuk memberikan rekomendasi produk, personalisasi konten promosi baik pada banner halaman homepage e-grocery, promosi melalui newsletter, menyusun product bundling atau cross selling, dan penempatan produk-produk yang saling berkaitan secara dekat.Data yang digunakan pada penelitian ini merupakan data sekunder transaksi Bigbasket.com pada periode Maret 2011 sampai dengan Desember 2014. Berdasarkan hasil analisis, produk yang dibeli oleh konsumen Bigbasket dikelompokan menjadi tiga jenis, most frequent category kategori produk yang paling banyak dibeli, medium frequent category kategori produk yang tidak terlalu sering dibeli, dan least frequent category kategori produk yang paling sedikit dibeli. Tren penjualan grocery dalam rentang satu tahun meningkat pada akhir tahun dimana terdapat hari besar India. Kemudian dalam rentang bulan, transaksi meningkat direntang tanggal 10-15.Berdasarkan pola tersebut, dibagi menjadi high season dan low season. Kemudian dengan menggunakan market basket analysis, menganalisis produk-produk apa saja yang bisa dilakukan price bundling dan product recommendation berdasarkan jenis kategori produknya most, medium, least frequent category product pada saat low season dan high season.Kata kunci: e-grocery, market basket analysis, price bundling, product recommendation, cross selling.

---

Implementation of Market basket analysis in e grocery studi kasus bigbasket.com, India . One method to increase company rsquo s profit is to utilize the existing customer. Marketers try to influence them to add items on their shopping basket. Marketers could be able to give the right product recommendation to customer. Therefore, marketers interested in analysis the shopping behavior based on item product that customer bought. This method is used association rules concept and it is called market basket analysis. Marketers can use market basket analysis to give product recommendation, targeting promotion, bundling and cross selling, and placing the associated products. This research use seconder data from sample trasanction at Bigbasket.com period from March 2011 to December 2014. Based on analysis, product classified into three types most frequent category, medium frequent category, and least frequent category. The grocery sales trend in the one year span is increasing by the end of the year whwn there is India celebration day Divavali . Then in around one month, the transaction increases in interval date 10 15.Based on those pattern transaction, we determine seasonal period of sales, high season and low season. Market basket analysis defines products related for price bundling and product recommendation based on the category products most, medium, least frequent category product in low and high season. Keyword e grocery, market basket analysis, price bundling, product recommendation, cross selling.

Abstrak :
Online customers segmentation could be a valuable research topic of marketing strategy. Previous literature mainly studied the differences between non-purchasers and purchasers, lacking further segmentation of online customers themselves. This thesis focuses on online customer segmentation based on a large volume of real transaction data in one of Indonesias e-commerce website. This research proposes a customer clustering technique using the K-Means algorithm and RFM Patterns as an analysis of the customers profile. Then, the market basket analysis is conducted using the Apriori algorithm for every customer profile and cluster to obtain the association rule as well as product relationships purchased by customers. Later on, the result of market basket analysis is utilized as an input for e-commerce companies in designing promotions such as bundling or product recommendation system for segmented customers.

---

Segmentasi pelanggan daring bisa menjadi topik penelitian yang berharga dalam strategi pemasaran. Literatur yang sudah ada cenderung mempelajari perbedaan antara pembeli dan non-pembeli, tanpa menggali lebih lanjut mengenai segmentasi pelanggan daring itu sendiri. Tesis ini berfokus pada segmentasi pelanggan daring berdasarkan data transaksi di salah satu situs penjualan daring di Indonesia. Penelitian ini mengusulkan teknik pengelompokan pelanggan menggunakan algoritma K-Means dan pola RFM sebagai analisis profil pelanggan. Kemudian, analisis keranjang belanja dilakukan dengan menggunakan algoritma Apriori untuk setiap profil pelanggan dan kluster untuk mendapatkan aturan asosiasi serta hubungan produk yang dibeli oleh pelanggan. Kemudian, hasil analisis keranjang belanja tersebut digunakan sebagai masukan untuk perusahaan penjualan daring dalam merancang promosi seperti bundling atau sistem rekomendasi produk untuk pelanggan yang berada dalam profil yang sama.

Abstrak :
Pertumbuhan ritel modern seperti supermarket semakin meningkat sehingga menimbulkan persaingan ketat antar ritel modern. Oleh karena itu, perusahaan perlu membangun manajemen hubungan pelanggan yang kuat guna mempertahankan bahkan meningkatkan loyalitas pelanggan. Penelitian ini bertujuan untuk melakukan segmentasi pelanggan berdasarkan Customer Lifetime Value (CLV) dengan pendekatan model Length, Recency, Frequency, Monetary (LRFM) serta menentukan strategi untuk setiap segmen pelanggan. Metode K-Means Clustering digunakan untuk melakukan segmentasi pelanggan yang menghasilkan 4 klaster dan nilai CLV dipakai untuk menentukan nilai dari setiap klaster pelanggan dengan variabel LRFM. Kemudian pemetaan klaster menggunakan Customer Value Matrix (CVM) dilakukan untuk memastikan karakteristik klaster pelanggan. Data produk yang dimiliki juga diolah dengan metode Market Basket Analysis (association rules) untuk mendapatkan pola perilaku belanja pelanggan serta menghasilkan rekomendasi produk sebagai strategi product affinity yang dapat diterapkan pihak supermarket. Kemudian dirumuskan 8 kategori strategi customer retention untuk dilakukan penilaian prioritas dengan metode ARAS (Additive Ratio Assessment) sebagai bagian dari strategi Customer-Centric dan menghasilkan 30 buah strategi yang dapat diterapkan pihak supermarket. ......The expansion of modern retail such as supermarkets is fostering severe competition among modern retailers. Therefore, businesses must use effective customer relationship management to preserve and even improve client loyalty. The purpose of this study is to segment consumers based on Customer Lifetime Value (CLV) using the Length, Recency, Frequency, and Monetary (LRFM) model and establish strategies for each segment. Customers are segmented using the K-Means Clustering method, which yields four clusters, and the CLV value is utilized to determine the value of each customer cluster with the LRFM variable. The Customer Value Matrix (CVM) is then used to determine the characteristics of the customer clusters through cluster mapping. The owned product data is also analysed using the Market Basket Analysis approach (association rules) to identify patterns of consumer buying behavior and generate product suggestions as part of a product affinity strategy that supermarkets might employ. As part of the CustomerCentric approach, eight types of customer retention strategies were developed for priority assessment utilizing the ARAS (Additive Ratio Assessment) method, resulting in thirty supermarket-applicable tactics.