Market Basket Analysis dalam Data Mining

Market Basket Analysis adalah teknik dalam data mining yang digunakan untuk menemukan pola pembelian pelanggan berdasarkan data transaksi. Teknik ini membantu bisnis memahami produk apa saja yang sering dibeli bersama.

Apa Itu Market Basket Analysis (MBA)?

Market Basket Analysis (MBA) adalah metode dalam association rule mining yang bertujuan menemukan hubungan antar produk dalam transaksi. Dengan teknik ini, bisnis dapat membaca kebiasaan belanja pelanggan.

Tujuan Market Basket Analysis

• Menemukan kombinasi produk yang sering dibeli
• Meningkatkan strategi pemasaran
• Membantu pengambilan keputusan bisnis

Mengapa Market Basket Analysis Penting?

Market Basket Analysis banyak digunakan dalam dunia retail dan e-commerce karena mampu meningkatkan penjualan melalui strategi berbasis data.

• Cross-selling produk
• Bundling produk
• Rekomendasi otomatis
• Optimasi layout toko

Contoh Kasus

Jika pelanggan membeli roti, maka kemungkinan besar juga membeli susu.

Metrik Utama dalam Market Basket Analysis

1. Support

Support menunjukkan seberapa sering kombinasi item muncul dalam transaksi.

2. Confidence

Confidence menunjukkan tingkat kepercayaan bahwa item B dibeli jika item A dibeli.

3. Lift

Lift mengukur kekuatan hubungan antar item:

• Lift > 1 → hubungan kuat
• Lift = 1 → independen
• Lift < 1 → hubungan lemah

Download Dataset Market Basket Analysis

Anda dapat menggunakan dataset berikut untuk praktik:

Download Dataset Market Basket Analysis (CSV)

Implementasi Market Basket Analysis dengan Python

1. Import Library

import pandas as pd
from mlxtend.preprocessing import TransactionEncoder
from mlxtend.frequent_patterns import apriori, association_rules
    

2. Load Dataset

df = pd.read_csv('market_basket_dataset.csv')
df.head()
    

3. Preprocessing Data

df['Items'] = df['Items'].apply(lambda x: x.split(';'))
    

4. One Hot Encoding

te = TransactionEncoder()
te_data = te.fit(df['Items']).transform(df['Items'])
df_te = pd.DataFrame(te_data, columns=te.columns_)
    

5. Apriori Algorithm

frequent_itemsets = apriori(df_te, min_support=0.2, use_colnames=True)
    

6. Association Rules

rules = association_rules(frequent_itemsets, metric="confidence", min_threshold=0.6)
    

7. Menampilkan Hasil

rules = rules.sort_values(by='lift', ascending=False)
rules[['antecedents', 'consequents', 'support', 'confidence', 'lift']]
    

Manfaat Hasil Market Basket Analysis

• Strategi cross-selling
• Bundling produk
• Rekomendasi produk otomatis
• Optimasi layout toko
• Promosi dan diskon lebih efektif

FAQ tentang Market Basket Analysis

Apa itu Market Basket Analysis?

Teknik analisis untuk menemukan pola pembelian pelanggan.

Apa itu Support?

Frekuensi kemunculan item dalam transaksi.

Apa itu Confidence?

Tingkat kepercayaan hubungan antar item.

Apa itu Lift?

Kekuatan hubungan antar produk.

Apakah MBA hanya untuk retail?

Tidak, MBA juga digunakan di e-commerce, perbankan, dan kesehatan.

Kesimpulan

Market Basket Analysis adalah teknik penting dalam data mining yang membantu bisnis memahami perilaku pelanggan. Dengan menggunakan algoritma Apriori dan metrik seperti support, confidence, dan lift, bisnis dapat meningkatkan penjualan secara signifikan.