Penerapan Metode Exploratory Data Analysis Untuk Mengidentifikasi Faktor Peningkatan Pendapatan Pada Supermarket XYZ
Keywords:
Data Mining, Exploratory Data Analysis, Pendapatan, Penjualan, SupermarketAbstract
Perkembangan teknologi digital mendorong perusahaan ritel untuk memanfaatkan data penjualan sebagai dasar pengambilan keputusan bisnis. Penelitian ini bertujuan menerapkan data mining melalui metode Exploratory Data Analysis (EDA) untuk mengidentifikasi produk yang paling diminati, kategori produk dengan keuntungan tertinggi, wilayah dengan kontribusi penjualan terbesar, serta karakteristik konsumen berdasarkan gender pada Supermarket XYZ. Data dikumpulkan melalui observasi, wawancara, studi kepustakaan, dan dokumentasi data transaksi penjualan. Tahapan analisis mencakup pemeriksaan dan pembersihan data, pengelompokan data, analisis statistik deskriptif, serta visualisasi untuk menemukan pola dan kecenderungan penjualan. Hasil penelitian menunjukkan bahwa kategori Electronic Accessories merupakan produk yang paling banyak diminati dengan persentase pembelian sebesar 17,62%. Kategori Food and Beverages menghasilkan keuntungan tertinggi, yaitu sekitar Rp50.000, sedangkan kategori Health and Beauty memperoleh keuntungan terendah sekitar Rp10.000. Konsumen perempuan tercatat melakukan pembelian lebih banyak dibandingkan konsumen laki-laki, meskipun perbedaannya tidak signifikan. Penerapan EDA mampu menghasilkan informasi mengenai pola penjualan dan karakteristik konsumen yang dapat digunakan sebagai dasar penyusunan strategi persediaan, pemasaran, promosi, dan segmentasi pelanggan untuk mendukung peningkatan pendapatan Supermarket XYZ.
References
Abdurrahman, G. (2017). Analisis Aturan Asosiasi Data Transaksi Supermarket Menggunakan Algoritma Apriori. Jurnal Sistem & Teknologi Informasi Indonesia, 2(2), 100–111.
Aprizal, Hasriani, dan Ningsih, W. (2016). Implementasi Data Mining untuk Penentuan Posisi Barang pada Rak Menggunakan Metode Apriori pada PT Midi Utama Indonesia. Techno.com, 15(4), 335–342.
Listriani, D., Setyaningrum, A. H., dan Eka, F. (2016). Penerapan Metode Asosiasi Menggunakan Algoritma Apriori pada Aplikasi Analisis Pola Belanja Konsumen (Studi Kasus Toko Buku Gramedia Bintaro). Jurnal Teknik Informatika, 9(2), 120–127.
Maharani et al. (2017). Implementasi Data Mining untuk Pengaturan Layout Minimarket dengan Menerapkan Association Rule. Jurnal Riset Komputer, 4(4), 6–11. https://doi.org/10.30865/jurikom.v4i4.686
Nelisa dan Hadi, A. F. (2018). Perancangan Aplikasi Data Mining Transaksi Penjualan untuk Mengetahui Pola Beli Konsumen pada Toko Singgalang Padang Menggunakan Algoritma Apriori Berbasis Web. Majalah Ilmiah UPI YPTK, 25(1), 37–44.
Nurdin dan Astika, D. (2015). Penerapan Data Mining untuk Menganalisis Penjualan Barang pada Supermarket Sejahtera Lhokseumawe. Techsi: Jurnal Penelitian Teknik Informatika, 6(1), 134–155.
Rahmawati, Nasution, Y. N., dan Amijaya, F. D. T. (2017). Aplikasi Data Mining Market Basket Analysis untuk Menemukan Pola Pembelian di Toko Metro Utama Balikpapan. Jurnal Eksponensial, 8(1), 1–8.
Santoso, H., Hariyadi, I. P., dan Prayitno. (2016). Data Mining Analisis Pola Pembelian Produk. Seminar Nasional Teknologi Informasi dan Multimedia, 19–24.
Sandi, A. P. (2024). Implementasi Data Mining sebagai Penentu Persediaan Produk dengan Algoritma FP-Growth pada Data Penjualan Sinarmart.
Susanto, S., dan Suryadi, D. (2010). Pengantar Data Mining: Menggali Pengetahuan dari Bongkahan Data. Yogyakarta: Andi.
Tukey, J. W. (1977). Exploratory Data Analysis. Reading, MA: Addison-Wesley Publishing Company.
Wulandari, R. T. (2017). Data Mining: Teori dan Aplikasi RapidMiner. Yogyakarta: Gava Media.
Zai, C. (2022). Implementasi Data Mining sebagai Pengolahan Data. Portaldata, 2(3), 1–12.
