IMPLEMENTASI ALGORITMA APRIORI UNTUK MENGANALISIS POLA TRANSAKSI PENJUALAN PADA E-COMMERCE QEELA OFFICIAL

Pertumbuhan E-Commerce di Indonesia telah mendorong perubahan perilaku konsumen yang dinamis, terutama dalam pola pembelian produk Fashion. Namun, sebagian besar pelaku usaha belum memanfaatkan data transaksi secara optimal untuk merancang strategi pemasaran yang tepat sasaran. Salah satu tantangan utama adalah ketidakmampuan dalam mengenali pola pembelian pelanggan secara sistematis dari data transaksi yang kompleks dan besar. Penelitian ini bertujuan untuk menerapkan Algoritma Apriori, khususnya metode FP-Growth, dalam mengidentifikasi pola pembelian yang berulang berdasarkan kombinasi produk yang sering dibeli bersamaan pada toko Qeela Official, sebuah usaha Fashion berbasis E-Commerce. Data yang digunakan mencakup 20.000 transaksi selama periode Januari hingga April 2024, yang disampling menjadi 10.000 transaksi sesuai batasan sistem RapidMiner. Tahapan penelitian meliputi transformasi data ke format biner, konversi atribut menjadi binominal, penerapan Algoritma FP Growth, serta pembentukan aturan asosiasi menggunakan parameter minimum support sebesar 0.001 dan minimum Confidence sebesar 0.5. Hasil penelitian menunjukkan adanya pola asosiasi kuat, seperti PENDEK PARASUT → CARGO PENDEK dengan Confidence 82,1% dan lift 3,197. Temuan ini memberikan dasar yang kuat bagi pengambilan keputusan dalam penyusunan strategi bundling produk, penerapan cross-selling, rekomendasi otomatis, dan pengelolaan stok. Pendekatan data mining yang digunakan terbukti relevan dan aplikatif untuk meningkatkan efektivitas pemasaran dan efisiensi operasional pada bisnis E Commerce, khususnya di industri Fashion yang sangat kompetitif.

Kata Kunci: Algoritma Apriori, FP-Growth, E-Commerce, Data Mining, RapidMiner