Analisis Rekomendasi Penjualan Produk Frozen Food Dengan Menerapkan Algoritma FP-Growth (Studi Kasus: Kym Frozen)

Abstrak

Produk frozen food menjadi pilihan populer di kalangan konsumen karena kepraktisannya, daya tahan yang lama, serta kemudahan dalam penyimpanan dan penggunaan. Kym Frozen, sebagai salah satu pelaku usaha di bidang ini, menghadapi tantangan dalam memahami pola pembelian konsumen akibat data transaksi yang besar dan kompleks. Kurangnya analisis terhadap data tersebut menyebabkan strategi pemasaran menjadi kurang efektif. Untuk mengatasi permasalahan ini, penelitian ini menerapkan algoritma FP-Growth guna mengidentifikasi asosiasi produk yang sering dibeli bersamaan oleh konsumen. Nilai minimal support ditetapkan sebesar 10% agar pola yang dianalisis merupakan kombinasi produk yang benar-benar sering muncul dan relevan secara bisnis, sedangkan nilai minimal confidence sebesar 5% digunakan sebagai batas toleransi kesalahan yang umum diterima dalam analisis statistik, sehingga aturan yang dihasilkan tetap memiliki tingkat kepercayaan yang layak untuk rekomendasi. Hasil penelitian menunjukkan bahwa algoritma FP-Growthberhasil menemukan pola keterkaitan antar produk, seperti kombinasi Lumpia Udang dan Sosis Ayam yang memiliki nilai confidence tertinggi sebesar 15,80%. Sementara itu, kombinasi produk dengan nilai confidence terendah sebesar 5,30% juga dapat dimanfaatkan dalam strategi upselling dan penawaran bundling. Temuan ini diharapkan dapat membantu Kym Frozen dalam menyusun strategi promosi dan rekomendasi produk yang lebih tepat sasaran, sehingga meningkatkan efektivitas penjualan dan kepuasan pelanggan.