MODEL ATURAN ASOSIASI BERBASIS ALGORITMA APRIORI DAN FP-GROWTH UNTUK REKOMENDASI PRODUK KOSMETIK
DOI:
https://doi.org/10.70248/jrsit.v4i1.4529Keywords:
Apriori, Association Rule, FP-Growth, Kosmetik, Market Basket AnalysisAbstract
Pertumbuhan industri kosmetik di Indonesia yang semakin pesat meningkatkan volume dan variasi transaksi penjualan, sehingga pelaku usaha ritel kosmetik dituntut memahami pola pembelian konsumen guna menyusun rekomendasi produk, strategi cross-selling, serta penataan rak yang tepat sasaran. Penelitian ini menerapkan Market Basket Analysis melalui Algoritma Apriori dan FP-Growth untuk membentuk Association Rule dari 355 transaksi penjualan 13 jenis produk kosmetik. Nilai minimum support 5% dan minimum confidence 30% dipilih agar kombinasi item berfrekuensi sedang tetap tercakup dalam analisis, namun pola yang bersifat kebetulan dapat dihindari. Kedua algoritma menghasilkan 89 frequent itemset dan 21 Association Rule yang identik, menegaskan bahwa perbedaan keduanya hanya terletak pada strategi pencarian, bukan pada akurasi maupun kelengkapan hasil. Pola asosiasi paling signifikan (lift ratio > 1) ditemukan pada pasangan Toner dengan Sunscreen, Eyeliner dengan Powder, Toner dengan Foundation, serta Foundation dengan Mascara, yang menunjukkan keterkaitan pembelian positif antar produk skincare maupun makeup. Aturan-aturan tersebut diterjemahkan menjadi empat paket bundling siap terap, yaitu Rutinitas Skincare Dasar, Base Makeup Wajah, Makeup Mata & Wajah, serta Lip & Glow. Secara manajerial, keempat paket bundling ini dapat dimanfaatkan pelaku usaha ritel kosmetik untuk mendukung strategi cross-selling, efisiensi penataan rak, dan peningkatan nilai transaksi rata-rata pelanggan.
References
Anggrawan, A., Mayadi, M., & Satria, C. (2021). Menentukan Akurasi Tata Letak Barang dengan Menggunakan Algoritma Apriori dan Algoritma FP-Growth. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 21(1), 125–138. https://doi.org/10.30812/matrik.v21i1.1260
Butsianto, S., Candra Naya, & Anggi Muhammad Rifa’i. (2025). Implementasi Algoritma Apriori dalam Menemukan Pola Asosiasi pada Data Penjualan Produk Retail. Bulletin of Computer Science Research, 5(5), 938–947. https://doi.org/10.47065/bulletincsr.v5i5.731
Dwiputra, D., Mulyo Widodo, A., Akbar, H., & Firmansyah, G. (2023). Evaluating the Performance of Association Rules in Apriori and FP-Growth Algorithms: Market Basket Analysis to Discover Rules of Item Combinations. Journal of World Science, 2(8), 1229–1248. https://doi.org/10.58344/jws.v2i8.403
Fajrawati, Firgiawan, W., & Nur, N. (2025). Perbandingan Kinerja Algoritma Apriori dan Frequent Pattern Growth dalam Menemukan Pola Asosiasi. Jurnal Tekno Kompak, 19(2), 168–182. https://doi.org/10.33365/jtk.v19i2.128
Lestari, K. I., Putra, S., & Rilvani, E. (2025). Permasalahan Efisiensi Algoritma Apriori dan Evaluasi Fp-Growth Berdasarkan Studi Literatur. Jurnal Media Akademik, 3(7), 1–15.
Musdalifah, I., & Jananto"Analisis Perbandingan Algoritma Apriori dan FP-Growth dalam Pembentukan Pola Asosiasi Keranjang Belanja Pelanggan," Progresif: Jurnal Ilmiah Komputer, vol. 18, no. 2, p. 175, 2022, doi: 10.35889/progresif.v18i2.878.
Rachmawati, D., Cahyana, Y., Awal, E. E., & Faisal, S. (2024). Perbandingan Algoritma Apriori dan Algoritma FP-Growth dalam Menentukan Pola Penjualan Pupuk. Jurnal RESISTOR (Rekayasa Sistem Komputer), 7(1), 21–31. https://doi.org/10.31598/jurnalresistor.v7i1.1527
Rahman, I. F., & Riana, D. (2025). Market Basket Analysis untuk Penjualan Retail: Perbandingan Akurasi Algoritma Apriori dan FP-Growth Berbasis CRISP-DM. Jurnal Algoritma, 22(1), 468–479. https://doi.org/10.33364/algoritma/v.22-1.2303
Raihan, M., & Sutisna. (2024). Analisis Perbandingan Algoritma Apriori dan FP-Growth untuk Menentukan Strategi Penjualan Pada Maestro Jakarta Cafe & Space. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 5(3), 3147–3157. https://doi.org/10.35870/jimik.v5i3.994
Soepriyono, G. (2024). Penerapan Market Basket Analysis Data Mining Pada Penjualan Batik dengan Menerapkan Algoritma Apriori. Journal of Computer System and Informatics (JoSYC), 5(3), 516–525. https://doi.org/10.47065/josyc.v5i3.5198
Triayudi, A. (2022). Penerapan Algoritma Apriori Data Mining Untuk Menentukan Penyusunan Layout Barang Pada Toko Ritel. Building of Informatics, Technology and Science (BITS), 4(2), 1123–1128. https://doi.org/10.47065/bits.v4i2.2303
Tripasha, G., Atya, N., & Sutejo, H. (2026). Implementation of the FP-Growth Algorithm to Discover Item Association Patterns in Sales Transactions. 4(2).
Warisa, W., Aminah, S., & Karmila, K. (2021). Studi Kasus Penjualan Kosmetik Menggunakan Metode Association Rule (Apriori). Technologia: Jurnal Ilmiah, 12(4), 218. https://doi.org/10.31602/tji.v12i4.5630
Wijaya, A., Faqih, A., Solihudin, D., Rohmat, C. L., & Eka Permana, S. (2024). Penerapan Association Rules Menggunakan Algoritma Apriori Untuk Identifikasi Pola Pembelian. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3871–3878. https://doi.org/10.36040/jati.v7i6.8270
Yudhistira, M., Saepul Rohman, R., & Marsusanti, E. (2023). Penerapan Association Rule Menggunakan Algoritma Apriori Untuk Meningkatkan Penjualan Di Kandang Kopi Tasikmalaya. Indonesian Journal Computer Science, 2(2), 87–94. https://doi.org/10.31294/ijcs.v2i2.2497
jwashfr, "Asosiasi Transaksi Kosmetik" [Dataset], Kaggle, 2022. [Online]. Available: https://www.kaggle.com/datasets/jwashfr/asosiasi-transaksi-kosmetik. [Accessed: 27-Aug-2026].
