ANALISIS POLA PEMBELIAN BARANG VAPE MENGGUNAKAN METODE ASSOCIATION RULE MINING STUDI KASUS : DATA INVOICE PENJUALAN DI MOONVAPE CIREBON
Keywords:
association rule, data mining, fp-growthAbstract
Pertumbuhan industri vape di Indonesia menciptakan pola pembelian yang dinamis dan kompleks, sehingga diperlukan analisis berbasis data untuk memahami keterkaitan antarproduk yang dibeli konsumen. Penelitian ini bertujuan mengidentifikasi pola pembelian barang vape menggunakan metode association rule mining dengan algoritma Fp-growth berdasarkan data invoice penjualan di Moonvape Cirebon. Pendekatan Knowledge Discovery in Databases (KDD) digunakan melalui tahapan data selection, pre-processing, transformation, data mining, dan interpretation. Data transaksi yang dianalisis mencakup daftar produk dalam setiap pembelian selama periode penelitian. Fp-growth diterapkan untuk menghasilkan frequent itemset dan aturan asosiasi dengan parameter minimum support 0,04. Hasil penelitian menunjukkan adanya kombinasi produk tertentu yang sering dibeli secara bersamaan, mengindikasikan preferensi konsumen terhadap perangkat, liquid, dan aksesori komplementer. Aturan dengan nilai confidence dan lift tertinggi memberikan gambaran pola ko-pembelian yang signifikan serta potensi strategi cross-selling yang dapat diterapkan. Temuan ini bermanfaat bagi pengelola toko dalam merancang strategi pemasaran, penataan produk, dan paket bundling yang lebih efektif. Secara praktis, penelitian ini memperkuat penggunaan teknik data mining sebagai alat pengambilan keputusan berbasis pola transaksi nyata. Selain itu, penelitian ini berkontribusi pada literatur analisis pola pembelian ritel dalam konteks produk vape, yang masih terbatas dalam penelitian sebelumnya.
References
C. J. Berg, A. Melena, F. D. Wittman, T. Robles, and L. Henriksen, “The reshaping of the e-cigarette retail environment: Its evolution and public health concerns,” Int. J. Environ. Res. Public Health, vol. 19, no. 14, p. 8518, 2022, doi: 10.3390/ijerph19148518.
E. K. Do, K. Aarvig, E. M. Donovan, B. A. Schillo, D. M. Vallone, and E. C. Hair, “Underage youth continue to obtain e-cigarettes from retail sources in 2022,” Int. J. Environ. Res. Public Health, vol. 20, no. 2, p. 1399, 2023, doi: 10.3390/ijerph20021399.
N. Murukutla et al., “A content analysis of e-cigarette marketing on social media,” Front. Public Health, vol. 10, p. 1012727, 2022, doi: 10.3389/fpubh.2022.1012727.
A. Majmundar, Z. Xue, S. Asare, and N. Nargis, “Trends in public interest in shopping and point-of-sales of JUUL and Puff Bar 2019–2021,” Tob. Control, vol. 32, no. e2, pp. e236–e242, 2023, doi: 10.1136/tobaccocontrol-2021-056953.
N. K. Widiantari, N. M. D. Kurniasari, I. G. M. G. S. C. Trapika, and P. A. S. Astuti, “Vape store density and proximity to schools in Denpasar, Bali, Indonesia,” Tob. Control, vol. 33, no. e2, pp. e262–e265, 2024, doi: 10.1136/tc-2023-058037.
F. Hikmawati and K. Surendro, “Minimum threshold determination method based on dataset characteristics in association rule mining,” J. Big Data, 2021, doi: 10.1186/s40537-021-00538-3.
A. H.-L. Chen and S. Gunawan, “Enhancing retail transactions: A data-driven recommendation using modified RFM analysis and association rules mining,” Applied Sciences, vol. 13, no. 18, p. 10057, 2023, doi: 10.3390/app131810057.
O. Dogan, “A recommendation system in e-commerce with profit-support fuzzy association rule mining (P-FARM),” Journal of Theoretical and Applied Electronic Commerce Research, vol. 18, no. 2, pp. 831–847, 2023, doi: 10.3390/jtaer18020043.
Downloads
Published
Issue
Section
Citation Check
License
Copyright (c) 2026 Arya Fajri Kusuma Dewa, Nining Rahaningsih, Irfan Ali, Kaslani .

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.




