Penerapan Asosiasi Produk Berbasis AI untuk Rekomendasi Bisnis di Industri 4.0 dengan Pertimbangan Analisis Perilaku Beli Konsumen

  • Sunaryono sunaryono
  • Atika ratna saridewi
  • Nur Alfi Ekowati

Abstract

Data riwayat dalam transaksi retail saat ini banyak yang belum di manfaatkan. Pada retail terkecil, meski hanya dalam jangka waktu satu jam terdapat minimal 10 transaksi. Maka dalam satu hari terdapat minimal 100 transaksi, dan dalam satu bulan terdapat minimal 3000 data transaksi. Hal tersebut tentu akan membuat jumlah data menjadi semakin besar. Apriori merupakan salah satu algoritma data mining yang digunakan untuk melakukan asosiasi terhadap produk-produk retail. Melalui algoritma ini akan ada pengetahuan baru bagi pemilik retail dalam melakukan manajemen data produk. Hal tersebut baik untuk pemasaran dan pemanfaatan probabilitas guna mengetahui prediksi dan klasifikasi tingkat penjualan dari big data riwayat transaksi retail sebelumnya.
Saat ini telah ada beberapa penelitian tentang asosiasi produk. Namun dalam penelitian-penelitian tersebut data yang diambil adalah berdasarkan perilaku beli konsumen secara langsung. Sedangkan pada penelitian ini data yang dianalisis adalah perilaku beli konsumen secara daring melalui marketplace. Selain itu penelitian ini pun menghasilkan perangkat lunak berbasis artificial intelligence dengan algoritma apriori yang dapat digunakan untuk memberikan rekomendasi bisnis pada era Industri 4.0 berdasarkan analisis perilaku beli dari data tersebut. Metode pengumpulan data pada penelitian ini adalah melalui studi pustaka , FGD (Focus Group Discussion), dan dataset statistik pada marketplace, khususnya yang ada di Indonesia. Sedangkan metode pengembangan sistem dari
penelitian ini menggunakan metode waterfall dengan tahapan-tahapan yang ada pada SDLC (Software Development Life Cycle) untuk membangun sebuah
perangkat lunak. Luaran yang diharapkan dari penelitian ini berupa publikasi ilmiah jurnal nasional, prosiding dalam pertemuan ilmiah , serta hak cipta. Perangkat lunak yang dihasilkan dari penelitian ini merupakan ranah perangkat  lunak baru yang sedang didalami oleh komunitas riset dasar.

References

[1] Erwin, 2009. Analisis Market Basket Dengan Algoritma Apriori dan
FP-Growth. 2009. Teknik Informatika. Sumatera Selatan :
Universitas Sriwijaya.
[2] Sharma, Lovee dan Vivek Srivastava. 2017. Performance
Enhancement of Information Retrieval via Artificial Intelligence.
International Journal of Scientific Research in Science, Engineering
and Technology, Volume 3, Issue 1..
[3] Witten, I. H., E. Frank, dan M. A. Hall. 2011. Data Mining Practical
Machine. Learning Tools and Techniques (3rd ed). USA: Elsevier.
[2]. Gorunescu, F. 2011.
[4] Merkel, A. (2014). Speech by Federal Chancellor Angela Merkel to
the OECD Conference. Available:
https://www.bundesregierung.de/Content/EN/Reden/ 2014/2014-02-19-oecd-merkel-paris_en.html.
[5] Schlechtendahl, J., dkk. 2015. Making Existing Production Systems
Industry 4.0-ready. Production Engineering, Vol. 9, Issue.1, pp.143-148.
[6] Kagermann, H., dkk. 2011. Industrie 4.0: Mit dem Internet der Dinge
auf dem Weg zur 4. industriellen Revolution.
http://www.vdinachrichten.com/Technik-Gesellschaft/Industrie-40-Mit-Internet-Dinge-Weg-4-industriellen-Revolution.
[7] Subianto, Totok. 2007. Studi tentang Perilaku Konsumen Beserta
Implikasinya Terhadap Keputusan Pembelian. Jurnal Ekonomi
Modernisasi Fakultas Ekonomi-Universitas Kanjuruhan Malang,
Volume 3, Nomor 3, Oktober 2007.
[8] Setiadi, Nugroho J. 2003. Perilaku Konsumen Konsep dan Implikasi
Untuk Strategi dan Penelitian Pemasaran. Bogor:Kencana
Published
2019-12-01
How to Cite
SUNARYONO, Sunaryono; SARIDEWI, Atika ratna; EKOWATI, Nur Alfi. Penerapan Asosiasi Produk Berbasis AI untuk Rekomendasi Bisnis di Industri 4.0 dengan Pertimbangan Analisis Perilaku Beli Konsumen. Teknikom: Teknologi Informasi, Ilmu Komputer dan Manajemen, [S.l.], v. 3, n. 2, p. 21-25, dec. 2019. ISSN 2598-2958. Available at: <https://journal.swu.ac.id/index.php/teknikom/article/view/118>. Date accessed: 25 apr. 2024.