Market Basket Analysis (MBA)
Yo welcome back again!
Apa itu Market Basket Analysis?
Strategy
Secara sederhana beberapa istilah yang akan sering di gunakan pada Acossiation Rule ini adalah [1]:
Support adalah indikasi seberapa sering itemset muncul di dataset.
Confidence adalah indikasi seberapa sering aturan itu terbukti benar.
Lift Ratio adalah rasio dari nilai pengamatan Support , diharapkan jika dua aturan itu independen.
4 Votes
Hasil market basket analysis akan semakin baik jika item yang dilibatkan memiliki proporsi frekuensi yang seimbang. Proposi yang seimbang membantu mencegah aturan yang didominasi oleh produk yang sering muncul. Cara yang dapat digunakan agar seluruh item dalam proposi yang seimbang adalah dengan menaikkan sebagian item yang berfrekuensi rendah ke klasifikasi yang lebih tinggi sehingga frekuensi mereka menjadi meningkat. Meskipun cara tersebut memberikan solusi, namun virtual item yang dihasilkan dapat menjadi penyebab utama redudansi aturan.
Kelebihan dan Kekurangan MBA
Lalu, apasih kelebihan dan kekurangan dari Market Basket Analysis (MBA) ini? Berikut adalah kelebihan dan kekurangannya :
- Kelebihan Market Basket Analysis
- Hasilnya jelas dan mudah dimengerti sebab hanya merupakan suatu pola “jika-maka”. Misalnya: Jika produk A dan B dibeli secara bersamaan, maka kemungkinan produk C turut dibeli.
- Market basket analysis sangat berguna untuk undirected data mining, yaitu pencarian awal pola.
- Market basket analysis dapat memproses transaksi tanpa harus kehilangan informasi sebab dapat memproses banyak variabel tanpa perlu dirangkum (summarization) terlebih dahulu.
- Proses komputasi yang lebih mudah daripada teknik yang kompleks seperti algoritma genetik & sistem syaraf, meskipun jumlah perhitungan akan meningkat pesat bersamaan dengan peningkatan jumlah transaksi dan jumlah items yang berbeda dalam analisis.
2. Kekurangan Market Basket Analysis
- Tingkat pertumbuhan proses secara eksponensial sebagai akibat pertumbuhan ukuran data.
- Memiliki keterbatasan untuk atribut data, misalnya hanya berdasarkan tipe produk.
- Sulit untuk menentukan items yang akan diolah secara tepat, sebab frekuensi dari items tersebut harus diusahakan seimbang.
- Market basket analysis memiliki masalah dengan frekuensi items yang tidak merata.
Cara Kerja Market Basket Analysis
Market basket analysis bermula dari transaksi-transaksi yang berisi satu atau lebih produk atau pelayanan, dan beberapa informasi sementara dari transaksi tersebut. Untuk tujuan analysis ini kita sebut produk atau pelayanan sebagai item. Gambar di bawah ini menggambarkan lima buah transaksi dengan lima buah produk pada sebuah swalayan.
Masing-masing transaksi diatas memberikan informasi produk mana yang sering dibeli bersamaan dengan produk yang lain. Dengan data pada gambar diatas dapat dibentuk tabel Co-Occurrence yang memberikan penilaian seberapa sering hubungan antar produk dibeli bersamaan.
Gambar diatas menunjukkan hubungan antar produk pada setiap transaksi. Untuk lebih jelasnya, lihat baris ‘Soda’ dan kolom ‘Jus’. Disini terlihat bahwa soda dan jus dibeli secara bersama sebanyak 2 transaksi. Sedangkan pada baris dan kolom untuk produk yang sama menunjukkan jumlah produk tersebut dibeli oleh konsumen yang berlainan. Pada baris ’Jus’ dan kolom ’Jus’ menunjukkan bahwa transaksi yang didalamnya terdapat produk jus sebanyak 4 transaksi.
Kesimpulan sederhana dari Co-Occurence diatas antara lain :
- Jus dan soda lebih sering dibeli bersamaan dibanding yang lain.
- Deterjen tidak pernah dibeli bersama dengan pembersih kaca atau susu.
- Susu tidak pernah dibeli bersama dengan soda atau deterjen.
Nah jadi, market basket analysis ini sangat bermanfaat sekali untuk perusahaan retail apalagi di era Big Data seperti saat ini. Karena akan mengetahui kebiasaan dari customer-nya itu.
Mungkin cukup sampai disini perkenalan singkat dengan Market Basket Analysis. Di pertemuan yang akan datang kita akan mencoba untuk mempraktekkannya.
Terima kasih!
References :
Kehadiran teknologi informasi terutama basis data dalam suatu perusahaan sudah menjadi hal yang umum bahkan mungkin menjadi kebutuhan pokok perusahaan. Basis data tersebut pada mulanya hanya digunakan sebagai alat penyimpan data atau transaksi. Sejalan dengan perkembangan perusahaan, basis data tersebut mulai dimanfaatkan oleh pihak manajemen sebagai sumber analisa yang berguna untuk mengambil keputusan.
Aplikasi manajemen bisnis, pengawasan produksi, dan analisa pemasaran sampai dengan desain produksi dan eksplorasi pengetahuan (knowledge) merupakan beberapa contoh pemanfaatan basis data saat ini. Untuk memperoleh potensi pengetahuan yang sangat berguna kita dapat memanfaatkan algoritma data mining. Pengertian data mining menurut Robert Grossman adalah penemuan dari pola-pola, asosiasi-asosiasi, anomali-anomali, struktur-struktur dan perubahan-perubahan di dalam basis data berukuran besar secara semi otomatis.
Data mining juga sering disebut sebagai Associaton Rule Mining. Menurut Jiawei Han & Micheline Chamber “Association rule mining searches for interesting relationships among items in a given data set“. Dari pendapat tersebut dapat disimpulkan bahwa data mining adalah teknik untuk menampilkan pola-pola keterkaitan data dalam basis data secara otomatis. Penemuan hubungan menarik sejumlah besar data transaksi perusahaan dapat banyak membantu proses pengambilan keputusan bisnis, seperti desain katalog, cross marketing and loss-leader analysis.
Data Mining yang diaplikasikan untuk bidang usaha retail adalah analisa keranjang belanja (market basket analysis). Market basket analysis adalah suatu analisa atas perilaku konsumen secara spesifik dari suatu golongan / kelompok tertentu. Sumber data dari market basket analysis antara lain dapat bersumber dari transaksi kartu kredit, kartu lotere, kupon diskon, panggilan keluhan pelanggan. Market basket analysis umumnya dimanfaatkan sebagai titik awal pencarian pengetahuan dari suatu transaksi data ketika kita tidak mengetahui pola spesifik apa yang kita cari. Kebutuhan market basket analysis berawal dari keakuratan dan manfaat yang dihasilkannya dalam wujud aturan assosiasi (association rules). Yang dimaksud dengan association rules adalah pola-pola keterkaitan data dalam basis data.