ANALISIS KERANJANG BELANJA PADA DATA TRANSAKSI PENJUALAN (STUDI KASUS TOSERBA YOGYA BANJAR) SKRIPSI. Oleh TRI LESTARI H

ANALISIS KERANJANG BELANJA PADA DATA TRANSAKSI PENJUALAN (STUDI KASUS TOSERBA YOGYA BANJAR)

SKRIPSI

Oleh TRI LESTARI H24052006

DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2009

ii

ANALISIS KERANJANG BELANJA PADA DATA TRANSAKSI PENJUALAN (STUDI KASUS TOSERBA YOGYA BANJAR)

SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI pada Departemen Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor

Oleh TRI LESTARI H24052006

DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR 2009

ABSTRAK Tri Lestari H24052006. Analisis Keranjang Belanja Pada Data Transaksi Penjualan (Studi Kasus Toserba Yogya Banjar). Di bawah bimbingan Muhammad Syamsun. Dunia bisnis ritel mengalami pertumbuhan yang sangat pesat, hal ini ditandai dengan meningkatnya jumlah ritel. Umumnya setiap ritel menggunakan sistem komputerisasi dalam penyimpanan data penjualan dan pembelian yang menghasilkan data transaksi. Data transaksi tesebut dapat digunakan sebagai sumber informasi penting dalam mempertahankan keberadaan usaha tersebut. Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis ritel ini adalah dengan meningkatkan dan mempertahankan tingkat pertumbuhan penjualannya. Penelitian ini bertujuan (1) mempelajari sebuah aplikasi analisis keranjang belanja (market basket analysis) yang berkaitan dengan data transaksi penjualan yang menggunakan teknik assosiatif, (2) mengidentifikasi beberapa tipe dari kaidah asosiasi (association rules) yang berkaitan dengan data transaksi penjualan yaitu nilai-nilai support dan confidence, (3) mengetahui implikasi manajerial dari analisis keranjang belanja (market basket analysis). Penelitian ini dilaksanakan di Toserba Yogya Banjar, data yang digunakan adalah data sekunder yang bersumber dari dokumen perusahaan berupa data transaksi. Penelitian diolah dengan menggunakan software Microsoft Office Excel 2007 dan software Minitab 14. Data dianalisis dengan menggunakan algoritma apriori yang menghasilkan aturan asosiasi, dengan pola “if-then”. Aplikasi Analisis Keranjang Belanja tidak hanya digunakan untuk menentukan kecenderungan pelanggan dalam membeli barang-barang secara bersamaan, dapat melihat kapan suatu barang dibeli pada jumlah yang paling besar. Tipe kaidah asosiasi yang dihasilkan adalah jeruk lebih banyak dibeli pada waktu pembelian antara jam 17:14-21:20 WIB, mie lebih banyak dibeli pada waktu pembelian antara jam 17:14-21:20 WIB, pembelian item apabila tidak promosi maka tidak diskon, dan apabila terjadi pembelian pada buah, mie maka akan di beli minyak goreng. Implikasi manajerial, Toserba YOGYA lebih memperhatikan persediaan untuk item yang dipengaruhi oleh waktu.

iv

INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN DEPARTEMEN MANAJEMEN

ANALISIS KERANJANG BELANJA PADA DATA TRANSAKSI PENJUALAN (STUDI KASUS TOSERBA YOGYA BANJAR)

SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA EKONOMI pada Departemen Manajemen Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor

Oleh TRI LESTARI H24052006

Menyetujui, Mei 2009

Dr. Ir. Muhammad Syamsun M.Sc Dosen Pembimbing

Mengetahui,

Dr. Ir. Jono M. Munandar, M.Sc Ketua Departemen

Tanggal lulus :

RIWAYAT HIDUP

Penulis dilahirkan di Ciamis pada tanggal 16 Oktober 1986, penulis merupakan anak ketiga dari empat bersaudara pasangan Sugiono dan Tintin Rumtinah. Penulis menyelesaikan pendidikan TK YWKA Banjar pada tahun 1993, lalu melanjukan pendidikan Sekolah Dasar Banjar XIII. Pada Tahun 1999, penulis melanjutkan pendidikan di Sekolah Lanjutan Tingkat Pertama Negeri I Pataruman dan Sekolah Menengah Umum Negeri I Banjar dengan program IPA pada Tahun 2002. Pada tahun 2005, penulis diterima di Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI) di Tingkat Persiapan Bersama (TPB) dan diterima di Departemen Manajemen, Fakultas Ekonomi dan Manajemen pada tahun 2006. Selama menjalani perkuliahan, penulis berpartisipasi aktif dalam organisasi kemahasiswaan, yaitu himpunan profesi Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor yang bernama Center Of Management (COM@). Pada tahun periode 2006-2007 dan 2007-2008 penulis menjabat sebagai staff Produksi Operasi Bisnis. Penulis juga aktif pada kegiatan di lingkungan kampus seperti kepanitiaan, kegiatan olah raga seperti sportakuler dan OMI, seminar-seminar, pelatihan, panitia Masa Perkenalan Departemen.

iv

KATA PENGANTAR

Alhamdulillah, segala puji dan syukur penulis panjatkan kekhadirat Allah SWT yang telah melimpahkan rahmat, hidayah, dan karunia-Nya kepada penulis, sehingga dapat menyelesaikan skripsi ini dengan baik. Skripsi ini disusun sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Skripsi ini mengambil judul Analisis Keranjang Belanja Pada Data Transaksi Penjualan (Studi Kasus Toserba YOGYA Banjar) Usulan penelitian ini merupakan salah satu syarat untuk memperoleh gelar sarjana pada Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor. Penyusunan skripsi ini, penulis banyak dibantu oleh berbagai pihak baik secara moril maupun materiil. Oleh karena itu, penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Dr. Ir. Muhammad Syamsun, M.Sc. sebagai dosen pembimbing yang telah banyak meluangkan waktunya untuk memberikan bimbingan, saran, motivasi dan pengarahan kepada penulis. 2. Dra. Siti Rahmawati, M.Pd dan Deddy Cahyadi, S.TP, MM atas kesediaannya untuk meluangkan waktu menjadi dosen penguji. 3. Bapak Budi (store manager), Teh Linda, Pa Felix dan pihak Toserba YOGYA Banjar yang telah memberikan kesempatan bagi penulis untuk melaksanakan penelitian serta memberikan masukan dan informasi demi terselesaikannya skripsi ini. 4. Seluruh Dosen Departemen Manajemen yang telah memberikan ilmu dan pengetahuan yang berguna bagi penulis, Kepala Tata Usaha Fakultas Ekonomi dan Manajemen dan staf atas bantuan selama penulis menyelesaikan perkuliahan. 5. Kedua orang tua, saudara (Teh Rani, Mas Eko, Teh Novi, A Andri dan Yayang), keponakanku (Agung dan Iki) dan seluruh keluarga besar yang senantiasa memberikan doa yang tulus, semangat dan kasih sayang kepada penulis.

v

6. Irsam Ardiantoro atas ketulusan, kesabaran, kasih sayang, semangat, dan bantuannya dalam penyelesaian skripsi ini. 7. Heni, Ica, Nain, Rini, Dila, Lina atas indahnya persahabatan dan semangat yang telah diberikan selama ini. 8. Rara, Pei, Dewi, Anggi, Levi, Faris, Riri, Ira, yang telah memberikan indahnya persahabatan, keceriaan, dan kebersamaan selama ini serta kasih sayang, motivasi dan masukan yang telah diberikan kepada penulis. 9. Sahabat-sahabat terbaik Manajemen Angkatan 42 yang selalu bersama-sama membuat kenangan dan persahabatan yang indah serta ilmu kehidupan yang diberikan. 10. Rekan-rekan satu bimbingan: Levi, Mita, Jidor, Nceq, Indri, Agung dan Riri, untuk kerjasama dan motivasi selama proses bimbingan dan penyusunan skripsi. 11. Lulud, Fitra, Bagus, Maya, dan Yeyen untuk motivasi dan masukan yang telah diberikan kepada penulis. 12. Semua pihak yang telah membantu dalam penulisan skripsi ini. Semoga Allah SWT senantiasa memberikan pahala atas kebaikannya. Tidak ada kesempurnaan pada manusia. Penulis menyadari bahwa masih terdapat kekurangan dalam penyusunan skripsi ini. Oleh karena itu, kritik dan saran konstruktif sangat diperlukan untuk kemajuan yang lebih baik. Akhirnya, penulis berharap semoga skripsi ini bermanfaat bagi kemaslahatan umat dan bernilai ibadah dalam pandangan ALLAH SWT. Amin.

Bogor, Mei 2009

Penulis

vi

DAFTAR ISI

Halaman ABSTRAK RIWAYAT HIDUP ....................................................................................

iv

KATA PENGANTAR ................................................................................

v

DAFTAR ISI ..............................................................................................

vii

DAFTAR TABEL ......................................................................................

ix

DAFTAR GAMBAR ..................................................................................

x

DAFTAR LAMPIRAN ..............................................................................

xi

I. PENDAHULUAN ................................................................................. 1.1. Latar Belakang ............................................................................. 1.2. Perumusan Masalah ...................................................................... 1.3. Tujuan Penelitian .......................................................................... 1.4. Manfaat Penelitian ........................................................................ 1.5. Ruang Lingkup .............................................................................

1 1 4 4 5 5

II. TINJAUAN PUSTAKA ...................................................................... 2.1. Manajemen Pemasaran ................................................................. 2.2. Bauran Pemasaran ......................................................................... 2.3. Pengertian Penjualan ..................................................................... 2.4. Struktur Dasar Bisnis Ritel ............................................................. 2.4.1. Pengertian dan Jenis-jenis Pengecer .................................... 2.4.2. Peritel yang Berhasil ........................................................... 2.4.3. Perilaku Konsumen dalam Retailing ................................... 2.4.4. Toserba ............................................................................... 2.4.5. Transaksi Penjualan ............................................................ 2.5. Data Mining .................................................................................. 2.6. Proses Penggalian Data dan Penemuan Pengetahuan ..................... 2.7. Teknik-teknik Penggalian Data ..................................................... 2.8. Analisis Keranjang Belanja ............................................................ 2.9. Penelitian Terdahulu ......................................................................

6 6 7 8 8 9 13 14 15 15 16 19 20 22 25

III. METODE PENELITIAN ................................................................... 3.1. Kerangka Pemikiran Penelitian ...................................................... 3.2. Metode Penelitian ......................................................................... 3.2.1. Lokasi dan Waktu Penelitian ................................................ 3.2.2. Jenis dan Sumber Data ......................................................... 3.2.3. Metode Pengolahan dan Analisis Data ................................. 3.2.4. Algoritma Apriori ................................................................

26 26 27 27 27 28 29

IV. HASIL DAN PEMBAHASAN ........................................................... 4.1. Gambaran Umum Perusahaan ....................................................... 4.1.1. Sejarah Toserba YOGYA ....................................................

30 30 30

vii

4.1.2. Sejarah Toserba YOGYA Cabang Banjar ............................ 4.1.3. Visi dan Misi Perusahaan ..................................................... 4.1.4. Kategori Produk ................................................................... Segmentation, Targeting, Positioning Toserba YOGYA .............. Aplikasi Analisis Keranjang Belanja ............................................. Kaidah Asosiasi antara Item-item Penjualan .................................. Implikasi Manajerial .....................................................................

32 33 34 34 35 36 49

KESIMPULAN DAN SARAN ................................................................... 1. Kesimpulan ........................................................................................... 2. Saran ....................................................................................................

50 50 51

DAFTAR PUSTAKA .................................................................................

52

LAMPIRAN ...............................................................................................

53

4.3. 4.4. 4.5. 4.6.

viii

DAFTAR TABEL No. 1. 2. 3. 4.

Halaman

Jumlah Toko Ritel di Indonesia .................................................................. 2 Bidang Aplikasi Penggalian Data ............................................................... 18 Support count untuk kandidat 1 itemset ...................................................... 36 Support count untuk kandidat 2 itemset produk (mie, jeruk), waktu pembelian ....................................................... 37 5. Support count untuk kandidat 3 itemset T1 ................................................ 38 6. Support count untuk kandidat 3 itemset T2 ................................................ 38 7. Support count untuk kandidat 3 itemset T3 ................................................ 39 8. Nilai support dan confidence dari kaidah asosiasi ....................................... 39 9. Support count untuk kandidat 1 itemset ...................................................... 40 10. Support count dan support untuk 2itemset yaitu promosi dan diskon .......... 41 11. Support count dan support untuk 2itemset yaitu diskon dan waktu pembelian .................................................................................................. 41 12. Support count dan support untuk 2itemset yaitu promosi dan waktu pembelian .................................................................................................. 42 13. Support count dan support untuk 3itemset promosi, waktu pembelian dan tidak diskon ................................................................................................ 42 14. Support count dan support untuk 3itemset promosi, waktu pembelian dan diskon ........................................................................................................ 43 15. Nilai support dan confidence dari kaidah asosiasi ....................................... 43 16. Support count dan support untuk 1itemset yaitu waktu pembelian dan 5 produk ..................................................................................................... 44 17. Support count dan support untuk 2 itemset (A, B, C, D, E, F) ....................... 45 18. Support count dan support untuk 3 itemset (A, B, C, D, E, F) ....................... 46 19. Support count dan support untuk 4 itemset (A, B, C, D, E, F) ....................... 47 20. Support count dan support untuk 5 itemset (A, B, C, D, E, F) ....................... 48 21. Support count dan support untuk 6 itemset (A, B, C, D, E, F) ....................... 48

ix

DAFTAR GAMBAR No. 1. 2.

Halaman Struktur Data dari Market Basket Data ....................................................... 24 Kerangka Pemikiran ................................................................................... 27

x

DAFTAR LAMPIRAN No. 1. 2. 3.

Halaman Struktur Organisasi Toserba YOGYA Banjar ............................................. 53 Contoh Data Transaksi ............................................................................... 54 Hasil Pengolahan Data ............................................................................... 56

I. PENDAHULUAN

1.1. Latar Belakang Seiring dengan perkembangan teknologi, semakin berkembang pula kemampuan kita dalam mengumpulkan dan mengolah data. Penggunaan Sistem komputerisasi dalam berbagai bidang baik itu dalam transaksitransaksi bisnis, maupun untuk kalangan pemerintah dan sosial, telah menghasilkan data yang berukuran sangat besar. Data-data yang terkumpul ini merupakan suatu tambang emas yang dapat digunakan sebagai informasi dalam dunia bisnis. Aplikasi basis data telah banyak diterapkan dalam berbagai bidang, antara lain bidang manajemen, manajemen data untuk industri, ilmu pengetahuan, administrasi pemerintah dan bidang-bidang lainnya. Akibatnya data yang dihasilkan oleh bidang-bidang tersebut sangatlah besar dan berkembang sangat cepat. Hal ini menyebabkan timbulnya kebutuhan terhadap teknik-teknik yang dapat melakukan pengolahan data sehingga dari data-data yang ada dapat diperoleh informasi penting yang dapat digunakan untuk perkembangan pada masing-masing bidang. Perkembangan dunia bisnis ritel kembali diserbu konsumen yang ditandai dengan semakin banyaknya supermarket yang didirikan. Hampir semua supermarket menggunakan sistem komputerisasi dalam penyimpanan data penjualan dan pembelian, sehingga akan dihasilkan banyak data transaksi. Data transaksi tersebut dapat digunakan sebagai sumber informasi penting dalam mempertahankan keberadaan usaha tersebut. Catatan

statistik

menunjukan

sepanjang

1999

hanya

sektor

konsumsilah yang mencatat angka pertumbuhan positif jika mengacu pada PDB atau produk domestik bruto (menurut output) konsumsi rumah tangga mencatat pertumbuhan 3,68% sementara pemerintah mencatat pertumbuhan 0,69% hingga semester kedua tahun 2000 pertumbuhan konsumsi masih terus berlangsung mencapai 2,58% (Warta Ekonomi, 2000 : 12-13). Hal itu menunjukan bahwa keinginan membeli pada konsumen cukup besar, sehingga akan menguntungkan bagi pihak supermarket.

2

Total penjualan (hypermarket, supermarket, dan minimarket) selama tahun 2002-2006, rata-rata tumbuh 19,75% per tahun. Tahun 2007, geraigerai hypermarket dan minimarket diprediksi tumbuh 25%. Hypermarket dan Carrefour masing-masing bakal menambah 10 outlet, sedangkan Alfamart dan Indomart masing-masing 400 toko, sementara itu, supermarket juga masih bertumbuh, meskipun hanya single digit (Marketing 2007: 29-30). Perkembangan industri ritel di Indonesia dapat ditunjukkan dari jumlah toko ritel yang cenderung mengalami peningkatan dari setiap jenis ritel yang ada di Indonesia selama tahun 2004-2006. Jumlah toko ritel di Indonesia selama tahun 2004-2006 dapat dilihat dalam Tabel 1. Tabel 1. Jumlah Toko Ritel di Indonesia 2006

2005

2004

1,846,752

1,787,897

1,745,589

Convenience Stores

120

115

154

Total Hypermarkets

105

83

68

26

24

22

Total Minimarkets

7,356

6,465

5,604

Total Supermarkets

1,311

1,152

956

1,855,670

1,795,736

1,752,393

Traditional Grocery Stores

Total Warehouse Clubs

Total Universe

Sumber : AC Nielsen dalam Marketing, 2007 Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis ritel ini adalah dengan meningkatkan dan mempertahankan tingkat pertumbuhan penjualannya. Pendekatan yang dapat dilakukan dalam rangka meningkatkan volume penjualan tersebut adalah dengan memahami dan mengetahui pola perilaku belanja konsumen. Pengetahuan tentang pola perilaku belanja tersebut kemudian dapat dimanfaatkan untuk menyusun tata letak rak toko sedemikian rupa sehingga memberikan kemudahan bagi konsumen

dalam

melakukan

pembelian,

dan

dapat

meningkatkan

kemungkinan munculnya keinginan membeli (impulse buying). Pada sebuah supermarket dapat digali berbagai macam informasi dari data transaksi pembelian produk-produk. Asosiasi antara jenis-jenis produk yang dibeli konsumen, kemasan (packing) produk yang disukai konsumen,

3

dan kapan produk tertentu banyak dibeli, merupakan informasi yang dapat digunakan pihak supermarket dalam mengatur peletakan produk di etalase dan rak barang, sehingga dapat membantu pelayan supermarket dan konsumen dalam mencari dan mengingat kembali bila lupa. Pihak supermarket dapat menentukan kapan perlu mendatangkan lebih banyak jenis produk tertentu pada waktu-waktu tertentu. Keputusan-keputusan ini pada akhirnya dapat membantu supermarket untuk lebih mengoptimalkan kinerja. Salah satu metode yang dapat digunakan untuk menganalisis pola perilaku belanja konsumen adalah analisis keranjang belanja (market basket analysis). Analisis ini merupakan salah satu metode dalam penambangan data (data mining) yang bertujuan untuk menemukan produk-produk yang sering dibeli bersamaan dari data transaksi. Tujuan analisis ini pada transaksi penjualan adalah untuk merancang strategi penjualan atau pemasaran yang efektif dengan memanfaatkan data transaksi penjualan yang telah tersedia di supermarket. Penggunaan teknik data mining, orang tidak perlu melakukan analisis secara manual, melainkan dapat menggunakan analisis keranjang belanja. Kota Banjar adalah salah satu kota yang ada di Provinsi Jawa Barat yang berbatasan dengan Provinsi Jawa Tengah yaitu Kabupaten Cilacap dan menjadi pintu utama jalur lintas selatan Jawa Barat, untuk membedakan dengan Banjarnegara yang berada di Jawa Tengah, kota ini biasa disebut Banjar Patoman (dari nama asal Banjar Pataruman). Kota ini diresmikan oleh Menteri Dalam Negeri pada tanggal 21 Februari 2002 dan memiliki luas wilayah 13.197,23 Ha serta terbagi dalam 4 kecamatan. Toserba YOGYA Banjar merupakan cabang Yogya Departement Store yang ke 43. Terletak di Jalan Letnan Jendral Suwarto No. 36 di Kompleks Pertokoan di pusat kota Banjar. YOGYA Group ini merupakan perusahaan ritel dengan format supermarket dan department store. Perusahaan ini selalu berusaha mewujudkan kepuasan bagi konsumen dengan menyediakan produk yang berkualitas, layanan yang unggul, dan akrab bersahabat, serta dalam suasana belanja yang menyenangkan, namun karena terjadi persaingan dengan perusahaan lainnya maka diperlukan strategi-

4

strategi untuk mempertahankan perusahaanya. Sehubungan dengan itu perusahaan

harus

mengerti

konsumennya untuk

apa

yang

sebenarnya

diinginkan

memberikan kenyamanan dalam

oleh

berbelanja di

supermarket, hal ini menjadi menarik untuk diteliti dengan melihat beberapa hubungan yang terjadi antara produk, waktu pembelian, diskon, dan promosi. 1.2. Perumusan Masalah Adapun masalah yang akan dibahas dalam penelitian ini adalah sebagai berikut : 1. Bagaimana mengembangkan sebuah aplikasi analisis keranjang belanja (market basket analysis) yang berkaitan dengan data transaksi penjualan yang menggunakan teknik assosiatif ? 2. Bagaimana output yang akan dihasilkan dari kaidah asosiasi (association rules) yang berkaitan dengan data data penjualan yaitu nilai-nilai support dan confidence ? 3. Bagaimana implikasi manajerial dari analisis keranjang belanja (market basket analysis) ? 1.3. Tujuan Berdasarkan perumusan masalah yang telah dibahas sebelumnya, maka tujuan dari penelitian ini adalah sebagai berikut : 1. Mempelajari sebuah aplikasi analisis keranjang belanja (market basket analysis)

yang

berkaitan dengan data transaksi penjualan yang

menggunakan teknik assosiatif di Toserba Yogya Banjar. 2. Mengidentifikasi beberapa tipe dari kaidah asosiasi (association rules) yang berkaitan dengan data transaksi penjualan yaitu nilai-nilai support dan confidence. 3. Memberikan implikasi manajerial dari analisis keranjang belanja (market basket analysis).

5

1.4. Manfaat Manfaat yang dapat diambil dari penelitian ini adalah sebagai berikut : 1. Bagi

pemilik

lembaga

swalayan

membantu

dalam

menganalisis

kecenderungan atau pola konsumsi yang dimiliki oleh pelanggan masingmasing, menentukan kapan perlu mendatangkan lebih banyak jenis produk tertentu pada waktu-waktu tertentu, dan memberikan Informasi yang dapat digunakan dalam menentukan tata letak rak toko yang baru, menetapkan produk-produk mana yang akan diletakan dalam tempat yang khusus, serta dapat

digunakan

untuk

mengidentifikasi

ketika

persoalannya

berpasangan/kupon (issue coupons). 2. Bagi penulis, diharapkan dapat menambah wawasan penulis dalam rangka menerapkan

ilmu-ilmu

manajemen

khususnya

mengenai

Analisis

Keranjang Belanja. 3. Bagi peneliti selanjutnya, penelitian ini diharapkan dapat memberikan informasi, ilmu dan bahan pembanding, untuk penelitian selanjutnya. 1.5. Ruang Lingkup Kegiatan penelitian ini dibatasi pada asosiasi antara jenis-jenis produk yang dibeli konsumen dengan menggunakan analisis keranjang belanja, sehingga dapat menentukan pola berupa produk-produk yang sering dibeli bersamaan atau cenderung muncul bersamaan dalam sebuah transaksi yang pada umumnya berukuran sangat besar, item dibatasi yaitu produk (mie, jeruk, telur, buah, susu, minyak goreng), waktu pembelian, diskon, dan promosi.

6

II. TINJAUAN PUSTAKA

2.1. Manajemen Pemasaran Menurut Kotler (2005), manajemen pemasaran sebagai seni dan ilmu untuk memilih pasar sasaran serta mendapatkan, mempertahankan, dan menambah jumlah pelanggan melalui penciptaan, penyampaian, dan pengkomunikasian nilai pelanggan yang unggul. Pemasaran adalah proses sosial yang dengan proses itu individu dan kelompok mendapatkan apa yang mereka butuhkan dan inginkan dengan menciptakan, menawarkan, dan secara bebas mempertukarkan produk dan jasa yang bernilai dengan pihak lain. Pemasar adalah seorang yang mencari tanggapan (perhatian, pembelian, pemberian suara, sumbangan) dari pihak lain yang disebut calon pelanggan. Tugas pemasar adalah menyusun program atau rencana pemasaran untuk mencapai tujuan yang diinginkan perusahaan. Strategi pemasaran adalah rencana yang menyeluruh, terpadu, dan menyatu di bidang pemasaran, yang memberikan panduan tentang kegiatan yang akan dijalankan untuk dapat tercapainya tujuan pemasaran suatu perusahaan (Assauri, 2004). Strategi pemasaran yang paling utama adalah segmentation, targeting, dan positioning (Kotler, 2005). 1. Segmentasi Strategi segmentasi merupakan bagian yang paling penting dalam menentukan kesuksesan suatu perusahaan. Segmentasi adalah proses membagi pasar yang bersifat heterogen ke dalam beberapa segmen sehingga masing-masing segmen cenderung bersifat homogen dalam segala aspek. Variabel segmentasi utama yang digunakan untuk pasar konsumen adalah geografi, demografi, psikografi, perilaku dan individual. 2. Targeting Menurut Kotler (2005), penentuan pasar sasaran atau targeting penting untuk dilakukan setelah perusahaan menetapkan segmen pasar yang memiliki peluang paling besar. Perusahaan-perusahaan akan berhasil secara gemilang apabila mereka cermat dalam memilih pasar sasaran dan mempersiapkan program pemasaran yang dirancang khusus untuk masing-

7

masing pasar tersebut. Targeting merupakan pemilihan satu atau lebih segmen yang dianggap paling potensial dan menguntungkan, sekaligus mengembangkan produk dan program pemasaran untuk segmen-segmen yang dipilih. Perusahaan perlu mengevaluasi sebelum melakukan pemilihan segmen pasar yang berbeda, dengan memperhatikan daya tarik segmen secara keseluruhan serta tujuan dan sumberdaya perusahaan. Perusahaan dapat mempertimbangkan lima pola pemilihan pasar sasaran yaitu (1) konsentrasi segmen tunggal, (2) spesialisasi selektif, (3) spesialisasi produk, (4) spesialisasi pasar, dan (5) cakupan ke seluruh pasar. 3. Positioning Positioning adalah strategi yang berusaha menciptakan diferensiasi yang unik dalam benak pelanggan sasaran sehingga terbentuk citra merek atau produk yang lebih unggul dibandingkan merek produk pesaing. Hasil akhir penetapan posisi adalah keberhasilan penciptaan proporsi nilai yaitu alasan yang meyakinkan pelanggan untuk membeli produk perusahaan (Kotler, 2005). 2.2. Bauran Pemasaran Kotler (2005), mengemukakan bauran pemasaran adalah seperangkat alat pemasaran yang digunakan perusahaan untuk mencapai tujuan pemasarannya dalam pasar sasaran. Bauran ini terdiri dari empat unsur, yang biasa disebut empat P (4P), yaitu produk (product), harga (price), tempat/ distribusi (place), dan promosi (promotion). 1. Produk (product) Produk merupakan alat bauran pemasaran yang paling mendasar dan pokok. Produk menjadi penawaran berwujud produsen kepada pasar, yang mencakup kualitas, rancangan, bentuk, merek, dan kemasan produk. Strategi produk dikonsentrasikan pada pengembangan produk yang tepat bagi pasar yang ingin dituju. 2. Harga (price) Strategi ini meliputi pemilihan metode penetapan harga produk, memodifikasi harga yang sudah ada serta menetapkan dan menanggapi

8

perubahan harga. Tujuan dari strategi ini adalah untuk mempertahankan pangsa pasar, mencapai keuntungan yang maksimum, memperoleh pendapatan maksimum, dan mencapai pertumbuhan penjualan yang tinggi. Produsen harus menentukan apa yang ingin dicapai dari produk yang dipasarkannya, sebelum penetapan harga tersebut dilakukan, dengan mempertimbangkan faktor pelanggan, pesaing, dan biaya produksi. 3. Tempat/ distribusi (place) Kegiatan ini bertujuan mengantarkan produk ke konsumen dan menyediakan bagi pelanggan sasaran. Produsen harus mengerti berbagai jenis pengecer, pedagang grosir, perusahaan distribusi fisik dan bagaimana mereka membuat suatu keputusan. 4. Promosi (promotion) Promosi meliputi semua kegiatan yang dilakukan perusahaan untuk mengkomunikasikan dan mempromosikan produknya kepada pasar. Perusahaan harus membuat komunikasi dan promosi yang terdiri dari iklan, promosi penjualan, hubungan masyarakat serta pemasaran langsung maupun online. Promosi penting bagi produsen dalam meningkatkan nilai penjualan dan pertumbuhan produk. 2.3. Pengertian Penjualan Menurut Assauri (2004), kegiatan penjualan merupakan kegiatan pelengkap dari pembelian untuk memungkinkan terjadinya transaksi. Kegiatan pembelian dan penjualan merupakan satu kesatuan agar terlaksananya transfer hak atau transaksi. Oleh karena itu, kegiatan penjualan seperti halnya kegiatan pembelian, terdiri dari serangkaian kegiatan yang meliputi penciptaan permintaan, menemukan si pembeli, negosiasi harga, dan syarat-syarat pembayaran. Penjual harus menentukan kebijaksanaan dan prosedur yang akan diikuti untuk memungkinkan dilaksanakannya rencana penjualan yang telah ditetapkan. 2.4. Struktur Dasar Bisnis Ritel (Usaha Eceran) Menurut Sopiah dan Syihabudhin (2008), berlanjutnya pertumbuhan ekonomi dan meningkatnya rata-rata pendapatan yang bisa dibelanjakan

9

memperbesar permintaan atau akan memperbanyak toko eceran yang lebih khusus dan spesifik. Pemasaran adalah kegiatan memasarkan barang atau jasa secara umum kepada masyarakat dan secara khusus kepada pembeli potensial. Kegiatan perdagangan besar dan perdagangan eceran sangatlah penting dalam proses penyaluran barang dan jasa. Ada dua kepentingan mengapa produk perlu ditempatkan agar konsumen bisa dengan mudah memperolehnya. 1. Kepentingan pertama adalah kepentingan produsen, yakni kepentingan terhadap produknya agar ditempatkan di posisi yang layak dengan maksud agar konsumen terstimulasi untuk membelinya. 2. Kepentingan kedua adalah kepentingan pengecer yang berkeinginan agar konsumen

terstimulasi untuk membeli produk yang ditawarkan

oleh

berbagai produsen Perdagangan eceran memegang peranan yang sangat penting, baik ditinjau dari sudut produsen, pedagang eceran dipandang sebagai pihak yang ahli dalam bidang penjualan produk perusahaannya. Pengecer ujung tombak perusahaan yang sangat menentukan laku atau tidaknya produk perusahaan. Sementara jika dipandang dari sudut konsumen, pedagang eceran juga memiliki peranan yang sangat penting. Pedagang eceran bertindak sebagai agen yang membeli, mengumpulkan, dan menyediakan barang atau jasa untuk memenuhi kebutuhan atau keperluan pihak konsumen. 2.4.1. Pengertian dan Jenis-jenis Pengecer Menurut Kotler (1997), usaha eceran (retailing) meliputi semua kegiatan yang terlibat dalam penjualan barang atau jasa secara langsung ke konsumen akhir untuk penggunaan pribadi dan bukan bisnis. Menurut Meyer et al. (1988), Semua fungsi atau kegiatan yang melibatkan penjualan (atau sewa) barang dan jasa kepada pengguna akhir, yang termasuk rumah tangga, perorangan, dan lainnya yang membeli barang atau jasa untuk konsumsi akhir. Pengecer atau toko eceran adalah usaha bisnis yang volume penjualannya terutama berasal dari penjualan eceran. Menurut The American Marketing Association, pengecer didefinisikan sebagai seorang pedagang yang kegiatan

10

pokoknya melakukan penjualan secara langsung kepada konsumen akhir. Definisi ini didasarkan kepada siapa mereka menjual. Jadi, perdagangan eceran meliputi semua kegiatan pemasaran yang berhubungan dengan usaha-usaha untuk menjual kepada konsumen akhir ( Swastha, 1979 ). Pengecer dapat digolongkan menurut luasnya lini produk (LP), bentuk pemilikan, penggunaan fasilitas, dan ukuran toko (Swastha, 1979). 1. Lini Produk Lini Produk adalah sekelompok barang yang memiliki tujuan penggunaan yang sama, misalnya alat-alat rumah tangga, alat-alat olah raga, makanan dan minuman, dll dari sebuah toko serba ada.

Berdasarkan luasnya lini produk, pengecer dapat dibagi ke

dalam beberapa kategori sebagai berikut (Kotler dan Susanto, 2001): a. Toko khusus, yaitu toko yang menjual satu macam barang atau LP yang lebih sempit dengan ragam yang lebih banyak dalam lini tersebut. Contoh pengecer khusus adalah toko alatalat olah raga, toko pakaian, toko meubel, toko bunga, dan toko buku. Biasanya volumenya tidak terlalu besar, milik pribadi, dan badan hukumnya berbentuk usaha perorangan, firma atau CV. Toko khusus dapat diklasifikasikan lagi menurut tingkat kekhususan LP nya. Toko pakaian merupakan toko lini tunggal, toko pakaian pria merupakan toko sangat khusus. b. Toko serba ada, yaitu toko yang menjual berbagai macam LP.

Biasanya toko seperti ini mempunyai volume usaha

yang besar, kondisi keuangannya lebih kuat, dan badan hukumnya berbentuk perseroan terbatas atau paling tidak berbentuk CV. c. Pasar Swalayan, yaitu toko yang merupakan operasi relatif besar, berbiaya rendah, margin rendah, volume tinggi, swalayan, yang dirancang untuk melayani semua kebutuhan

11

konsumen seperti makanan, cucian, dan produk-produk perawatan rumah tangga. d. Toko Convenience, yaitu toko yang relatif kecil dan terletak di daerah pemukiman atau di jalur high traffic, memiliki jam buka yang panjang (24 jam) selama tujuh hari dalam seminggu, dan menjual LP convenience yang terbatas seperti minuman, makanan ringan, permen, rokok, dll. Tingkat perputarannya yang tinggi, jam buka yang panjang dan karena konsumen hanya membeli di toko ini hanya sebagai pelengkap menyebabkan toko ini menjadi suatu operasi dengan harga tinggi. e. Supermarket, Toko Kombinasi dan Hypermarket Supermarket rata-rata memiliki ruang jual 35.000 kaki persegi konsumen makanan

dan

bertujuan

untuk secara

memenuhi

pembelian rutin.

semua

makanan

Mereka

kebutuhan

maupun

biasanya

bukan

menawarkan

pelayanan seperti cucian, membersihkan, perbaikan sepatu, penguangan cek, dan pembayaran tagihan, serta makan siang murah. Toko kombinasi merupakan diversifikasi usaha pasar swalayan ke bidang obat-obatan, dengan luas ruang jual sekitar 55.000 kaki persegi. Hypermarket lebih besar lagi, berkisar antara 80.000 sampai 220.000 kaki persegi. Pasar ini tidak hanya menjual barang-barang yang rutin dibeli tetapi juga meliputi meubel, perkakas besar dan kecil, pakaian, dan banyak jenis lainnya. f. Toko Diskon, yaitu toko yang menjual secara reguler barang-barang standar dengan harga lebih murah karena mengambil marjin yang lebih rendah dan menjual dengan volume yang lebih tinggi. nasional,

bukan

barang

Umumnya menjual merek

bermutu

rendah.

Pengeceran

diskon telah bergerak dari barang dagangan umum ke khusus, seperti toko diskon alat-alat olah raga, toko elektronik,

12

dan toko buku (Kaikati, 1985). g. Pengecer Potongan Harga Pengecer potongan harga membeli pada harga yang lebih rendah daripada harga grosir dan menetapkan harga pada konsumen lebih rendah daripada harga eceran. Mereka cenderung menjual persediaan barang dagangan yang berubahrubah dan tidak stabil sering merupakan sisa, tidak laku, dan cacat yang diperoleh dengan harga lebih rendah dari produsen atau pengecer lainnya. Pengecer potongan harga telah berkembang pesat dalam bidang pakaian, aksesoris, dan perlengkapan kaki. h. Ruang Jual Katalog, yaitu toko yang menjual cukup banyak pilihan produk-produk dengan marjin tinggi, perputarannya cepat, bermerek, dengan harga diskon. Produk-produk yang dijual meliputi perhiasan, alat-alat pertukangan, kamera, koper, perkakas kecil, mainan, dan alat-alat olah raga. i. MOM & POP Store, yaitu toko berukuran relatif kecil yang d ikelola secara tradisional, umumnya hanya menjual bahan pokok

atau kebutuhan sehari-hari yang terletak di daerah

perumahan atau pemukiman. Jenis toko ini dikenal sebagai toko kelontong. j. Mini Market yaitu toko berukuran relatif kecil yang merupakan pengembangan dari Mom & Pop Store, dimana pengelolaannya lebih modern, dengan jenis barang dagangan lebih banyak. 2. Bentuk Pemilikan Menurut bentuk pemilikannya, pengecer dapat digolongkan ke dalam dua kategori sebagai berikut: a. Independent store, yaitu toko yang tidak dimiliki oleh sekelompok orang, melainkan milik pribadi seseorang yang juga merupakan pimpinan dari toko tersebut.

Dalam

kategori ini, pengusaha lebih bebas dalam menentukan

13

kebijaksanaan dan strategi pemasarannya. b. Corporate chain store yaitu beberapa toko yang berada di bawah satu organisasi, dan dimiliki oleh sekelompok orang. Masing-masing toko menjual LP yang sama dan struktur distribusinya juga sama. 3. Penggunaan Fasilitas Pengecer dapat digolongkan menurut penggunaan fasilitas d alam memasarkan produk mereka ke konsumen, yakni toko pengecer dan pengecer tanpa toko. Toko pengecer dapat dijumpai di mana-mana, seperti yang telah disebut di atas. Sedangkan pengecer tanpa toko terdiri dari tiga jenis yaitu penjualan dari rumah ke rumah (door to door saleman), penjualan melalui pos (mail order selling) atau elektronik, dan penjualan dengan mesin otomatis (automatic vending machine). 4. Ukuran Toko Menurut ukuran toko, pengecer dapat digolongkan ke dalam dua kelompok, yakni pengecer kecil dan pengecer besar. Pembedaan ini dapat didasarkan pada banyak faktor, diantaranya volume penjualan, manajemen, kegiatan promosi, kondisi keuangan, pembagian tenaga kerja, fleksibilitas dalam operasi, integrasi horisontal dan vertikal, dan merek pengecer. 2.4.2. Peritel yang Berhasil Menurut Sopiah dan Syihabudin (2008), peritel yang berhasil adalah yang paling bisa menyesuaikan barang dan jasanya dengan permintaan. Hal-hal yang perlu diperhatikan dalam perdagangan eceran adalah 7T (Tepat) yaitu : 1. Tersedianya barang yang tepat 2. Pada saat yang tepat 3. Di tempat yang tepat 4. Dalam kuantitas yang tepat 5. Dengan harga yang tepat

14

6. Penjualan dengan cara yang tepat 7. Dalam kualitas yang tepat 2.4.3. Perilaku Konsumen dalam Retailing Menurut Sopiah dan Syihabudhin (2008), khusus dalam pembelian ritel terdapat pola perilaku tertentu pada konsumen, pola perilaku tersebut terbagi kedalam tujuh kategori, dimana masingmasing kategori bisa berubah urutannya. Pada dasarnya setiap manusia berbeda, perilakunya pun berbeda walaupun perilaku tersebut relatif sama. Pola perilaku tersebut sebagai berikut : 1. Perilaku sebelum pembelian (Pre-purchase) Pada tahap sebelum pembelian, ada dua tahapan perilaku konsumen, yaitu: a. Konsumen mencari informasi sebanyak-banyaknya dengan membaca koran, majalah, buletin, mendengarkan siaran radio, melihat TV, mencari informasi dari teman,orang tua, pramuniaga, dan lain-lain. b. Perilaku pada tahap kedua, konsumen berusaha mendapatkan uang, mengambil uang tunai di bank, mengambil uang di ATM, meminjam teman, menggunakan kartu kredit, atau menggunakan kartu debet bank tertentu. 2. Perilaku pembelian (Purchase) Ada lima tahap perilaku konsumen yaitu : a. Store contact Pada tahap ini, konsumen memilih lokasi belanja yang dirasa cocok, memasuki toko, dan memilih produk yang dicari. b. Product contact Pada tahap ini, konsumen memilih dan menemukan produk yang dicari, lalu membawanya ke kasir untuk melakukan pembayaran. c. Transaction Pada tahap ini, konsumen membayar barang yang telah di pilih di kasir dan membawa produk untuk dikonsumsi.

15

d. Consumption Pada tahap ini, konsumen menggunakan produk, membuang sisanya jika ada, dan melakukan pembelian ulang jika konsumen merasa puas. e. Communication Di tahap terakhir ini, konsumen memberikan informasi tentang produk yang baru dikonsumsi tersebut kepada orang lain, mengisi kartu garansi (jika ada) dan memberikan informasi tentang produk, harga, pelayanan, dan lain-lain kepada peritel.

2.4.4. Toko Serba Ada (Toserba) Toserba atau bisa juga disebut department stores adalah toko ritel yang memilki ragam lini produk yang banyak serta dikelompokkan sesuai kategori lini produknya, seperti pakaian, furniture, mainan, book, peralatan olah raga, dan perabot rumah tangga (Sopiah dan Syihabudin, 2008). Setiap lini beroperasi sebagai suatu departemen tersendiri yang dikelola oleh pembeli atau pedagang khusus. Beberapa department store yang masuk dalam industri ini kebanyakan memiliki tipe relatif sama dengan retailer lainnya, dengan lebih menekankan pada harga rendah serta sedikit layanan (low-price few-services). Department store telah mengubah keberadaan model layanan toko dan menambah beberapa layanan (counter). Kebanyakan dari toko tersebut membuka usaha dengan sistem sewa. Pemilik department store menyewakan outlet kepada pengusaha mandiri, yang akan membayar kepada pihak departemen berdasarkan persentase pendapatannya.

2.4.5. Transaksi Penjualan Setiap aktivitasnya toserba melakukan transaksi penjualan dan transaksi pembelian yang datanya ditampung dalam komputer. Transaksi

penjualan

merupakan

aktivitas

perusahaan

yang

menimbulkan perubahan terhadap posisi harta keuangan perusahaan

16

melalui kegiatan penjualan, begitu juga dengan transaksi pembelian yang dapat merubah harta perusahaan melalui pembelian kepada pemasok.

2.5. Data Mining Data mining merupakan suatu proses ekstraksi infomasi berguna dan potensial dari sekumpulan data yang terdapat secara implisit dalam suatu basis data. Menurut David Olson dan Yong Shi (2008), penggalian data sering disebut juga analisis data eksploratif. Data dalam jumlah besar yang diperoleh dari mesin kasir, pemindahan bar code dan dari berbagai data dalam perusahaan kemudian ditelaah, dianalisis, dihapus, dan dipakai ulang. Pencarian-pencarian dilakukan pada model-model yang berbeda untuk memprediksi penjualan, respon pasar, dan keuntungan. Perangkat penggalian data harus lincah, dapat diskalakan, dan dapat secara akurat memprediksi respon antara tindakan dan hasil, serta dapat secara otomatis diimplementasikan. Lincah (versatile) mengacu pada kemampuan perangkat untuk menerapkan banyak variasi model. Perangkat yang dapat diskalakan (scalable) secara tidak langsung berarti bahwa jika perangkat dapat berfungsi dengan kelompok data yang kecil, perangkat itu akan berfungsi untuk kelompok data yang besar. Penggalian data berkembang dengan cepat, mendatangkan banyak manfaat bagi bisnis, dua bidang aplikasi yang sangat menguntungkan adalah penggunaan segmentasi pelanggan oleh perusahaan-perusahaan pemasaran untuk mengidentifikasi mereka yang berpeluang lebih besar merespon bentuk-bentuk media pemasaran yang berbeda. Menurut IBM model data mining dapat di bagi menjadi dua bagian yaitu: 1. Verification Model Model ini menggunakan perkiraan (hypothesis) dari pengguna, dan melakukan tes terhadap perkiraan yang diambil sebelumnya dengan menggunakan data-data yang ada. Penekanan terhadap model ini adalah terletak pada user yang bertanggung jawab terhadap penyusunan perkiraan

17

(hypothesis) dan permasalahan pada data untuk meniadikan atau menegaskan hasil perkiraan (hypothesis) yang diambil. Sebagai contoh dalam bidang pemasaran, sebelum sebuah perusahaan mengeluarkan suatu produk baru ke pasaran, perusahaan tersebut harus memiliki informasi tentang kecenderungan pelanggan untuk membeli produk yang akan dikeluarkan. Perkiraan (hypothesis) dapat disusun untuk mengidentifikasi pelanggan yang potensial dan karakteristik dari pelanggan yang ada. 2. Discovery Model Model ini berbeda dengan verification model, dimana pada model ini sistem secara langsung menemukan informasi-informasi penting yang tersembunyi dalam suatu data yang besar. Data-data yang ada kemudian dipilih untuk menemukan suatu pola, trend yang ada, dan keadaan umum pada saat itu tanpa adanya campur tangan dan tuntutan dari pengguna. Pada data-data yang ada selanjutnya diadakan proses pencarian tanpa adanya proses perkiraan (hypothesis) sebelumnya. Sampai akhirnya semua pelanggan dikelompokan berdasarkan karakteristik yang sama. Efektivitas diperoleh dalam data mining, seseorang harus melakukan evaluasi kebutuhan dan memperhitungkan tantangan-tantangan apa saja yang mungkin dihadapinya dalam mengembangkan suatu teknik data mining. Halhal yang harus diperhatikan untuk memperoleh efektifitas tersebut antara lain adalah sebagai berikut: 1. Penanganan berbagai tipe data 2. Efisiensi dari algoritma data mining 3. Kegunaan, kepastian dan keakuratan hasil 4. Ekspresi terhadap berbagai jenis hasil 5. Memperoleh informasi dari sumber-sumber data yang berbeda 6. Proteksi dan keamanan data Kebutuhan akan data mining semakin dirasakan dalam berbagai bidang. Data mining bersifat dependen terhadap aplikasi terkait, ini berarti untuk aplikasi basis data yang berbeda, teknik data mining yang digunakannya mungkin juga akan berbeda. Hal ini dikarenakan terdapat kelebihan dan kekurangan dari masing-masing metode pencarian informasi,

18

sehingga kita harus menyesuaikan antara keperluan dan kebutuhan akan informasi dengan penerapan teknik pencarian yang akan digunakan. Penggalian data sangat efektif dalam banyak bidang bisnis. Kuncinya adalah menemukan informasi yang dapat ditindaklanjuti (actionable), atau informasi yang dapat dimanfaatkan

dalam cara yang kongkrit untuk

meningkatkan keuntungan. Beberapa pengaplikasian yang paling awal adalah dalam bisnis ritel, terutama dalam bentuk analisis keranjang belanja dapat dilihat pada Tabel 2. Tabel 2. Bidang Aplikasi Penggalian Data Bidang Aplikasi Bisnis ritel

Aplikasi Penempatan berdasarkan afinitas Penjualan silang (crossselling)

Spesifik Posisi produk secara efektif

Perbankan

Manajemen hubungan pelanggan (CRM)

Identifikasi nilai pelanggan, mengembangkan program untuk memaksimalkan pendapatan

Manajemen Kartu Kredit

Lift Churn

Mengidentifikasi segmen pasar yang efektif Mengidentifikasi perpindahan pelanggan ke pesaing

Asuransi

Deteksi penipuan

Mengidentifikasi klaim mencurigakan yang perlu diselidiki

Telekomunikasi Telemarketing

Churn Informasi Online

Membantu telemarketer dengan akses data yang lebih mudah

Manajemen Sumber Daya Manusia

Churn

Mengidentifikasi potensi perpindahan karyawan

Mencari lebih banyak produk untuk pelanggan

Penggalian data menawarkan informasi prediktif yang sangat berharga kepada bisnis ritel (secara umum) dan toko barang kebutuhan sehari-hari (secara spesifik) dari sejumlah besar data. Penempatan berdasarkan afinitas (affinity positioning) berdasarkan pada identifikasi produk yang mungkin ingin dibeli oleh pelanggan yang sama, oleh karena itu secara pemasaran masuk akal jika

menempatkan kedua barang tersebut secara berdekatan.

Penjualan silang (cross-selling) merupakan konsep yang terkait, pengetahuan

19

tentang produk mana yang sering terjual bersamaan dapat digunakan dengan cara memasarkan produk komplementernya. Toko yang menjual barang kebutuhan sehari-hari melakukannya dengan menentukan posisi lokasi rak produk tersebut. Toko ritel yang mengandalkan iklan dapat mengirim iklan untuk menjual kemeja dan dasi kepada mereka yang baru saja membeli jas. Strategi-strategi ini telah lama digunakan oleh toko-toko ritel yang cerdik, namun penggalian data menyediakan kemampuan untuk mengidentifikasi afinitas produk yang tidak terduga dan kesempatan untuk penjualan silang. 2.6. Proses Penggalian Data dan Penemuan Pengetahuan Proses standar industri yang sering digunakan berisi rangkaian langkah yang biasanya dilakukan dalam penggalian data (Cross Industry Standard Process for Data Mining CRISP-DM) yang digunakan secara luas di kalangan industri. Model ini terdiri atas enam tahap yang merupakan sebuah proses siklus sebagai berikut : 1. Pemahaman bisnis (business understanding). Pemahaman bisnis meliputi penetapan tujuan bisnis, penilaian situasi terkini, penetapan tujuan penggalian, dan pengembangan rencana proyek. 2. Pemahaman data (data understanding). Tujuan bisnis dan rencana proyek ditetapkan, kemudian pemahaman data, mempertimbangkan data yang dibutuhkan. Langkah ini bisa meliputi pengumpulan data awal, deskripsi data, eksplorasi data, dan verifikasi kualitas data. Eksplorasi data seperti peninjauan statistik rangkuman (yang meliputi tampilan visual variabeivariabel kategorik) bisa terjadi pada akhir tahap ini. Model-model seperti analisis pengelompokan (cluster analysis) dapat pula diterapkan dalam tahap ini, dengan tujuan mengidentifikasi pola dalam data tersebut. 3. Persiapan data (data preparation). Sumber data yang tersedia telah diidentifikasi, kemudian sumber data tesebut perlu diseleksi, dibersihkan, dibangun kedalam wujud yang dikehendaki, dan di bentuk. Pembersihan dan transformasi data dalam persiapan pembuatan model

data perlu

dilakukan pada tahap ini. Eksplorasi data secara lebih mendalam juga dapat diterapkan dalam tahap ini, dan penggunaan model-model tambahan

20

sekali lagi memberikan peluang untuk melihat berbagai pola berdasarkan pemahaman bisnis. 4. Pembuatan model (modeling). Metode penggalian data, seperti visualisasi (penggambaran

data

dan

penetapan

hubungan)

serta

analisis

pengelompokan (untuk mengidentifikasi variabel mana yang berhubungan satu sama lain) bermanfaat bagi analisis awal. Begitu pemahaman data yang lebih luas diperoleh (sering kali melalui pengenalan pola yang dipicu dengan melihat output model), model-model lebih terinci yang sesuai dengan jenis data tersebut dapat diterapkan. Penggalian data ke dalam data latihan dan data uji juga diperlukan untuk pembuatan model. 5. Evaluasi (evaluation). Hasil model sebaiknya dievaluasi dalam konteks tujuan bisnis yang ditetapkan pada tahap awal (pemahaman bisnis). Hal ini akan mengarahkan pada identifikasi CRISP-DM sebelumnya. Perolehan pemahaman bisnis merupakan prosedur berulang dalam penggalian data, dimana hasil dari beragam visualisasi, fakta statistik, dan metode kecerdasan

buatan

menunjukan

hubungan-hubungan

baru

kepada

pengguna yang memberikan pemahaman yang lebih mendalam mengenai operasi perusahaan. 6. Pelaksanaan (deployment). Penggalian data dapat digunakan baik untuk membuktikan

hipotesis

sebelumnya,

ataupun

untuk

penemuan

pengetahuan (pengidentifikasian hubungan yang tidak terduga dan bermanfaat). Melalui pengetahuan yang ditemukan dalam tahap awal CRISP-DM, model yang kuat dapat diperoleh yang mungkin kemudian dapat diterapkan pada kegiatan bisnis untuk berbagai keperluan, termasuk memprediksi atau mengidentifikasi situasi-situasi penting. 2.7. Teknik-teknik Penggalian Data Menurut David Olson dan Yong Shi (2008), penggalian data dapat dilakukan menggunakan Asosiasi, Klasifikasi, Pengelompokan, Prediksi, Pola-pola sekuensial, dan Urutan Waktu Serupa (Similar Time Sequences). Jenis penggalian data tersebut adalah : 1. Asosiasi (Association), hubungan hal tertentu dalam suatu transaksi data dengan hal lain dalam transaksi yang sama digunakan untuk memprediksi

21

pola. Sebagai contoh, jika seorang pelanggan membeli sebuah PC laptop (X), maka ia juga membeli sebuah mouse (Y) dalam 60 persen kejadian. Pola ini terjadi dalam 5,6 persen pembelian PC laptop. Aturan asosiasi dalam situasi ini bisa berupa X secara tidak langsung menyatakan Y, yang 60 persennya adalah faktor konfidensi dan 5,6 persennya adalah faktor dukungan. Jika faktor konfidensi (confidence factor) dan faktor dukungan (support factor) dilambangkan dengan masing-masing variabel linguistik tinggi dan rendah aturan asosiasi tersebut dapat ditulis secara berurutan dalam bentuk logika samar (fuzzy logic), seperti : jika fakor dukungan rendah, X secara tidak langsung menyatakan bahwa Y tinggi. Kasus dengan banyak variabel kualitatif, asosiasi fuzzy merupakan teknik yang dibutuhkan dan menjanjikan keberhasilan dalam penggalian data. 2. Klasifikasi

(Classification),

metode-metodenya

ditunjukan

untuk

pembelajaran fungsi-fungsi berbeda yang memetakan masing-masing data terpilih ke dalam salah satu dari kelompok kelas yang telah ditetapkan sebelumya. Dua masalah penelitian utama yang berkaitan dengan hasil klasifikasi adalah evaluasi kesalahan klasifikasi dan kekuatan prediksi. Teknik-teknik matematika yang sering kali digunakan untuk membangun metode-metode klasifikasi adalah pohon keputusan biner, jaringan saraf tiruan, pemograman linier, dan statistik. 3. Analisis pengelompokan (Cluster Analysis), pengambilan data yang belum dikelompokan dengan menggunakan teknik-teknik otomatis untuk menempatkan data-data ke dalam berbagai kelompok. Pengelompokan ini tidak membutuhkan kelompok pembelajaran (unsupervised). 4. Analisis prediksi (Prediction Analysis) berhubungan dengan teknik-teknik regresi. Ide utama dari analisis prediksi adalah untuk menemukan hubungan antara variabel bebas dan terkait, hubungan antara variabelvariabel bebas (satu terhadap yang lainnya, satu terhadap sisanya, dan seterusnya). 5. Analisis pola sekuensial (sequential pattern analysis) mencoba untuk menemukan pola-pola serupa dalam transaksi data selama suatu periode

22

bisnis. Pola-pola ini dapat digunakan oleh analis bisnis untuk mengidentifikasi hubungan antar data.

2.8. Analisis Keranjang Belanja (Market Basket Analysis) Fungsi association rules seringkali disebut dengan analisis keranjang belanja (Market Basket Analysis) yang digunakan untuk menemukan relasi atau korelasi diantara himpunan item-item. Analisis keranjang belanja adalah analisis dari kebiasaan membeli customer dengan mencari asosiasi dan korelasi antara item-item berbeda yang diletakan customer dalam keranjang belanjanya. Megaputer (2007), mengemukakan Analisis Keranjang Belanja (Market Basket Analysis), atau MBA merupakan salah satu tipe analisis data yang paling sering digunakan dalam dunia pemasaran. Tujuan dari MBA adalah untuk menentukan produk-produk (jasa) apa saja yang paling sering dibeli atau digunakan sekaligus oleh para pelanggan. Istilah analisis ini sendiri datang dari kejadian yang sudah sangat umum terjadi di dalam supermarket, yaitu ketika para pelanggan memasukan semua barang yang mereka beli ke dalam keranjang (market basket) yang umumnya telah disediakan oleh pihak supermarket itu sendiri. Menurut David Olson dan Yong Shi (2008), Analisis Keranjang Belanja mengacu pada berbagai metodologi yang mempelajari komposisi keranjang belanja yang terdiri atas produk-produk yang dibeli pada satu kejadian belanja. Teknik ini telah dikembangkan dalam berbagai operasi pasar swalayan. Data keranjang belanja dalam bentuknya yang paling mentah adalah daftar transaksi pembelian oleh pelanggan, yang mengindikasikan hanya barang-barang yang di beli bersamaan. Data ini menantang karena beberapa hal : 1. Jumlah datanya besar (biasanya jutaan transaksi pertahun) 2. Pembagiaannya luas (setiap keranjang belanja hanya mengandung sebagian kecil dari benda-benda yang dijual) 3. Heterogenitas (orang-orang dengan selera yang berbeda cenderung sekelompok barang yang spesifik)

23

Albion Research (2007), mengemukakan Informasi mengenai produkproduk yang biasanya dibeli secara bersama-sama oleh para pelanggan dapat memberikan wawasan tersendiri bagi para pengelola toko atau swalayan untuk menaikkan laba bisnisnya. Misalnya, seorang manajer toko bisa saja memanfaatkan informasi seperti ini untuk menempatkan produk-produk yang umumnya dibeli bersama-sama ke dalam sebuah area yang berdekatan jaraknya. Hal ini bertujuan untuk memudahkan mayoritas pembeli agar semakin senang membeli beberapa produk berlainan sekaligus. Informasi ini juga dapat digunakan untuk menyampaikan ide mendasar dari market basket analysis, dimulai dengan melihat gambar keranjang belanja yang berisi bermacam-macam barang-barang yang dibeli oleh seseorang di sebuah supermarket. Keranjang ini berisi bermacam-macam barang-barang seperti orange juice, pisang, soft drink, pembersih jendela, dan detergent. Sebuah keranjang memberitahukan kepada kita tentang apa saja yang dibeli oleh seorang konsumen dalam satu waktu. Sebuah daftar belanjaan yang lengkap yang diperoleh dari semua konsumen memberikan kita informasi yang sangat banyak, dan ini dapat menjelaskan barang-barang apa saja yang paling penting dari bisnis penjualan yaitu jenis barang dan kapan konsumen membeli. Setiap konsumen membeli seperangkat barang-barang yang berbeda, dalam jumlah yang berbeda, dan dalam waktu yang berbeda. Market Basket Analysis menggunakan informasi apa yang dibeli oleh konsumenkonsumen untuk menyediakan tanda atau informasi yaitu siapa mereka dan mengapa mereka melakukan pembelian tersebut. Market Basket Analysis juga menyediakan pengertian tentang barang dagangan dengan memberitahukan kepada kita produk-produk mana yang memungkinkan untuk dibeli secara bersamaan dan produk mana yang lebih disetujui untuk di promosikan. Informasi ini dapat digunakan dalam menentukan tata letak rak toko, menetapkan produk-produk mana yang akan diletakan dalam tempat yang khusus, untuk mengidentifikasi ketika persoalannya berpasangan atau kupon (issue coupons), dan lain sebagainya. Market Basket Analysis menawarkan sekumpulan permasalahan bisnis yang

24

berkaitan untuk mengetahui point of sale dari data transaksi. Teknik yang umum digunakan adalah assosiation rules. Fungsi ini paling banyak digunakan untuk menganalisa data dalam rangka keperluan strategi pemasaran, desain catalog, dan proses pembuatan keputusan bisnis. Tipe association rules dapat dinyatakan dengan contoh : 70 persen dari orang-orang yang membeli mie, juice, dan saus akan membeli juga roti tawar. Aturan asosiasi mengcapture item atau kejadian dalam data berukuran besar yang berisi data transaksi. Tiga level dari Market Basket Data, Market Basket Data adalah data transaksi yang menjelaskan tiga perbedaan entitas yang mendasar yaitu : 1. Customers. 2. Orders atau pembelian (bisa juga pembelian, atau keranjangan, atau dalam akademik kertas). 3. Items (barang-barang). Struktur data dari market basket data dalam sebuah relational database, sering terlihat sama. Data struktur ini didalamnya terdapat empat entitas yang penting sebagai informasi bagi pihak supermarket (Gambar 1).

COSTUMER Costumer ID Nama Alamat dll

ORDER Order ID Costumer ID Tanggal pesan Jenis pembayaran Jumlah nilai Tanggal pengiriman Biaya pengiriman dll

LINE TIME Line time ID Order ID Produk ID Jumlah Harga per unit Biaya per unit Gif t warp flag Taxable flag dll

Gambar 1. Struktur Data dari Market Basket Data

PRODUK Produk ID Kategori Subkategori Penjelasan dll

25

Permintaan adalah struktur paling fundamental untuk market basket data. Permintaan dapat berupa kejadian suatu pembelian oleh costumer. Pembelian juga dapat dilakukan melalui web site, grosir, ataupun dari catalog. Semua termasuk dalam pembelian, pembelian tambahan, tipe dari pembayaran, dan data lain yang termasuk dalam transaksi. Beberapa transaksi diberikan identitas khusus, namun ada beberapa identitas khusus tersebut harus digabungkan dengan data yang lainnya. Kita perlu mengkombinasikan empat lahan untuk mendapatkan empat identitas khusus untuk penjualan di toko. Waktu dinilai ketika customer membayar, chain ID, store ID dan line ID. Barang

dalam suatu pembelian digambarkan dalam line items. Data ini termasuk harga pembayaran barang, jumlah barang, pajak yang harus dibayar, mungkin juga harga (yang digunakan untuk penghitungan margin). 2.9. Penelitian Terdahulu Penelitian terdahulu yang mendukung penelitian ini adalah Handojo Andreas (2007), dengan judul aplikasi data mining untuk meneliti asosiasi pembelian item barang di supermarket dengan metode Market Basket Analysis. Penelitian tersebut memberikan kesimpulan bahwa aplikasi data mining mampu mengolah data transaksi yang disediakan oleh user untuk menemukan frequent itemset dan association rule yang memenuhi syarat minimum support berdasarkan item yang ada dalam bentuk grafik dan teks. Aplikasi ini memberitahukan asosiasi barang apa saja yang sering dibeli bersamaan oleh konsumen di supermarket yang nantinya informasi ini dapat memberikan pertimbangan dalam pengambilan keputusan guna pembelian barang dan pengaturan pada rak supermarket. Penelitian yang dilakukan oleh Gregorius Satia Budhi (2007), Peneliti berkeinginan untuk mengatasi permasalahan absensi tersebut dengan memanfaatkan metode

Data Mining, khususnya metode Market Basket

Analysis, untuk menganalisa database absensi elektronik secara otomatis, guna mendeteksi dan menemukan informasi tentang pegawai-pegawai yang seringkali melaukan absensi dalam waktu yang sangat berdekatan. Asumsi dari pemikiran ini adalah bila pada data absensi ditemukan pola atau pattern dengan frekuensi cukup tinggi tentang dua atau lebih pegawai yang absen

26

dalam waktu yang hampir bersamaan dalam kurun waktu tertentu, besar kemungkinan dalam realitasnya, pegawai yang melakukan absen hanya satu orang sedangkan lainnya titip absen kepada pegawai tersebut.

III. METODOLOGI PENELITIAN

3.1. Kerangka Pemikiran Penelitian Sejak berkembangnya pasar retail modern di Indonesia, semakin banyak ritel yang melakukan berbagai usaha demi mempertahankan usahanya. Salah satu upaya yang dilakukan untuk dapat mempertahankan bisnis ritel ini adalah dengan meningkatkan dan mempertahankan tingkat pertumbuhan penjualannya. Pendekatan yang dapat dilakukan dalam rangka meningkatkan volume penjualan tersebut adalah dengan memahami dan mengetahui pola perilaku belanja konsumen. Hampir semua supermarket menggunakan komputerisasi dalam penyimpanan data penjualan dan pembelian, sehingga akan dihasilkan banyak data transaksi. Data transaksi tesebut dapat digunakan sebagai sumber informasi penting dalam mempertahankan keberadaan usaha tersebut. Pengetahuan tentang pola perilaku belanja tersebut dapat diketahui dengan menngunakan analisis keranjang belanja (Market Basket Analysis). Analisis ini merupakan salah satu metode dalam penambangan data (data mining) yang bertujuan untuk menemukan produk-produk yang sering dibeli bersamaan dari data transaksi, yang dapat dimanfaatkan untuk menyusun tata letak sedemikian rupa sehingga memberikan kemudahan bagi konsumen dalam melakukan pembelian, dan dapat meningkatkan kemungkinan munculnya keinginan membeli (impulse buying). Alat analisis yang digunakan adalah algoritma apriori. Algoritma ini merupakan algoritma analisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then. Algoritma apriori menggunakan pendekatan terative yang dikenal dengan level-wise search, dimana k-kelompok produk digunakan untuk mengeksplorasi (k+1)kelompok produk atau (k+1)-itemset [2]. Kerangka pemikiran penelitian terjabar pada gambar 2. Alat analisis yang digunakan adalah algoritma apriori yang sebelumnya di bantu oleh Microsoft office excel 2007 dan minitab 14. Algoritma ini merupakan algoritma analisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then

28

Persaingan Usaha Ritel

Toserba Yogya Banjar

Data Transaksi

Market Basket Analysis

Pola berupa produk-produk yang sering dibeli bersamaan (asosiasi produk)

Implikasi Manajerial

Gambar 2. Kerangka Pemikiran Penelitian 3.2. Metode Penelitian 3.2.1. Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan pada Toserba Yogya Banjar yang berlokasi di Jl. Letnan Jendral Suharto No. 38 Banjar 46321. Adapun penelitian dilakukan pada bulan Januari-April 2009. 3.2.2. Jenis dan Sumber data Jenis data yang digunakan dalam penelitian ini berdasarkan sumbernya adalah data sekunder. Data sekunder merupakan data pelengkap data yang diperoleh dari pustaka dan literatur yang relevan

29

dengan penelitian baik dari internet, buku-buku, majalah dan bahan penunjang lainnya. 3.2.3. Metode Pengolahan dan Analisis Data Pengolahan data penelitian yang telah dikumpulkan merupakan suatu cara untuk mengorganisasikan data sedemikian rupa sehingga dapat dibaca dan ditafsirkan. Pengolahan data atau disebut juga proses pra-analisa mempunyai tahap-tahap sebagai berikut: 1. Selection merupakan proses memilih dan memisahkan data berdasarkan beberapa kriteria. 2. Preprocessing mempersiapkan data dengan cara membersihkan data, informasi atau field yang tidak dibutuhkan yang jika dibiarkan hanya akan memperlambat proses query. Biasanya memisahkan variabel yang diperlukan oleh peneliti yang tercakup dalam data yang sudah terkumpul atau dengan kata lain apakah semua variabel yang diperlukan sudah termasuk dalam data. Jika belum melalui tahap ini, berarti data yang terkumpul belum lengkap atau belum mencakup semua variabel yang sedang diteliti. 3. Transformation, data yang telah melalui proses select dan preprocessing tidak begitu saja langsung digunakan, tetapi ditransformasikan terlebih dahulu ke bentuk yang lebih navigable dan useable. 4. Data mining, tahap ini dipusatkan untuk mendapatkan pola dari data (extraction of data). 5. Interpretation and evaluation, proses pattern atau pola-pola yang telah diidentifikasi oleh system kemudian diterjemahkan atau di interprestasikan ke dalam bentuk yang lebih mudah dimengerti untuk membentu pengambilan keputusan, misalnya menunjukan item yang saling berasosiasi melalui grafik atau bentuk lain yang lebih mudah dimengerti. Analisis data dilakukan dengan menggunakan algoritma apriori, algoritma ini merupakan algoritma analisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then.

30

Implementasi dilakukan dengan menggunakan basis data sebagai penyimpan data hasil kombinasi sementara. Algoritma Apriori yang bertujuan untuk menemukan frequent

itemset dijalankan pada

sekumpulan data. Pada iterasi ke -k, akan ditemukan semua itemsets yang memiliki k items, disebut dengan k -itemsets. Selain itu fasilitas query

dalam

basis

data

juga

dipakai

sebagai

alat

untuk

mengkombinasikan antar item dalam itemset. 3.2.4. Algoritma Apriori Algoritma apriori adalah algoritma analisis keranjang pasar yang digunakan untuk menghasilkan aturan asosiasi, dengan pola if-then. Persoalan association rule mining terdiri dari dua sub persoalan: 1. Menemukan semua kombinasi dari item, disebut dengan frequent itemsets, yang memiliki support yang lebih besar daripada minimum support. 2. Gunakan frequent itemsets untuk men-generate aturan yang dikehendaki. Misal, ABCD dan AB adalah frequent, maka didapatkan aturan AB  CD jika rasio dari support (ABCD) terhadap

support

(AB)

sedikitnya

sama

dengan

minimum

confidence. Aturan ini memiliki minimum support karena ABCD adalah frequent. Algoritma Apriori yang bertujuan untuk menemukan frequent itemsets dijalankan pada sekumpulan data. Pada iterasi ke -k, akan ditemukan semua itemsets yang memiliki k items, disebut dengan k itemsets. Support dan confidence adalah dua ukuran kepercayaan yang menunjukan kepastian dan tingkat kegunaan suatu rule yang ditemukan. Pada umumnya association rule yang ditemukan dikatakan menarik apabila rule tersebut memenuhi baik minimum support maupun minimum confidence yang telah ditentukan. Support (AB) = P (A B)…………………………………………(1) Confidence (AB) = P(B|A) 

………………...…………….(2)

Confidence (AB) =

…………………………….....(3)

31

IV. HASIL DAN PEMBAHASAN

4.1. Gambaran Umum Perusahaan 4.1.1. Sejarah Toserba YOGYA Era generasi pertama (1948-1972), cikal bakal YOGYA diawali dari sebuah toko batik yang bernama DJOGJA yang bertempat di jalan A. Yani Kosambi Bandung, dengan luas sekitar 100 m2 dan karyawan berjumlah 8 orang, toko ini didirikan dan dikelola secara sederhana oleh Bapak Gondosasmito dan keluarga. Barang yang dijual sebatas batik dan perlengkapan Hari Raya, sehingga menyebabkan toko hanya ramai pada saat-saat tertentu (biasanya menjelang Hari Raya). Tahun 1972-1982, pengelolaan toko diserahkan kepada Bapak Boedi Siswanto Basuki yang menikah dengan Ibu Tina Handayani, Putri dari Bapak Gondosasmito. Perubahan strategi dilakukan oleh Bapak Boedi dengan menambah variant barang penjualan, bukan hanya batik tetapi dilengkapi dengan keperluan masyarakat sehari-hari. Seiring dengan itu, toko semakin berkembang dan penulisan namanya menjadi YOGYA. Era generasi kedua Tahun 1978, rencana pembangunan dan pengembangan toko dimulai dengan diketemukannya lokasi di Jalan Sunda No. 60 dengan luas sekitar 1000 m2. Pada tanggal 28 Oktober 1982, sebuah Toserba YOGYA yang baru dengan luas toko sekitar 200 m2 di bangun dan dibuka di Jalan Sunda No. 60 dengan store Manager Bapak Boedi Siswanto Basuki yang membawahi 40 orang karyawan. Selanjutkan tanggal 28 Oktober ditetapkan sebagai hari lahir Toserba YOGYA yang diperingati setiap tahunnya. Era generasi ketiga dimulai pada bulan Juni 1998, Bapak Boedi Siswanto Basuki menyerahkan pengelolaan kepada para professional yang telah dibina beliau, dimana Bapak Susanto Wibowo ditunjuk sebagai Presiden Direktur dan Bapak Boedi lebih berperan sebagai penasehat serta pemberi motivasi bagi manajemen YOGYA. Pada Mei 1998, mendung menyelimuti keluarga besar YOGYA saat dua cabang

32

yang telah didirikan di Jakarta (Central Klender Plaza dan Daan Mogot Mall) terbakar dalam kerusuhan. Pada tanggal 16 Februari 2000 APRINDO melalui Menteri Perindustrian dan Perdagangan RI menganugerahkan APRINDO Award kepada Bapak Boedi Siswanto Basuki sebagai salah satu perintis ritel di Indonesia. Selama tahun 1998-2006, dengan kondisi persaingan ritel yang semakin dinamis, Toserba YOGYA terus tumbuh sebagai salah satu perusahaan ritel yang cukup ternama. Setiap tahunnya, Toserba YOGYA merencanakan pembukaan toko baru di berbagai daerah, terutama wilayah Jawa Barat. Toserba YOGYA melakukan ekspansi usaha dan hadir di Cirebon, Tasikmalaya, Sukabumi, Bogor, Sumedang, Kuningan, Jakarta, Indramayu, Majalaya, Garut, Subang, Majalengka, Purwakarta, Ciamis, Pamanukan, Banjar, Jamblang, Jatibarang, dan Banjaran. YOGYA group dengan nama PT Akur Pratama memiliki luas area toko yang bervariasi sehingga menyebabkan adanya pembagian kategori toko yaitu: Toserba YOGYA, Toserba GRIYA dan Pasaraya YOGYA. Sampai saat ini sudah berdiri 54 cabang yang dibagi ke dalam 9 wilaya Regional yairu: 1. Regional 1 (GRIYA Buah Batu,YOGYA Sunda 60, GRIYA Hemat Sukarno Hatta, YOGYA Kopo Permai, GRIYA Sumber Sari, GRIYA Lembang, GRIYA Margahayu, GRIYA Banjaran. Regional Manager : Eddie Budianto 2. Regional 2 (Bandung Indah Plaza, GRIYA Jatinangor, YOGYA Kosambi, GRIYA Pahlawan, GRIYA Dinasti, GRIYA Antapani, GRIYA Ujung Berung, GRIYA Cicalengka, GRIYA Sumedang) Regioal Manager : Hendra Gunawan 3. Regional 3 (YOGYA Kepatihan, YOGYA Sentra Sari, YOGYA Caihampelas, GRIYA Setiabudi) Regional Manager : Tunggul Waskito Aji 4. Regional 4 (GRIYA Cimanuk, GRIYA Arcamanik, GRIYA Ranca Bolang, GRIYA Tanjung Sari, GRIYA Kopo Mas) Regional Manager : Ruddy Atmaja

33

5. Regional 5 (YOGYA Tasikmalaya, YOGYA Mitra Batik, YOGYA Garut, YOGYA Ciamis, YOGYA Banjar, YOGYA Majenang) Regional Manager : H. Uus Kusnadi 6. Regional 6 (YOGYA Grand Cirebon, YOGYA Siliwangi, YOGYA Rajawali,

GRIYA

Kuningan,

GRIYA

Jamblang,

GRIYA

Majalengka) Reginoal Manager : Heri Mandala 7. Regional 7 (YOGYA Indramayu, GRIYA Jatibarang, YOGYA Subang, YOGYA Pamanukan, YOGYA Purwakarta. Regional Manager : Lizandre Thomas Noya 8. Regional 8 (YOGYA Mangga Dua, YOGYA Bogor, YOGYA Bogor Indah Plaza, YOGYA Sukabumi, YOGYA Pondok Bambu) Regional Manager : Charlie Rusli 9. Regional 9 (YOGYA Riau, YOGYA Cihampelas) Regional Manager : Lilik Mawarwati 4.1.2. Sejarah Toserba YOGYA Cabang Banjar Toserba

YOGYA

Banjar

merupakan

cabang

YOGYA

Departement Store yang ke 43. Terletak di Jalan Letnan Jenderal Suwarto No. 36 di Kompleks Pertokoan di pusat kota Banjar. Toserba YOGYA Banjar menempati areal seluas 800 m2 bertingkat dua, lantai bawah diperuntukkan untuk supermarket sedangkan lantai atas diperuntukkan untuk fashion atau pakaian. Kondisi fisik bangunan pada saat buka tanggal 12 Oktober 2004, baru selesai 75% dari peruntukkan. Lantai atas 25% ruangan digunakan untuk ruang administrasi dan gudang departemen Fashion, Food dan General Marchandising (GMS). Pada tahun 2007 pembangunan sudah selesai dengan pembagian lantai 1 digunakan untuk Supermarket, Gudang Food, Ruang Personalia, dan Ruang Buyer, sedangkan untuk lantai 2 digunakan untuk Fashion, Cafetaria, Game Master, Gudang Non Food dan General Marchandising (GMS,) Ruang Keuangan, Electronic Data Processing (EDP) dan Ruang Store Manager.

34

Personil (staff) Toserba YOGYA Banjar. Stuktur Organisasi dapat dilihat pada Lampiran 1. 1.

Bp. Budi Santosa.

(Store Manager)

2.

Ignatius Riagung Tri.

(General Marchandising)

3.

Esih D.

(Staff Finance)

4.

Felix Radhitya.

(Supervisor Non Food)

5.

Erni L. S.

(Buyer)

6.

Aan E.

(Supervisor Fresh Food)

7.

Rinto S.

(Supervisor Fashion)

8.

Aceng J.

(Supervisor Food)

9.

Rina W.

(Supervisor Fashion)

10. Yoga

(Staff Receiving Goods)

Total karyawan yang ada di Toserba YOGYA Banjar sebanyak 87 orang. Toserba YOGYA Banjar dipimpin oleh seorang Store Manager. Store Manager ini membawahi enam orang supervisor divisi, yaitu Supervisor Finance, Supervisor Food, Supervisor Non food, Supervisor Fresh, Supervisor General Merchandising (GMS), dan Supervisor Receiving. Untuk divisi Food, Non Food, Fresh, dan General

Merchandising

(GMS)

membawahi

service

crew

(pramuniaga), sedangkan divisi keuangan membawahi administrasi keuangan dan kasir, divisi receiving membawahi administrasi receiving dan service crew (pelaksana gudang) 4.1.3. Visi dan Misi Perusahaan Toserba YOGYA juga memiliki visi dan misi agar tujuan perusahaan mereka dapat tercapai dengan baik dan terarah. Visi Tetap Menjadi Pilihan Utama (pilihan utama bagi konsumen, mitra usaha, pasar tenaga kerja, shareholder, maupun masyarakat dan pemerintah di tengah berbagai alternatif pilihan dan persaingan usaha). Misi Setia Memenuhi Kebutuhan Masyarakat dengan corporate culture : Maju dengan Karya Bersama serta moral filosofi : Jujur, Setia, dan Rendah Hati. YOGYA group selalu berusaha mewujudkan kepuasan bagi konsumen dengan menyediakan produk berkualitas, layanan yang

35

unggul, dan akrab bersahabat serta dalam suasana belanja yang menyenangkan. 4.1.4. Kategori Produk Toserba

YOGYA

Banjar

merupakan

usaha

ritel

yang

menyediakan berbagai jenis barang seperti peralatan rumah tangga, makanan dan minuman, serta pakaian. Secara umum, produk yang terdapat di Toserba YOGYA Banjar dikategorikan dalam lima kelompok, yaitu Fresh, Food, Non food, General Merchandising (GMS), dan Fashion. Pengelompokkan ini dilakukan untuk memudahkan dalam mengelola produk dan juga untuk memudahkan konsumen dalam mencari dan memilih produk yang akan dibeli. Produk yang termasuk ke dalam kategori Fresh adalah produk-produk yang memiliki masa kesegaran cukup singkat, adalah sayur-sayuran, buah-buahan, ikan, daging, daily and dairy. Produk yang termasuk dalam kategori Food merupakan produkproduk kebutuhan sehari- hari yang dapat dimakan, makanan dan minuman ringan, sembako, susu bubuk, bumbu masak. Produk Nonfood yang merupakan produk kebutuhan sehari-hari yang tidak dapat dimakan, deterjen, peralatan mandi, kosmetik atau alat kecantikan. Produk General Merchandising (GMS) merupakan produk-produk tahan lama dan tidak memiliki masa kadaluarsa. Produk GMS diantaranya, mainan, alat tulis / stationery, perlengkapan rumah tangga, produk fashion. 4.2. Segmentation, Targeting, Positioning Toserba YOGYA Segmen pasar konsumen Toserba YOGYA Banjar merupakan seluruh masyarakat kota Banjar, segmentasi ini menguntungkan bagi pihak toserba yang merupakan satu-satunya Toserba karena menciptakan potensi pasar yang besar, akan menghasilkan biaya yang lebih rendah atau marjin yang lebih tinggi. Toserba menentukan pasar sasaran atau targetting dengan memutuskan beberapa segmen pasar yang akan dicakup, lalu memilih segmen mana yang akan dilayani. Targeting yang dilakukan oleh Toserba YOGYA

36

seluruh pasar atau semua orang dengan membidik konsumen semua kalangan, karena

YOGYA

menyediakan kebutuhan

sehari-hari

dengan

harga

terjangkau. Toserba YOGYA memposisikan tokonya sebagai toko yang menjadi pilihan utama untuk para konsumennya, karena Toserba memberikan kepuasan kepada konsumen, dengan menyediakan produk-produk berkualitas, memberikan layanan unggul, akrab, bersahabat dengan suasana pelayanan yang menyenangkan. 4.3. Aplikasi Analisis Keranjang Belanja (Market Basket Analysis) Analisis keranjang belanja (Market basket analysis), atau MBA merupakan salah satu tipe analisis data yang paling sering digunakan dalam dunia pemasaran. Tujuan dari MBA adalah untuk menentukan produk-produk (jasa) apa saja yang paling sering dibeli atau digunakan sekaligus oleh para pelanggan. Istilah analisis ini sendiri datang dari kejadian yang sudah sangat umum terjadi di dalam supermarket, yaitu ketika para pelanggan memasukan semua barang yang mereka beli ke dalam keranjang (market basket) yang umumnya telah disediakan oleh pihak supermarket itu sendiri (Megaputer, 2007). Informasi mengenai produk-produk yang biasanya dibeli secara bersama-sama oleh para pelanggan dapat memberikan “wawasan” tersendiri bagi para pengelola toko atau swalayan untuk menaikkan laba bisnisnya. Misalnya, seorang manajer toko bisa saja memanfaatkan informasi seperti ini untuk menempatkan produk-produk yang umumnya dibeli bersama-sama ke dalam sebuah area yang berdekatan jaraknya. Hal ini bertujuan untuk memudahkan “mayoritas” pembeli agar semakin senang membeli beberapa produk berlainan sekaligus. Informasi ini juga dapat digunakan untuk menyampaikan ide mendasar dari Market Basket Analysis, dimulai dengan melihat gambar keranjang belanjaan yang berisi bermacam-macam barangbarang yang dibeli oleh seseorang disebuah supermarket Market Basket Analysis juga menyediakan pengertian tentang barang dagangan dengan memberitahukan kepada kita produk-produk mana yang memungkinkan untuk dibeli secara bersamaan dan produk mana yang lebih disetujui untuk di promosikan. Informasi ini dapat digunakan dalam

37

menentukan tata letak rak toko yang baru, menetapkan produk-produk mana yang akan diletakan dalam tempat yang khusus, mengidentifikasi ketika persoalannya berpasangan/kupon (issue coupons), dan lain sebagainya. Market Basket Analysis menawarkan sekumpulan permasalahan bisnis yang berkaitan untuk mengetahui point of sale dari data transaksi Toserba YOGYA (Lampiran 2). Fungsi ini paling banyak digunakan untuk menganalisa data dalam rangka keperluan strategi pemasaran, desain catalog, dan proses pembuatan keputusan bisnis. Aturan asosiasi mengcapture item atau kejadian dalam data berukuran besar yang berisi data transaksi. Kemajuan teknologi yang semakin canggih membuat data penjualan dapat disimpan dalam jumlah besar yang disebut dengan basket data. Hasil pengolahan data transaksi penjualan (Lampiran 3) selama satu bulan (28 hari) berupa informasi produk, promosi, diskon dan waktu pembelian di Toserba YOGYA Banjar dengan menggunakan algoritma apriori untuk masalah penggalian kaidah asosiasi kuantitatif akan menghasilkan kaidah asosiasi yang bisa menjadi informasi penting bagi Toserba YOGYA. 4.4. Kaidah Asosiasi pada Item-item Penjualan Analisis pertama yang dilakukan menggali pengaruh waktu terhadap penjualan suatu produk. Hasil analisis pengaruh waktu terhadap jumlah penjualan jeruk dan mie dapat dilihat pada Tabel 3. Tabel 3. Support_count untuk kandidat 1 itemset 1 itemset

Support Count 2089 2120 1481 1145 1583

Support (%)

Jeruk 49,63 Mie 50,37 T1 35,19 T2 27,20 T3 37,61 Ketarangan : T1 : Waktu pembelian antara jam 09:00-13:06 WIB T2 : Waktu pembelian antara jam 13:07-17:13 WIB T3 : Waktu pembelian antara jam 17:14-21:20 WIB

38

Berdasarkan Tabel 3 terdapat nilai support yang menunjukkan persentasi item jeruk, mie, dan waktu pembelian yang muncul dari semua transaksi yang mengandung jeruk, mie, jeruk dan mie.

Jumlah transaksi

penjualannya sebanyak 4209 transaksi. Nilai support untuk jeruk adalah 49,63% yang berarti bahwa 49,63% dari seluruh transaksi yang terjadi mengandung item jeruk, sedangkan nilai support untuk mie adalah 50,37% yang berarti bahwa 50,37% dari seluruh transaksi yang terjadi mengandung item mie. Perbandingan nilai kedua item tersebut menunjukkan bahwa pembelian untuk item mie lebih banyak dari pada pembelian item jeruk. Konsumen berbelanja pada waktu yang berbeda-beda, dari tabel dapat terlihat Toserba YOGYA banyak didatangi konsumen untuk berbelanja pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB), karena nilai support yang dihasilkan sebesar 37,61%. Jika dibandingkan dengan T2 (Waktu pembelian antara jam 13:07-17:13 WIB) 27,20%, dan T1 (Waktu pembelian antara jam 09:00-13:06 WIB) 35,19% karena nilai support keduanya lebih rendah. Tabel dibawah, menunjukkan kandidat untuk 2itemset dengan menentukan support_count, untuk kandidat frequent 2 itemset (Tabel 4). Tabel 4. Support count untuk kandidat 2 itemset produk dan waktu pembelian T1 T2 T3 2itemset Support Support Support Support Support Support Count (%) Count (%) Count (%) Jeruk 730 17,34 615 14,61 744 17,68 Mie 751 17,84 530 12,60 839 19,93 Berdasarkan Tabel 4 terdapat nilai support waktu pembelian dengan jeruk dan nilai support waktu pembelian dengan mie. Nilai support yang dihasilkan antara waktu pembelian dengan jeruk yang paling tinggi adalah jeruk banyak dibeli pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) dengan nilai support 17,68% yang berarti bahwa 17,68% dari seluruh transaksi yang terjadi mengandung pembelian jeruk yang dilakukan pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB). Pembelian untuk mie banyak juga dilakukan pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) dengan nilai support 19,93%, yang berarti bahwa 19,93% dari seluruh

39

transaksi yang terjadi mengandung pembelian mie pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB). Menentukan

kandidat

untuk

3

itemset

dengan

menentukan

support_count, yang akan memperlihatkan ketiga item yang saling berasosiasi (Tabel 5). Tabel 5. Support count untuk kandidat 3 itemset T1 3itemset (T1) Jeruk Mie

Jeruk Support Support Count (%) 593 40,04 137 9,25

Mie Support Support Count (%) 137 9,25 614 41,46

Berdasarkan Tabel 5 terdapat nilai support untuk waktu pembelian antara jeruk dan mie dibeli bersamaan (tidak memperhatikan urutan pembelian item) memiliki nilai support terkecil yaitu 18,50% (nilai support 9,25% dan nilai support 9,25%) yang berarti 18,50% dari semua transaksi yang terjadi mengandung jeruk dan mie yang dilakukan pada T1 (Waktu pembelian antara jam 09:00-13:06 WIB), sedangkan untuk nilai support yang paling tinggi adalah pada pembelian mie pada T1 (Waktu pembelian antara jam 09:00-13:06 WIB), sebesar 41,46% dibandingkan dengan pembelian jeruk pada T1 (Waktu pembelian antara jam 09:00-13:06 WIB), sebesar 40,04%. Tabel 6. Support count untuk kandidat 3 itemset T2 3itemset (T2) Jeruk Mie

Jeruk Support Support Count (%) 509 44,45 106 9,26

Mie Support Support Count (%) 106 9,26 424 37,03

Berdasarkan Tabel 6 terdapat nilai support terkecil untuk waktu pembelian antara jeruk dan mie dibeli bersamaan (tidak memperhatikan urutan pembelian item) yaitu 18,52% (nilai support 9,26% dan nilai support 9,26%) yang berarti 18,52% dari semua transaksi yang terjadi mengandung jeruk dan mie yang dilakukan pada T2 (Waktu pembelian antara jam 13:0717:13 WIB). Sedangkan untuk nilai support yang paling tinggi adalah pada pembelian jeruk pada T2 (Waktu pembelian antara jam 13:07-17:13 WIB),

40

sebesar 44,45% dibandingkan dengan pembelian mie pada T2 (Waktu pembelian antara jam 13:07-17:13 WIB), sebesar 37,03%. Tabel 7. Support count untuk kandidat 3 itemset T3 3-itemset (T3) Jeruk Mie

Jeruk Support Support Count (%) 588 37,140 156 9,855

Mie Support Support Count (%) 156 9,855 683 43,150

Berdasarkan Tabel 7 terdapat nilai support terkecil untuk waktu pembelian antara jeruk dan mie dibeli bersamaan (tidak memperhatikan urutan pembelian item) yaitu 19,71% ( nilai support 9,855% dan nilai support 9,855%) yang berarti 19,71% dari semua transaksi yang terjadi mengandung jeruk dan mie yang dilakukan pada T3 (Waktu pembelian antara jam 13:0717:13 WIB). Sedangkan untuk nilai support yang paling tinggi adalah pada pembelian mie pada T3 (Waktu pembelian antara jam 13:07-17:13 WIB), sebesar 43,150% dibandingkan dengan pembelian jeruk pada T3 (Waktu pembelian antara jam 13:07-17:13 WIB), sebesar 37,140%. Tabel 8. Nilai support dan confidence dari kaidah asosiasi Frequent kitemset T1_Mie T2_Mie T3_Mie T1_Jeruk T2_Jeruk T3_Jeruk Mie_jeruk_T1 Mie_jeruk_T2 Mie_jeruk_T3

Kaidah Asosiasi T1Mie T2Mie T3Mie T1Jeruk T2Jeruk T3Jeruk Mie dan jeruk  pagi Mie dan jeruk  siang Mie dan jeruk  malam

Support (%)

Confidence (%)

17,84 12,60 19,93 17,34 14,61 17,68 9,250

50,71 46,29 53,00 49,29 53,71 47,00 34,335

9,260

26,565

9,855

39,100

Berdasarkan Tabel 8 menunjukkan jeruk lebih banyak dibeli pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) 17,68% dibandingkan dengan T1 (Waktu pembelian antara jam 09:00-13:06 WIB) 14,61% dan T2 (Waktu pembelian antara jam 13:07-17:13 WIB) 17,34% dengan tingkat kepercayaan terbesar 49,29%. Kaidah tersebut dapat diterjemahkan bahwa, sebanyak 17,68% dari seluruh data, jika pada T3 (Waktu pembelian antara

41

jam 17:14-21:20 WIB) maka jeruk dibeli, dengan derajat kepercayaan sebesar 49,29%. Mie lebih banyak dibeli pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) 19,93% dibandingkan dengan T2 (Waktu pembelian antara jam 13:07-17:13 WIB) 12,60% dan T1 (Waktu pembelian antara jam 09:0013:06 WIB) 17,84% dengan tingkat kepercayaan terbesar 53,00%. Kaidah tersebut dapat diterjemahkan, bahwa sebanyak 19,93% dari seluruh data, jika pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) maka jeruk dibeli, dengan derajat kepercayaan sebesar 53,00%. Penelitian ini memberikan informasi bahwa pembelian jeruk dan mie lebih banyak dilakukan pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) sehingga pihak Toserba lebih memperhatikan untuk persediaan produk yang dipengaruhi oleh waktu. Analisis kedua untuk mengetahui asosiasi antara promosi, diskon dan waktu pembelian. Menentukan kandidat untuk 1itemset dengan menentukan support_count atau support, dapat dilihat pada dalam Tabel 9. Menentukan gugus item yang sering muncul (frequent 1 itemset), Frequent 1 itemset yang didapat adalah P1, P2, D1, D2, T1, T2, T3. Tabel 9. Support count untuk kandidat 1 itemset 1itemset Support Count Support (%) P1 42073 93,30 P2 3022 6,70 D1 27741 61,52 D2 17354 38,48 T1 15577 34,55 T2 11825 26,22 T3 17693 39,23 Keterangan: P1 : Tidak Promosi P2 : Promosi D1 : Tidak Diskon D2 : Diskon T1 : Waktu pembelian antara jam 09:00-13:06 WIB T2 : Waktu pembelian antara jam 13:07-17:13 WIB T3 : Waktu pembelian antara jam 17:14-21:20 WIB Berdasarkan Tabel 9 terdapat nilai support yang menunjukkan persentasi nilai support pada setiap item. Jumlah seluruh item adalah 45095 item. Nilai support untuk P1 (tidak diskon) mencapai 93,30% lebih besar dibandingkan P2 (diskon) 6,70%, untuk D1 (tidak diskon) 61,52% lebih besar

42

dibandingkan D2 (diskon) 38,48%, sedangkan untuk nilai support waktu yang lebih banyak digunakan konsumen untuk berbelanja adalah pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) 39,23% dibandingkan T2 (Waktu pembelian antara jam 13:07-17:13 WIB) 26,22%, dan T1 (Waktu pembelian antara jam 09:00-13:06 WIB) 34,55%. Menentukan kandidat untuk 2 itemset dengan data support_count nya untuk kandidat frequent 2 itemset dapat dilihat pada Tabel 10. Tabel 10. Support count dan support untuk 2 itemset yaitu promosi dan diskon D1 D2 2 itemset Support Support Support Support Count (%) Count (%) P1 27715 61,46 14358 31,84 P2 26 0,06 2996 6,64 Berdasarkan Tabel 10 terdapat nilai support yang paling besar adalah pada P1 (tidak diskon) dan D1 (tidak diskon) sebesar 61,46% menunjukkan bahwa 61,46% dari seluruh item yang dibeli merupakan item yang tidak promosi dan tidak diskon. Nilai support terkecil adalah pada P2 (promosi) dan D2 (diskon) sebesar 0,06%, menunjukan bahwa 0,06% dari seluruh item yang dibeli merupakan item yang promosi dan diskon. Hal ini menunjukkan bahwa produk yang dipromosikan dan didiskon tidak banyak dibeli oleh konsumen Toserba YOGYA Banjar. Tabel 11. Support count dan support untuk 2itemset yaitu diskon dan waktu pembelian T1 T2 T3 2itemset Support Support Support Support Support Support Count (%) Count (%) Count (%) D1 9903 21,96 7086 15,72 10752 23,84 D2 5674 12,58 4736 10,51 6941 15,39 Berdasarkan Tabel 11 terdapat nilai support yang paling besar adalah pada D1 (tidak diskon) dan T3 (Waktu pembelian antara jam 17:14-21:20 WIB) sebesar 23,84% menunjukkan bahwa 23,84 % dari seluruh item yang dibeli pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) mengandung item yang tidak diskon. Nilai support terkecil pada D2 (diskon) dan T2 (Waktu pembelian antara jam 13:07-17:13 WIB) sebesar 10,51%,

43

menunjukkan bahwa 10,51% dari seluruh item yang dibeli pada T2 (Waktu pembelian antara jam 13:07-17:13 WIB) mengandung item yang diskon. Tabel 12. Support count dan support untuk waktu pembelian T1 T2 2 itemset Support Support Support Support Count (%) Count (%) P1 14562 32,29 11054 24,51 P2 1015 2,25 771 1,71

2 itemset yaitu promosi dan

Support Count 16457 1236

T3 Support (%) 36,50 2,74

Berdasarkan Tabel 12 terdapat nilai support yang paling besar adalah pada P1 (tidak promosi) dan T3 (Waktu pembelian antara jam 17:14-21:20 WIB) sebesar 36,50% menunjukkan bahwa 36,50% dari seluruh item yang dibeli dilakukan pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) dengan item tidak promosi. Nilai support terkecil pada P2 (promosi) dan T2 (Waktu

pembelian

antara

jam

13:07-17:13

WIB)

sebesar

1,71%,

menunjukkan bahwa 1,71% dari seluruh item yang dibeli pada T2 (Waktu pembelian antara jam 13:07-17:13 WIB) mengandung item yang promosi. Menentukan kandidat untuk 3itemset dengan menentukan support count, dapat dilihat pada Tabel 13. Tabel 13. Support count dan support untuk 3 itemset promosi, waktu pembelian dan tidak diskon T1 T2 T3 3 itemset Untuk Support Support Support Support Support Support D1 Count (%) Count (%) Count (%) P1 4668 26,90 3969 22,87 5721 32,97 P2 1006 5,80 770 4,44 1220 7,03 Berdasarkan Tabel 13 terdapat nilai support yang paling besar adalah pada D1 (tidak diskon), P1 (tidak promosi) dan T3 (Waktu pembelian antara jam 17:14-21:20 WIB) sebesar 32,97% menunjukkan bahwa 32,97% dari seluruh item yang dibeli dilakukan pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) dengan item (P1) tidak promosi dan (D1) tidak diskon. Nilai support terkecil adalah pada D1 (tidak diskon), P2 (promosi) dan T2 (Waktu

pembelian

antara

jam

13:07-17:13

WIB)

sebesar

4,44%,

menunjukkan bahwa 4,44% dari seluruh item yang dibeli dilakukan pada T2

44

(Waktu pembelian antara jam 13:07-17:13 WIB) dengan item D1 (tidak promosi) dan P2 (promosi). Tabel 14. Support count dan support untuk pembelian dan diskon T1 T2 3 itemset Support Support Support Support Untuk D2 Count (%) Count (%) P1 9894 35,665 7085 25,541 P2 9 0,032 1 0,004

3 itemset promosi, waktu T3 Support Support Count (%) 10736 38,700 16 0,058

Berdasarkan Tabel 14 terdapat nilai support yang paling besar adalah pada D2 (diskon), P1 (tidak promosi) dan T3 (Waktu pembelian antara jam 17:14-21:20 WIB) sebesar 38,700% menunjukkan bahwa 38,700% dari seluruh item yang dibeli dilakukan pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) dengan item (P1) tidak promosi dan (D2) diskon. Nilai support terkecil adalah pada D2 (tidak diskon), P2 (promosi) dan T2 (Waktu pembelian antara jam 13:07-17:13 WIB) sebesar 0,004%, menunjukkan bahwa 0,004% dari seluruh item yang dibeli dilakukan pada T2 (Waktu pembelian antara jam 13:07-17:13 WIB) dengan item D2 (tidak diskon) dan P2 (promosi). Tabel 15. Nilai support dan confidence dari kaidah asosiasi Frequent kitemset P1_D1 P1_D2 D1_T1 D1_T2 D1_T3 D2_T1 D2_T2 D2_T3 P1_T1 P1_T3 D1_P1_T1 D1_P1_T2 D1_P1_T3 D2_P1_T1 D2_P1_T2 D2_P1_T3

Kaidah Asosiasi

Support (%)

Confidence (%)

P1D1 P1D2 D1T1 D1T2 D1T3 D2T1 D2T2 D2T3 P1T1 P1T3 D1 dan P1T1 D1 dan P1T2 D1 dan P1T3 D2 dan P2T1 D2 dan PIT2 D2 dan P2T3

61,46 31,84 21,96 15,72 23,84 12,58 10,51 15,39 32,29 36,50 35,67 24,54 38,70 26,90 22,87 32,97

65,87 34,13 35,70 25,52 38,88 32,70 27,29 40,00 34,61 39,11 43,56 26,56 47,36 32,51 27,64 39,85

Berdasarkan Tabel 15 kaidah asosiasi yang dihasilkan dengan nilai support dan confidence tertinggi seperti tampak pada bagian tabel ke 7 baris ke 2. Kaidah tersebut dapat diterjemahkan bahwa Sebanyak 61,46% dari

45

seluruh item yang dibeli, jika tidak dilakukan promosi maka tidak ada diskon, dengan derajat kepercayaan sebesar 65,87%. Hasil analisis menunjukkan bahwa item yang sering dibeli oleh sebagian besar masyarakat Banjar di Toserba YOGYA adalah item yang tidak promosi dan tidak diskon. Analisis ketiga untuk mengetahui nilai support pada waktu pembelian dan lima produk berbeda dapat dilihat pada Tabel 16. Tabel 16. Support count dan support untuk 1 itemset yaitu waktu pembelian dan lima produk. 1 itemset Support Count Support(%) A1 2040 34,4 A2 1736 29,3 A3 2158 26,4 B 1753 29,5 C 1223 20,6 D 1039 17,5 E 647 10,9 F 373 6,3 Keterangan : A1 : Waktu pembelian antara jam 09:00-13:06 WIB A2 : Waktu pembelian antara jam 13:07-17:13 WIB A3: Waktu pembelian antara jam 17:14-21:20 WIB B : Item susu C : Item buah D : Item mie E : Item telur F : Item minyak goreng Berdasarkan Tabel 16 terdapat nilai support yang menunjukkan persentasi nilai support pada setiap item. Jumlah seluruh transaksi adalah 5935 transaksi. Setiap item memiliki nilai support yang berbeda-beda, untuk item produk yang paling tinggi adalah untuk item B (susu) dengan nilai support 20,6% menunjukkan bahwa dari semua transaksi yang terjadi 20,6% mengandung item susu, sedangkan untuk waktu pembelian konsumen Toserba yang paling banyak konsumennya adalah pada A1 (Waktu pembelian antara jam 09:00-13:06 WIB) dengan nilai support 34,4%. Hasil dari analisis keranjang belanja adalah daftar produk-produk dan aturan-aturan asosiasi yang terkait yaitu antara waktu pembelian, produk (susu, buah, mie, telur, minyak goreng). Dari tabel diatas memperlihatkan nilai support dan confidence dari setiap itemset yang menunjukkan bahwa

46

item dengan nilai support tinggi berarti dari semua transaksi yang terjadi kemungkinan dibeli item tersebut sangat tinggi, jika nilai confedence juga tinggi berarti menunjukkan tingkat kepercayaan yang tinggi. Nilai support untuk 1 itemset pada item waktu dengan nilai support paling tinggi adalah pada A1 (Waktu pembelian antara jam 09:00-13:06 WIB) dan untuk produk adalah B (susu). A1 (Waktu pembelian antara jam 09:00-13:06 WIB) memiliki nilai support 34,4 % yang menunjukkan 34,4 % dari semua transaksi dilakukan pada A1 (Waktu pembelian antara jam 09:0013:06 WIB). B (susu) memiliki nilai support 29,5 %, yang menunjukkan 29,5 % dari semua transaksi yang terjadi mengandung item B (susu). Pada asosiasi 2 itemset, 3 itemset, 4 itemset, 5 itemset, dan 6 itemset akan menghasilkan suatu kaidah asosiasi antara beberapa produk atau waktu sehingga menghasilkan aturan disertai dengan nilai support dan nilai confidence, kaidah asosiasi tertinggi yang dihasilkan dapat dilihat pada Tabel 17. Tabel 17. Support count dan support untuk 2 itemset (A, B. C. D, E, F) 2 itemset A3,B A3,C A3,D A3,E A3,F B,C B,D B,E B,F C,D C,E C,F D,E D,F E,F

Kaidah asosiasi A3B A3C A3D A3E A3F BC BD BE BF CD CE CF DE DF EF

Support Count

Support(%)

Confidence (%)

644 466 409 274 159 441 647

11,1 7,9 6,9 4,6 2,7 7,4 8,7 5,3 3,2 4,8 3,0 1,9 5,8 3,1 2,4

29,8 21,6 19,0 12,7 7,3 25,2 36,9 18,0 10,9 23,1 14,7 9,1 33,4 17,4 21,6

315 191 283 180 111 347 181 140

Berdasarkan Tabel 17 nilai support dan nilai confidence untuk 2 itemset (nilai support paling tinggi) A3, B : A3B, nilai support 11,1% dan nilai confidence 29,8%. Artinya jika pada A3 (Waktu pembelian antara jam 17:14-21:20 WIB) maka dibeli B (susu) dengan tingkat kepercayaan 29,8% yang menunjukkan 11,1% dari semua transaksi yang terjadi mengandung B

47

(susu) yang dilakukan pada A3 (Waktu pembelian antara jam 17:14-21:20 WIB). Tabel 18. Support count dan support untuk 3itemset (A, B, C, D, E, F) 3 itemset

Kaidah asosiasi

Support Count

Support (%)

Confidence (%)

A3,B,C

A3,BC A3B,C A1,BD A1B,D A3,BE A3B,E A3,BF A3,B,F A3,CD A3C,D A3,CE A3C,E A3,CF A3C,F A3,DE A3D,E A3,DF A3D,F A3,EF A3E,F B,CD BC,D B,CE BC,E B,CF BC,F B,DE BD,E B,DF BD,F B,EF BEF C,DE CD,E C,DF CD,F C,EF CE,F D,EF DE,F

176

3,0

205

3,5

126

2,1

83

1,4

115

1,9

78

1,3

40

0,7

160

2,7

78

1,3

67

1,1

149

2,5

99

1,7

57

1,0

188

3,2

109

1,8

82

1,4

106

1,8

58

14,9

45

0,8

95

1,6

26,5 8,2 14,7 10,0 19,6 5,9 12,9 3,8 24,7 5,3 16,7 3,6 8,6 1,9 39,1 7,4 19,0 3,6 24,5 3,1 33,8 8,5 22,4 5,6 12,9 3,3 29,1 10,7 16,8 6,2 42,9 4,7 37,5 8,7 20,5 4,7 25,0 3,7 27,4 9,1

A1,B,D A3,B,E A3,B,F A3,C,D A3,C,E A3,C,F A3,D,E A3,D,F A3,E,F B,C,D B,C,E B,C,F B,D,E B,D,F B,E,F C,D,E C,D,F C,E,F D,E,F

Berdasarkan Tabel 18 nilai support dan nilai confidence untuk 3 itemset (nilai support paling tinggi) C, D, F : C, DF, nilai support 14,9% dan nilai confidence 20,5% yang artinya jika C (buah) dan D (mie) di beli maka F (minyak goreng) dibeli, dengan tingkat kepercayaan 20,5% yang

48

menunjukkan 14,9% dari semua transaksi yang terjadi mengandung C (buah), D (mie) dan F (minyak goreng). Tabel 19. Support count dan support untuk 4 itemset (A, B, C, D, E, F) 4 itemset

Kaidah asosiasi

Support Count

Support (%)

A3,B,C,D

A3,B,CD A3,BC,D A3B,C,D A1,B,CE A1,BC,E A1B,C,E A3,B,CF A3,BC,F A3B,C.F A3,B,DE A3,BD,E A3B,D,E A3,B,DF A3,BD,F A3B,D,F A3,B,EF A3,BE,F A3B,E,F A3,C,DE A3,CD,E A3C,D,E A2,C,DF A2,CD,F A2C,D,F A1,C,EF A1,CE,F A1C,E,F A2,D,EF A2,DE,F A2D,E,F B,C,DE B,CD,E BC,D,E B,C,DF B,CD,F BC,D,F

58

1,0

40

0,7

21

0,4

82

1,4

52

0,9

36

0,6

44

0,7

22

0,4

15

0,3

23

1,1

65

2,5

31

0,5

A1,B,C,E

A3,B,C,F

A3,B,D,E

A3,B,D,F

A3,B,E,F

A3,C,D,E

A2,C,D,F

A1,C,E,F

A2,D,E,F

B,C,D,E

B,C,D,F

Confidence (%) 33,0 9,0 2,7 25,3 6,2 2,0 11,9 3,3 1,0 42,3 12,7 3,8 26,8 8,1 2,5 28,6 5,6 1,7 38,3 9,4 2,0 27,2 16,3 1,3 24,2 3,5 0,7 29,9 8,8 1,3 43,6 14,7 3,7 20,8 7,0 1,8

Berdasarkan Tabel 19 nilai support dan nilai confidence untuk 4 itemset (nilai support paling tinggi) B, C, D, E : B, C, DE, nilai support 2,5% dan nilai confidence 43,6% yang artinya jika B (susu), C (buah), D (mie) dibeli maka E (telur) di beli dengan tingkat kepercayaan 43,6% yang menunjukkan 2,5% dari semua transaksi yang terjadi mengandung B (susu), C (buah), D (mie) dan E (telur).

49

Tabel 20. Support count dan support untuk 5 itemset (A, B, C, D, E, F) 5 itemset

Kaidah asosiasi

Support Count

Support(%)

Confidence (%)

A3,B,C,D,E

A3,B,C,D-E A3,B,CD,E A3,BC,D,E A3B,C,D,E A3,B,C,DF A3,B,CD,F A3,BC,D,F A3B,C,D,F A1,B,C,EF A1,B,CE,F A1,BC,E,F A1B,C,E,F A3,B,D,EF A3,B,DE,F A3,BD,E,F A3B,D,E,F A1,C,D,EF A1,C,DE,F A1,CD,E,F A1C,D,E,F B,C,D,EF B,C,DE,F B,CD,E,F BC,D,E,F

23

0,4

11

0,2

12

0,2

30

0,5

14

0,5

14

0,2

39,6 13,0 3,6 1,1 19,0 6,25 1,7 0,5 30,0 7,6 1,9 0,6 36,6 15,5 4,7 1,4 40.0 16,1 3,3 0,7 21,5 9,4 3,2 0,8

A3,B,C,D,F

A1,B,C,E,F

A3,B,D,E,F

A1,C,D,E,F

B,C,D,E,F

Berdasarkan Tabel 20 nilai support dan nilai confidence untuk 5 itemset (nilai support paling tinggi) A3, B, D, E, F : A3, B, D, EF, nilai support 0,5% dan nilai confidence 36,6%, yang artinya jika pada A3 (Waktu pembelian antara jam 17:14-21:20 WIB) dibeli B (susu), D (mie), E (telur) maka F (miyak goreng) dibeli, dengan tingkat kepercayaan 36,6% yang menunjukkan 0,5% dari semua transaksi yang terjadi pada A3 (Waktu pembelian antara jam 17:14-21:20 WIB) mengandung B (susu), D (mie), E (telur), F (minyak goreng). Tabel 21. Support count dan support untuk 6-itemset (A, B, C, D, E, F) 6 itemset

Kaidah asosiasi

Support Count

Support(%)

Confidence (%)

A1,B,C,D,E,F

A1,B,C,D,EF A1,B,C,DE,F A1,B,CD,E,F A1,BC,D,E,F A1B,C,D,E,F

7

0,1

26,9 13,5 4,4 0,1 0,3

Berdasarkan Tabel 21 nilai support dan nilai confidence untuk 6 itemset (nilai confidence paling tinggi) A1, B, C, D, E, F : A1, B, C, D, EF, nilai support 0,1% dan nilai confidence 26,9%, yang artinya jika pada A1 (Waktu pembelian antara jam 09:00-13:06 WIB) dibeli B (susu), C (buah), D

50

(mie), E (telur) maka F (miyak goreng) dibeli, dengan tingkat kepercayaan 26,9% yang menunjukkan 0,1% dari semua transaksi yang terjadi pada malam hari mengandung B (susu), C (buah), D (mie), E (telur), F (minyak goreng). Berdasarkan semua hasil kaidah asosiasi dapat terlihat adanya beberapa item produk yang dibeli pada saat bersamaan dengan nilai support cukup besar, sehingga bisa dijadikan informasi, jika perusahaan akan melakukan diskon dengan konsep berpasangan dan mengetahui waktu berbelanja yang banyak dikunjungi. 4.4. Implikasi Manajerial Berdasarkan pembahasan di atas memberikan informasi yang berguna bagi pihak Toserba YOGYA dalam mengambil keputusan-keputusan bisnis. Analisis data transaksi dihasilkan informasi bahwa pembelian untuk item jeruk sering dilakukan pada malam hari, ini berarti pihak Toserba sebaiknya untuk lebih memperhatikan persediaan jeruk pada malam hari, agar produk selalu ada ketika konsumen membutuhkan, sehingga konsumen merasakan kepuasan dan kenyamanan berbelanja. Hal ini akan mempengaruhi konsumen untuk kembali lagi berbelanja. Hasil asosiasi promosi dan diskon diketahui tingkat pembelian pada setiap item yang tidak promosi dan tidak diskon berjumlah lebih banyak, menunjukan konsumen loyal terhadap produknya dan Toserba sebagai satusatunya Toserba di kota Banjar, namun untuk pihak Toserba disarankan tetap melakukan promosi penjualan untuk menimbulkan keinginan membeli pada setiap konsumen yang pada awalnya tidak ingin membeli suatu produk tertentu menjadi tertarik untuk membelinya. Hal ini akan memberikan keuntungan bagi pihak Toserba dengan peningkatan penjualan. Hasil analisis ini memiliki informasi penting yang dapat meningkatkan kualitas kerja karyawan karena karyawan mengetahui kapan saja persediaan harus diperbanyak sehingga karyawan mempunyai perkiraan yang tepat dalam mempersiapkan produk-produk tersebut. Memberikan ide-ide bagi

51

karyawan bagian promosi dengan melihat produk yang sering dibeli bersamaan dengan menggunakan teknik diskon berpasangan.

KESIMPULAN DAN SARAN

1. Kesimpulan a.

Penelitian ini memperlihatkan bahwa Analisis Keranjang Belanja tidak hanya digunakan untuk menentukan kecenderungan pelanggan dalam membeli barang-barang secara bersamaan, tetapi dapat digunakan untuk melihat kapan suatu barang dibeli pada jumlah yang paling besar, mencari hubungan

diantara

himpunan

barang-barang

yang

berbeda,

dan

memberikan informasi lain yang dihasilkan dalam transaksi penjualan berupa hubungan promosi, diskon dan waktu pembelian. b.

Analisis pertama menghasilkan kaidah asosiasi berupa jeruk lebih banyak dibeli pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) 17,68% di bandingkan dengan T1 (Waktu pembelian antara jam 09:00-13:06 WIB) 14,61% dan T2 (Waktu pembelian antara jam 13:07-17:13 WIB) 17,34% dengan tingkat kepercayaan terbesar 49,29%. Mie lebih banyak dibeli pada T3 (Waktu pembelian antara jam 17:14-21:20 WIB) 19,93% dibandingkan dengan T2 (Waktu pembelian antara jam 13:07-17:13 WIB) 12,60% dan T1 (Waktu pembelian antara jam 09:00-13:06 WIB) 17,84% dengan tingkat kepercayaan terbesar 53,00%.

c.

Analisis kedua menghasilakan kaidah asosiasi berupa apabila tidak promosi maka tidak diskon dengan nilai support 61,46% dan nilai confidence 65,87%, hal tersebut dapat diterjemahkan bahwa Sebanyak 61,46% dari seluruh item yang dibeli, jika tidak dilakukan promosi maka tidak ada diskon, dengan derajat kepercayaan sebesar 65,87%.

d.

Analisis ketiga antara enam item, menghasilkan banyak kaidah asosiasi salah satu kaidah yang memiliki nilai support dan nilai confidence tinggi (kedua nilainya relatif tinggi dengan tingkat perbedaan nilai keduanya tidak signifkan) daripada yang lainnya adalah C, D, F : C, DF, nilai support 14,9% dan nilai confidence 20,5% yang artinya apabila C (buah) dan D (mie) di beli maka F (minyak goreng) dibeli, dengan tingkat

53

kepercayaan 20,5% yang menunjukan 14,9% dari semua transaksi yang terjadi mengandung C (buah), D (mie) dan F (minyak goreng). e.

Kaidah asosiasi yang didapat dari tiga analisis yang dilakukan belum dapat ditarik pengetahuaan yang cukup signifikan, karena dari tingkat kepercayaan yang didapat masih relatif rendah.

f.

Implikasi manajerial bagi perusahaan adalah perusahaan dapat mengetahui produk apa saja yang sering dibeli bersamaan sehingga bisa dijadikan dasar dalam perumusan strategi pemasaran yaitu melakukan promosi atau diskon berpasangan, menyiapkan persediaan yang lebih banyak pada waktu dimana suatu barang banyak dibeli.

2. Saran a.

Toserba YOGYA Banjar disarankan memberikan perhatian yang lebih pada sistem pengendalian persediaan, terutama pada produk-produk yang tingkat penjualannya sangat dipengaruhi oleh waktu. Perusahaan juga disarankan untuk meningkatkan promosi untuk menambah volume penjualan.

b.

Penelitian selanjutnya disarankan dalam pengolahan data transaksi menggunakan software yang bisa menampung banyak data sehingga informasi yang dihasilkan lebih akurat dan lengkap. Analisis Keranjang Belanja selanjutkan diharapkan lebih spesifik yaitu dengan mengetahui karakteristik konsumen, merek produk, waktu pembelian yang diteliti hari libur atau hari biasa, agar informasi yang dihasilkan bisa memberikan banyak pengetahuan.

54

DAFTAR PUSTAKA

Albion, Research Ltd. 2007. Market Basket Analysis. http://www.albionresearch. Com. [23 Maret 2009] Andreas. (2007). Aplikasi Data Mining untuk Meneliti Asosiasi Pembelian Item Barang di Supermarket dengan Metode Market Basket Analiysi. Jurnal Informatika. Vol 8 No 6: pp 97-117. Anonim. 2009. Company Profil. http://www.toserbayogya.com/index.php/section/ profil. [19 April 2009] Assauri, Sofjan. 2007. Manajemen Pemasaran. PT Raja Grafindo Persada. Jakarta. Ernawati 2009. Penggalian Kaidah Asosiasi Kuntitatif Prestasi Akademik Mahasiswa dengan Jenis Kelamin dan Nilai Test Masuk Mahasiswa, Jurnal Teknologi Industri Vol. XI No. 1 : pp.39-48. Fakultas Teknologi Industri, Universitas Islam Indonesia. Market Basket Analysis.http://www.google.co.id/Search?hl=id&q=market+basket+analysi s&btng.[23 Maret 2009] Kotler, P.1997. Manajemen Pemasaran (Terjemahan). Jilid 2. PT Prenhallindo, Jakarta. ----------, 2005. Manajemen Pemasaran (Terjemahan). PT. INDEKS Kelompok Media, Jakarta. Kotler, P dan G. Armstrong. 2001.Prinsip-prinsip Pemasaran Jilid 1. Edisi 8. Erlangga, Jakarta. Megaputer. 2007. Market Basket Analysis. http://www.megaputer.com. [23 Maret 2009] Meyer, et. al. 1988. Pemasaran Eceran (Terjemahan). PT Alex Media Komputindo. Jakarta. Olson, David and Y. Shi. 2008. Pengantar Ilmu Penggalian Data Bisnis. Salemba Empat, Jakarta. Satia.(2007). Aplikasi Data Mining MBA pada Tabel Data Absensi Elektronik untuk Mendeteksi Kecurangan Absensi (Check-Lock) Karyawan di Perusahaan, Jurnal Informatika, Vol 8 No. 2: pp.119-129. Simatupang, D.S. No.08/II/Agustus 2007. Hiruk Pikuk di Outlet Modern. Majalah Marketing : hlm 28-30. Sopiah dan Syihabudin. 2008. Manajemen Bisnis Ritel. Penerbit Andi. Yogyakarta. Swastha B, D.H. 1984. Azas-Azas Marketing. Penerbit Liberty. Yogyakarta. www. Banjar-jabar.go.id. Situs Resmi Pemerintahan kota Banjar : Kondisi Umum Kota Banjar.[27 April 2009] www.wartaekonomi.co.id. [23 Maret 2009] Yusrianti, A. 2008. Pengaruh in Store Promotion Terhadap Keputusan Impulse Buying Pada Konsumen Giant Hypermarket (Studi Kasus Giant Bogor). Skripsi pada Fakultas Ekonomi dan Manajemen, Institut Pertanian Bogor, Bogor.

LAMPIRAN

56

Lampiran 1. Struktur Organisasi Toserba YOGYA Banjar

57

Lanjutan Lampiran 2. Contoh Data Transaksi JURNAL TI_ME PLU QTY GROSSALE DISCOUNT PROMO 2 09:48:02 02150727 1.000 1150 0 3 09:50:01 01780048 1.000 7050 200 P 3 09:50:03 01780055 1.000 6075 125 P 3 09:50:04 02130835 1.000 1725 0 3 09:50:10 02130842 1.000 1725 0 3 09:50:17 02132372 4.000 7800 0 3 09:50:25 02131535 3.000 5850 0 3 09:50:28 02131313 3.000 5850 0 3 09:50:37 03261903 1.000 1750 0 4 09:57:21 04810834 2.000 14650 0 4 09:57:57 01721270 1.000 147100 0 5 10:03:50 06222970 1.000 39900 7980 P 6 10:07:31 04980155 1.000 15100 151 6 10:07:33 01928549 1.000 1650 16 6 10:07:36 01970104 1.000 6350 63 6 10:07:38 01920840 1.000 1650 16 6 10:07:39 01921625 1.000 3750 37 7 10:10:11 02151489 3.000 5400 0 7 10:10:15 03500217 2.000 5000 0 7 10:10:26 03500217 1.000 2500 0 7 10:10:31 03500491 2.000 4900 550 P 7 10:10:35 03500026 1.000 3275 0 7 10:10:41 02150130 2.000 800 0 7 10:10:50 02530307 1.000 1675 0 7 10:10:53 03409244 1.000 11250 0 7 10:10:56 02530437 1.000 1150 0 7 10:11:01 02530208 2.000 2100 0 7 10:11:05 02530437 2.000 2300 0 7 10:11:07 02530208 1.000 1050 0 7 10:11:10 02530437 1.000 1150 0 7 10:11:15 01920406 5.000 2500 0 7 10:11:21 02130910 6.000 9600 0 7 10:11:32 03801093 1.000 5100 0 7 10:11:36 02130910 3.000 4800 0 7 10:11:46 02130835 2.000 3450 0 7 10:11:47 01920406 1.000 500 0 7 10:11:49 03801093 1.000 5100 0 7 10:11:50 02531557 1.000 2350 0

TIPE S S S S S S S S S S S S S S S S S S S S S S S S S S S S S S S S S S S S S S

58

Lanjutan Lampiran 2. JURNAL TRANSACT 1 RECEIVED ACCOUNT 2 PLU,RON 88, ELITE 620 ML 2 PRICE (1.000) 2 TOTAL SALE 2 CASH ;GENAP=-50 2 CHANGE;KUPON = 0 PLU,INDOMILK, *SKMPUTIH 3 390GR 3 PRICE (1.000) 3 PLU,INDOMILK, *SCKM 388 GR 3 PRICE (1.000) PLU,ULTRA, 3 *CHOCOLATE125ML 3 PRICE (1.000) PLU,ULTRA, 3 *STRAWBERY125ML 3 PRICE (1.000) PLU,SUSU SEHAT, FULLCREAM 3 200ML 3 PRICE (4.000) PLU,SUSU SEHAT, STROBERI 3 200ML 3 PRICE (3.000) PLU,SUSU SEHAT, VANILA 3 200ML 3 PRICE (3.000) 3 PLU,HAPPYDENT, WHITE 12 GR 3 PRICE (1.000) 3 TOTAL SALE 3 CASH ;GENAP= 0 3 CHANGE;KUPON = 1 4 PLU,PAMPERS, BABY DRY M4 4 PRICE (2.000) PLU,NUTRILON, RYL 3_800GR 4 VNL 4 PRICE (1.000) 4 TOTAL SALE 4 CASH ;GENAP=-50 4 CHANGE;KUPON = 4 5 PLU,RIDER, CDMR318B/2S/M 5 PRICE (1.000)

VALUE 400000 02150727 1150 1100 1500 350

CLERK KS016 KS016 KS016 KS016 KS016 KS016

01780048 6850 01780055 5950

KS016 KS016 KS016 KS016

02130835 1725

KS016 KS016

02130842 1725

KS016 KS016

02132372 1950

KS016 KS016

02131535 1950

KS016 KS016

02131313 1950 03261903 1750 37500 50000 12500 04810834 7325

KS016 KS016 KS016 KS016 KS016 KS016 KS016 KS016 KS016

01721270 147100 161700 200000 38250 06222970 39900

KS016 KS016 KS016 KS016 KS016 KS016 KS016

59

Lampiran 3. Hasil Pengolahan Data JUMLAH DATA adalah 5934 Item A nilai 1 adalah sebanyak : 2040 peluang = 0.344 Item A nilai 2 adalah sebanyak : 1736 peluang = 0.293 Item A nilai 3 adalah sebanyak : 2158 peluang = 0.364 Item B nilai 1 adalah sebanyak : 1753 peluang = 0.295 Item C nilai 1 adalah sebanyak : 1223 peluang = 0.206 Item D nilai 1 adalah sebanyak : 1039 peluang = 0.175 Item E nilai 1 adalah sebanyak : 647 peluang = 0.109 Item F nilai 1 adalah sebanyak : 373 peluang = 0.063 Iitem A,B nilai 11 adalah sebanyak : 644 peluang = 0.109 Item A,B nilai 21 adalah sebanyak : 449 peluang = 0.076 Item A,B nilai 31 adalah sebanyak : 660 peluang = 0.111 Item A,C nilai 11 adalah sebanyak : 420 peluang = 0.071 Item A,C nilai 21 adalah sebanyak : 337 peluang = 0.057 Item A,C nilai 31 adalah sebanyak : 466 peluang = 0.079 Item A,D nilai 11 adalah sebanyak : 370 peluang = 0.062 Item A,D nilai 21 adalah sebanyak : 260 peluang = 0.044 Item A,D nilai 31 adalah sebanyak : 409 peluang = 0.069 Item A,E nilai 11 adalah sebanyak : 205 peluang = 0.035 Item A,E nilai 21 adalah sebanyak : 168 peluang = 0.028 Item A,E nilai 31 adalah sebanyak : 274 peluang = 0.046 Item A,F nilai 11 adalah sebanyak : 120 peluang = 0.020 Item A,F nilai 21 adalah sebanyak : 94 peluang = 0.016 Item A,F nilai 31 adalah sebanyak : 159 peluang = 0.027 Item B,C nilai 11 adalah sebanyak : 441 peluang = 0.074 Item B,D nilai 11 adalah sebanyak : 516 peluang = 0.087 Item B,E nilai 11 adalah sebanyak : 313 peluang = 0.053 Item B,F nilai 11 adalah sebanyak : 191 peluang = 0.032 Item C,D nilai 11 adalah sebanyak : 283 peluang = 0.048 Item C,E nilai 11 adalah sebanyak : 180 peluang = 0.030 Item C,F nilai 11 adalah sebanyak : 111 peluang = 0.019 Item D,E nilai 11 adalah sebanyak : 347 peluang = 0.058 Item D,F nilai 11 adalah sebanyak : 181 peluang = 0.031 Item E,F nilai 11 adalah sebanyak : 140 peluang = 0.024 Item A,B,C nilai 111 adalah sebanyak : 158 peluang = 0.027 Item A,B,C nilai 211 adalah sebanyak : 107 peluang = 0.018 Item A,B,C nilai 311 adalah sebanyak : 176 peluang = 0.030 Item A,B,D nilai 111 adalah sebanyak : 205 peluang = 0.035 Item A,B,D nilai 211 adalah sebanyak : 117 peluang = 0.020 Item A,B,D nilai 311 adalah sebanyak : 194 peluang = 0.033 Item A,B,E nilai 111 adalah sebanyak : 111 peluang = 0.019 Item A,B,E nilai 211 adalah sebanyak : 76 peluang = 0.013

60

Lanjutan Lampiran 3. Item A,B,E nilai 311 adalah sebanyak : 126 peluang = 0.021 Item A,B,F nilai 111 adalah sebanyak : 67 peluang = 0.011 Item A,B,F nilai 211 adalah sebanyak : 41 peluang = 0.007 Item A,B,F nilai 311 adalah sebanyak : 83 peluang = 0.014 Item A,C,D nilai 111 adalah sebanyak : 87 peluang = 0.015 Item A,C,D nilai 211 adalah sebanyak : 81 peluang = 0.014 Item A,C,D nilai 311 adalah sebanyak : 115 peluang = 0.019 Item A,C,E nilai 111 adalah sebanyak : 62 peluang = 0.010 Item A,C,E nilai 211 adalah sebanyak : 40 peluang = 0.007 Item A,C,E nilai 311 adalah sebanyak : 78 peluang = 0.013 Item A,C,F nilai 111 adalah sebanyak : 35 peluang = 0.006 Item A,C,F nilai 211 adalah sebanyak : 36 peluang = 0.006 Item A,C,F nilai 311 adalah sebanyak : 40 peluang = 0.007 Item A,D,E nilai 111 adalah sebanyak : 110 peluang = 0.019 Item A,D,E nilai 211 adalah sebanyak : 77 peluang = 0.013 Item A,D,E nilai 311 adalah sebanyak : 160 peluang = 0.027 Item A,D,F nilai 111 adalah sebanyak : 60 peluang = 0.010 Item A,D,F nilai 211 adalah sebanyak : 43 peluang = 0.007 Item A,D,F nilai 311 adalah sebanyak : 78 peluang = 0.013 Item A,E,F nilai 111 adalah sebanyak : 38 peluang = 0.006 Item A,E,F nilai 211 adalah sebanyak : 35 peluang = 0.006 Item A,E,F nilai 311 adalah sebanyak : 67 peluang = 0.011 Item B,C,D nilai 111 adalah sebanyak : 149 peluang = 0.025 Item B,C,E nilai 111 adalah sebanyak : 99 peluang = 0.017 Item B,C,F nilai 111 adalah sebanyak : 57 peluang = 0.010 Item B,D,E nilai 111 adalah sebanyak : 188 peluang = 0.032 Item B,D,F nilai 111 adalah sebanyak : 109 peluang = 0.018 Item B,E,F nilai 111 adalah sebanyak : 82 peluang = 0.014 Item C,D,E nilai 111 adalah sebanyak : 106 peluang = 0.018 Item C,D,F nilai 111 adalah sebanyak : 58 peluang = 0.010 Item C,E,F nilai 111 adalah sebanyak : 45 peluang = 0.008 Item D,E,F nilai 111 adalah sebanyak : 95 peluang = 0.016 Item A,B,C,D nilai 1111 adalah sebanyak : 52 peluang = 0.009 Item A,B,C,D nilai 2111 adalah sebanyak : 39 peluang = 0.007 Item A,B,C,D nilai 3111 adalah sebanyak : 58 peluang = 0.010 Item A,B,C,E nilai 1111 adalah sebanyak : 40 peluang = 0.007 Item A,B,C,E nilai 2111 adalah sebanyak : 22 peluang = 0.004 Item A,B,C,E nilai 3111 adalah sebanyak : 37 peluang = 0.006 Item A,B,C,F nilai 1111 adalah sebanyak : 19 peluang = 0.003 Item A,B,C,F nilai 2111 adalah sebanyak : 17 peluang = 0.003 Item A,B,C,F nilai 3111 adalah sebanyak : 21 peluang = 0.004 Item A,B,D,E nilai 1111 adalah sebanyak : 66 peluang = 0.011 Item A,B,D,E nilai 2111 adalah sebanyak : 40 peluang = 0.007

61

Lanjutan Lampiran 3. Item A,B,D,F nilai 1111 adalah sebanyak : 40 peluang = 0.007 Item A,B,D,F nilai 2111 adalah sebanyak : 17 peluang = 0.003 Item A,B,D,F nilai 3111 adalah sebanyak : 52 peluang = 0.009 Item A,B,E,F nilai 1111 adalah sebanyak : 26 peluang = 0.004 Item A,B,E,F nilai 2111 adalah sebanyak : 18 peluang = 0.003 Item A,B,E,F nilai 3111 adalah sebanyak : 38 peluang = 0.006 Item A,C,D,E nilai 1111 adalah sebanyak : 35 peluang = 0.006 Item A,C,D,E nilai 2111 adalah sebanyak : 27 peluang = 0.005 Item A,C,D,E nilai 3111 adalah sebanyak : 44 peluang = 0.007 Item A,C,D,F nilai 1111 adalah sebanyak : 16 peluang = 0.003 Item A,C,D,F nilai 2111 adalah sebanyak : 22 peluang = 0.004 Iitem A,C,D,F nilai 3111 adalah sebanyak : 20 peluang = 0.003 Item A,C,E,F nilai 1111 adalah sebanyak : 15 peluang = 0.003 Item A,D,E,F nilai 1111 adalah sebanyak : 17 peluang = 0.003 Item A,D,E,F nilai 2111 adalah sebanyak : 23 peluang = 0.004 Item A,D,E,F nilai 3111 adalah sebanyak : 21 peluang = 0.004 Item B,C,D,E nilai 1111 adalah sebanyak : 65 peluang = 0.011 Item B,C,D,F nilai 1111 adalah sebanyak : 31 peluang = 0.005 Item B,C,E,F nilai 1111 adalah sebanyak : 28 peluang = 0.005 Item B,D,E,F nilai 1111 adalah sebanyak : 59 peluang = 0.010 Item C,D,E,F nilai 1111 adalah sebanyak : 32 peluang = 0.005 Item A,B,C,D,E nilai 11111 adalah sebanyak : 26 peluang = 0.004 Item A,B,C,D,E nilai 21111 adalah sebanyak : 16 peluang = 0.003 Item A,B,C,D,E nilai 31111 adalah sebanyak : 23 peluang = 0.004 Item A,B,C,D,F nilai 11111 adalah sebanyak : 11 peluang = 0.002 Item A,B,C,D,F nilai 21111 adalah sebanyak : 9 peluang = 0.002 Item A,B,C,D,F nilai 31111 adalah sebanyak : 11 peluang = 0.002 Item A,B,C,E,F nilai 11111 adalah sebanyak : 12 peluang = 0.002 Item A,B,C,E,F nilai 21111 adalah sebanyak : 9 peluang = 0.002 Item A,B,C,E,F nilai 31111 adalah sebanyak : 7 peluang = 0.001 Item A,B,D,E,F nilai 11111 adalah sebanyak : 18 peluang = 0.003 Item A,B,D,E,F nilai 21111 adalah sebanyak : 11 peluang = 0.002 Item A,B,D,E,F nilai 31111 adalah sebanyak : 30 peluang = 0.005 Item A,C,D,E,F nilai 11111 adalah sebanyak : 10 peluang = 0.002 Item A,C,D,E,F nilai 21111 adalah sebanyak : 12 peluang = 0.002 Item A,C,D,E,F nilai 31111 adalah sebanyak : 10 peluang = 0.002 Item B,C,D,E,F nilai 11111 adalah sebanyak : 18 peluang = 0.003 Item A,B,C,D,E,F nilai 111111 adalah sebanyak : 7 peluang = 0.001 Item A,B,C,D,E,F nilai 211111 adalah sebanyak : 7 peluang = 0.001 Item A,B,C,D,E,F nilai 311111 adalah sebanyak : 4 peluang = 0.001