Menghadapi persaingan antar pelaku industri yang kian ketat dan dinamis,
Adorable Projects meluncurkan varian produk baru hampir setiap bulannya. Dalam
mengembangkan produk, perancang mengandalkan intuisi dalam menganalisis
preferensi pelanggan yang ‘abstrak’. Hal ini menimbulkan beban mental yang berat.
Selain itu, desain yang dihasilkan tidak sepenuhnya bersifat data-driven. Produk
yang tidak sesuai dengan preferensi pelanggan akan menyebabkan inefisiensi
waktu dan sumber daya. Oleh karena itu, penelitian ini bertujuan untuk membuat
model yang mampu menganalisis preferensi pelanggan beserta aplikasi untuk
memudahkan eksekusi dan representasi hasil.
Model fuzzy association rule mining digunakan untuk menganalisis hubungan
antara kombinasi atribut produk dan tingkat penjualan setiap jenis produk sepatu
heels. Binary particle swarm optimization dan genetic algorithm digunakan sebagai
substitusi atas algoritma tradisional yang membutuhkan batas support dan
confidence minimum. Perbandingan antara kedua algoritma tersebut menunjukkan
bahwa genetic algorithm lebih unggul daripada binary particle swarm optimization
dengan validasi sebesar 80,4%. Kemudian, dikembangkan sebuah prototipe
aplikasi berbasis model terpilih. Aplikasi ini memanfaatkan program Microsoft
Excel dan R. Analisis verifikasi menunjukkan bahwa aplikasi telah sesuai dengan
kebutuhan Adorable Projects dalam menganalisis preferensi pelanggan.