Perpustakaan Digital ITB

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.