Perpustakaan Digital ITB

Meningkatnya variasi produk dan keterbatasan ruang rak yang tersedia, menyebabkan besarnya upaya yang harus dilakukan oleh peritel untuk menentukan assortment yang efisien dan optimal. Namun penelusuran assortment terdahulu, belum mempertimbangkan faktor private label yang dapat menghasilkan diferensiasi keuntungan sekaligus membangun loyalitas toko. Selain itu, keputusan assortment pada umumnya bersifat subjektif, tanpa disertai dengan model analitik yang berguna, seperti halnya mempertimbangkan preferensi konsumen. Sedangkan peritel tertarik untuk menganalisis data demi mempelajari kebiasaan konsumen dalam melakukan pembelian. Association rule mining merupakan salah satu bagian dari data mining yang dapat membantu peritel untuk menemukan pola kebiasaan belanja konsumen di supermarket, untuk memutuskan assortment. Algoritma Apriori, merupakan algoritma association rule mining yang digunakan secara meluas, namun masih memiliki banyak kelemahan, diantaranya: menghasilkan banyak kandidat set yang tidak berguna bahkan salah, serta proses scanning database yang memakan waktu cukup lama. Metode ini tentunya akan meningkatkan beban input, output, dan waktu yang dibutuhkan untuk melakukan proses. Selain itu, keputusan manajemen pun perlu menjadi pertimbangan dalam menentukan product assortment, sehingga aturan asosiasi yang dihasilkan perlu melibatkan referensi user. Maka dari itu, penelitian ini mngusulkan suatu model untuk merekomendasikan assortment dengan mempertimbangkan private label dan referensi user. Menentukan basic dan added product berdasarkan prosedur spesifik. Untuk memperkuat citra toko, maka basic product dipilih berdasarkan produk house brand/private label dari suatu peritel. Sedangkan added product ditentukan berdasarkan kriteria afinitas pembelian dengan basic product, atau hasil penelusuran frequent itemset. Selain itu, menambahkan faktor bobot apriori dengan nilai pembobotan yang diusulkan yaitu 0