KOMPARASI ALGORITMA EQUIVALENCE CLASS TRANSFORMATION (ECLAT) DAN APRIORI UNTUK MARKET BASKET ANALYSIS PADA DATASET TOKO AMANAH

Tegar Robi Bakhtiar; Agung Handayanto; Khoiriya Latifah

doi:10.51401/jinteks.v7i3.6207

Authors

Tegar Robi Bakhtiar Universitas Persatuan Guru Republik Indonesia Semarang
Agung Handayanto Universitas Persatuan Guru Republik Indonesia Semarang
Khoiriya Latifah Universitas Persatuan Guru Republik Indonesia Semarang

DOI:

https://doi.org/10.51401/jinteks.v7i3.6207

Keywords:

Algoritma Apriori, Algoritma Eclat, Aturan Asosiasi, Market Basket Analysis, Toko Amanah

Abstract

Mengetahui produk apa saja yang sering dibeli bersamaan dapat membantu toko dalam menyusun strategi penjualan yang lebih efektif. Penelitian ini membandingkan algoritma ECLAT dan Apriori untuk mencari pola pembelian dari data transaksi Toko Amanah. Kedua algoritma dipilih karena umum digunakan dalam analisis market basket dan memiliki pendekatan yang berbeda. Proses analisis dilakukan melalui lima tahapan KDD, mulai dari seleksi data hingga evaluasi hasil. Data awal berjumlah sekitar 6600 baris, dan setelah dibersihkan diperoleh 367 transaksi dengan 2053 item unik. Pengujian dilakukan dengan minimum support 4 dan confidence 0,5. Hasilnya, baik ECLAT maupun Apriori menghasilkan 7 aturan asosiasi yang sama. Namun dari sisi performa, ECLAT lebih cepat dan hemat memori karena menggunakan pendekatan vertikal TID-list. Sebaliknya, Apriori menggunakan pendekatan bottom-up berbasis candidate generation sehingga lebih stabil, tetapi cenderung memerlukan waktu dan memori lebih besar. Aturan yang ditemukan juga relevan secara bisnis, seperti keterkaitan bahan masakan dan alat kemasan. Seluruh proses ini kemudian diterapkan ke dalam aplikasi berbasis Streamlit agar hasil dapat divisualisasikan secara interaktif. Dari penelitian ini, ECLAT dinilai lebih cocok untuk proses cepat dan efisien, sementara Apriori tetap berguna jika sumber daya sistem mencukupi.

References

D. Meliana, J. Riswati, and D. Astuti, “Analisis Perkembangan Bisnis Ritel Di Indonesia,” Journal of Business Economics and Management, vol. 01, no. 03, 2025.

J. Ramadhani, L. Efrizoni, H. Yenni, and F. Zoromi, “Analisis Performa Penjualan dan Prediksi Omzet dengan Pendekatan Market Basket Analysis Berbasis Data Analytics,” ijcs, vol. 14, no. 2, Apr. 2025, doi: 10.33022/ijcs.v14i2.4788.

I. S. Nindyya, Gusmelia Testiana, and Irfan Dwi Jaya, “Implementasi Algoritma Apriori dan ECLAT (Equivalence Class Transformation) Pada Data Transaksi Penjualan,” CoSciTech, vol. 4, no. 2, pp. 525–533, Oct. 2023, doi: 10.37859/coscitech.v4i2.5444.

I. A. Ashari, A. Wirasto, D. Nugroho Triwibowo, and P. Purwono, “Implementasi Market Basket Analysis dengan Algoritma Apriori untuk Analisis Pendapatan Usaha Retail,” matrik, vol. 21, no. 3, pp. 701–709, Jul. 2022, doi: 10.30812/matrik.v21i3.1439.

I. P. S. Handika and I. K. Susila Satwika, “PERBANDINGAN KINERJA ALGORITMA APRIORI DAN EQUIVALENCE CLASS TRANSFORMATION (ECLAT) DALAM MENEMUKAN POLA PEMBELIAN PADA DATA TRANSAKSI MINIMARKET,” Networking Engineering Research Operation, vol. 9, no. 2, pp. 149–160, Dec. 2024, doi: 10.21107/nero.v9i2.28055.

Anggi Canita Simanjuntak, Miranda Elisabet Sitanggang, Muhairoh Indah Cahyani, and Nita Syahputri, “Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Pada Toko Iblite Luxury Menggunakan Algoritma Apriori,” Bridge, vol. 2, no. 3, pp. 62–74, Jun. 2024, doi: 10.62951/bridge.v2i3.106.

Nurul Nisa Habibah, Widodo, and Bambang Prasetya Adhi, “PROSES ASSOCIATION RULE UNTUK MENGETAHUI KECENDERUNGAN BELANJA PADA KOPMA UNJ MENGGUNAKAN ALGORITMA APRIORI DAN ECLAT,” pinter, vol. 6, no. 1, pp. 30–39, Jun. 2022, doi: 10.21009/pinter.6.1.5.

A. Kurniawan and N. Suwaryo, “Analysis of the Apriori Algorithm for Enhancing Retail Product Staple Sales Recommendations,” ijsecs, vol. 3, no. 3, pp. 449–456, Dec. 2023, doi: 10.35870/ijsecs.v3i3.1877.

“Market Basket Analysis With Equivalence Class Transformation Algorithm (ECLAT) For Inventory Management Using Economic Order Quantity (EOQ),” in Proceedings of the International Conference on Industrial Engineering and Operations Management, Asuncion, Paraguay: IEOM Society International, pp. 1552–1561. doi: 10.46254/sa03.20220315.

Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, H. Gunawan, T. Tundo, D. A. Ramadhani, and F. A. Waloeya, “Penerapan Data Mining Menggunakan Algoritma Apriori pada Brand Milenials Cafe,” jmika, vol. 8, no. 2, pp. 215–221, Oct. 2024, doi: 10.46880/jmika.Vol8No2.pp215-221.

D. Rizaldi and A. Adnan, “Market Basket Analysis Menggunakan Algoritma Apriori: Kasus Transaksi 212 Mart Soebrantas Pekanbaru,” JSA, vol. 5, no. 1, pp. 31–40, Jun. 2021, doi: 10.21009/JSA.05103.

Sarifmata Purnomo, Heny Pratiwi, and M. I. Sa’ad, “Penerapan Data Mining Dalam Menganalisis Pola Belanja Konsumen Menggunakan Market Basket Analysis,” metik. j., vol. 7, no. 2, pp. 111–120, Dec. 2023, doi: 10.47002/metik.v7i2.678.

L. Zahrotun and A. F. I. Robbani, “Penerapan Algoritma Eclat untuk Menemukan Pola Asosiasi Antar Barang di Aneka Sandang Collection,” JRST, vol. 7, no. 1, p. 37, Mar. 2023, doi: 10.30595/jrst.v7i1.15298.

Andi Diah Kuswanto, Achmad Rizqullah Blessar, Abdul Goni, Arya Nibras Nayottama Sidiki, Oke Rizki Abdullah Haryu, and Hafid Anhar Hamiki, “Penerapan Algoritma Apriori Dalam Analisis Keranjang Belanja Retail Di Wilayah Jawa Barat,” Saturnus, vol. 2, no. 3, pp. 139–150, Jul. 2024, doi: 10.61132/saturnus.v2i3.208.

L. Lisnawita and M. Devega, “Analisis Perbandingan Algoritma Apriori Dan Algoritma Eclat Dalam Menentukan Pola Peminjaman Buku Di Perpustakaan Universitas Lancang Kuning,” ISI, vol. 3, no. 2, p. 118, Nov. 2018, doi: 10.35314/isi.v3i2.753.

M. G. Pradana and K. Khoironi, “Market Basket Analysis Data Groceries Menggunakan Equivalence Class Transformation,” j.inf.syst.int., vol. 5, no. 1, Mar. 2025, doi: 10.53514/jco.v5i1.593.

R. Yoviyardi, A. Lia Hananto, F. Nurapriani, and B. Huda, “Penerapan Algoritma Apriori Dalam Menentukan Pola Pergerakan Kebutuhan Distribusi Pada PT. Satria Teknik Indonesia,” processor, vol. 20, no. 1, May 2025, doi: 10.33998/processor.2025.20.1.2207.