Machine Learning: Apriori

Machine Learning: Apriori

Catatan penting : Jika Anda benar-benar awam tentang apa itu Python, silakan klik artikel saya ini. Jika Anda awam tentang R, silakan klik artikel ini.

Kali ini saya akan berbagi salah satu teknik Association Rule Learning (ARL) yaitu Apriori. Teknik ini banyak sekali digunakan di dunia retail (seperti pusat perbelanjaan dan supermarket), karena memang asal muasalnya dari sana.

Melalui teknik apirori, kita bisa mengetahui pola pelanggan. Misal, pelanggan yang membeli produk A, juga akan membeli produk B, dan seterusnya.

Untuk memudahkan pemahaman, mari kita lihat ilustrasi di bawah ini:

Tabel antara ID_Pelanggan dengan Snack kesukaan yang mereka beli

Tabel di atas menunjukkan 2 buah kolom, yaitu ID_Pelanggan dengan Snack kesukaan yang dibeli oleh mereka. Kita bisa melihat bahwa di sana ada 4 jenis snack. Setelah melihat tabel di atas, maka beberapa hubungan yang mungkin ada antara lain:

  • Snack 1 –> Snack 2
  • Snack 2 –> Snack 4
  • Snack 1 –> Snack 3

Setiap pelanggan yang membeli Snack 1, maka kemungkinan besar ia juga membeli Snack 2. Pelanggan yang membeli Snack 2 juga membeli Snack 4. Begitu pula dengan Snack 1 dan Snack 3.

Tentu saja itu hanya perkiraan awal saja dengan hanya melihat tabel di atas. Jika kita asumsikan bahwa ketiga hubungan di atas adalah benar, maka kita bisa meningkatkan penjualan. Caranya adalah dengan mendekatkan Snack 1 dengan Snack 2 misalnya, Snack 2 dengan Snack 3 dan seterusnya. Namun sebelum memilih Snack apa saja yang harus diletakkan berdekatan, maka harus dicari dulu mana hubungan yang terkuat antara ketiganya.

Apakah apriori hanya untuk peningkatan penjualan saja? Tidak hanya peningkatan penjualan, namun secara teknis bisa memaksimalkan teknik marketing. Anggap saja hubungan antara Snack 1 dengan Snack 2 adalah yang paling kuat. Maka Snack 1 dan Snack 2 haruslah saling berdekatan. Selain itu kita tidak perlu ada SPG (sales promotion girls) misalnya untuk menawari pelanggan. Misal jika ia mengambil Snack 1 kita tawari, “Apakah Bapak/Ibu mau beli Snack 2?”, maka pertanyaan ini tidak perlu dilontarkan karena secara otomatis, kemungkinan besar mereka yang membeli Snack 1 juga akan membeli Snack 2. Untuk promosi iklan, maka daripada kita hanya mengiklankan Snack 1, maka kita bisa sekalian memunculkan produk Snack 2.

Hal lain yang harus diperhatikan sebelum mengambil tindakan (implementasi bisnis) adalah pastikan bahwa hubungan yang ada harus jelas dan dapat dipercaya. Jika kita melakukan perhitungan apriori hanya berdasarkan data 30 pelanggan misalnya, maka tentu saja tidak cukup kuat. Tidak hanya masalah statistiknya, namun feeling atau intuisi pemilik bisnis juga tidak cukup bisa diyakinkan dengan hasilnya. Biasanya teknik ini digunakan jika kita mengolahnya dari data ribuan data. Dengan demikian, hubungan-hubungan yang dihasilkan dari data dapat kita yakini dan memantabkan kita dalam mengambil keputusan.


CONTOH 2

Contoh lain dari aplikasi metode apriori adalah hubungan antara produk makanan. Ilustrasinya sebagai berikut:


Tabel antara ID_Pelanggan dengan produk makanan yang mereka beli

Maka, hubungan yang mungkin antara lain:

  • Burger –> Kentang goreng
  • Sayuran –> Buah
  • Burger, Kentang goreng –> Saus tomat

Untuk melanjutkan membaca, silakan klik lanjut ke halaman selanjutnya di bawah ini.

Bagikan artikel ini:

Pages: 1 2 3 4

Subscribe
Notify of
guest
0 Comments
Inline Feedbacks
View all comments