Data yang menumpuk tidak ada artinya kalau tidak pernah dibaca. Kami bantu mengolahnya jadi angka yang bisa dipakai mengambil keputusan.
Halaman ini untuk pengerjaan Analisis Keranjang Belanja dengan FP-Growth untuk Penataan Rak dan Paket Promo menggunakan RapidMiner. Proyek ini menganalisis 3.000 struk belanja sebuah minimarket fiktif untuk menemukan kombinasi barang yang sering dibeli bersamaan. Hasilnya berupa aturan asosiasi dengan ukuran support, confidence, dan lift yang dapat langsung dipakai untuk penataan rak dan paket promosi.
Yang Anda Terima
- Proses RapidMiner (.rmp) siap jalan, lengkap dengan pengaturan operator yang bisa Anda buka dan ubah
- Dataset yang sudah dibersihkan: duplikat, format berantakan, dan nilai kosong dirapikan dulu
- Hasil analisis berupa tabel CSV/Excel, misalnya itemset yang sering muncul
- Laporan interpretasi manajerial dalam bahasa yang dimengerti orang non-teknis, lengkap dengan rekomendasi tindakan
- Sesi penjelasan hasil dan panduan singkat menjalankan ulang prosesnya
Operator yang Dipakai
Read CSV, Numerical to Binominal, FP-Growth, Create Association Rules, Frequent Item Sets to Data, Write CSV.
Contoh Hasil pada Proyek Portofolio
- Itemset yang sering muncul: 193
- Aturan asosiasi (confidence 0,4 atau lebih): 63
- Aturan dengan lift di atas 1,5: 60
- Lift tertinggi: 4,92 (Sabun Mandi + Pasta Gigi → Sampo)
Bagaimana Prosesnya
- Pemetaan pertanyaan — kami pastikan dulu keputusan apa yang mau diambil dari data ini
- Audit data — cek kelengkapan dan kualitas data sebelum dianalisis
- Pengolahan dan pemodelan — proses dijalankan di RapidMiner, asumsi dan parameter dicatat terbuka
- Review bersama — hasil dibahas, arah analisis bisa disesuaikan
- Serah terima — file proses, dataset bersih, dan laporan interpretasi
Biasanya Dipakai Untuk
- Mahasiswa Manajemen Ritel dan Pemasaran
- Pengelola toko atau minimarket yang ingin menata rak berdasarkan data
- Pemula RapidMiner yang ingin mengenal data mining asosiasi



