Product Sales Forecasting in Ritel Using Artificial Neural Network Based on Market Basket Analysis (Study Case:Lotte Mart – Kuningan City)

Abstract

Berdasarkan Asosiasi Pengusaha Ritel Indonesia (Aprindo), pertumbuhan industri ritel modern pada 2020 hanya sebesar 7% - 8% atau meleset dari target awal yaitu 10%. Adanya pergeseran minat masyarakat terhadap hypermarket juga menambah terjadinya penutupan pada beberapa gerai hypermarket di Indonesia. Untuk tetap dapat bertahan di kondisi saat ini, PT Lotte Mart sebagai perusahaan ritel asing yang baru masuk pasar Indonesia pada tahun 2008 harus memiliki keunggulan kompetitif yang lebih signifikan dibanding pesaingnya. Hal ini dapat dicapai dengan memahami keinginan konsumen. Maka dari itu tujuan penelitian ini adalah mengetahui perilaku konsumen PT Lotte Mart Kuningan City untuk dijadikan sebagai dasar dalam melakukan peramalan penjualan produk. Analisis perilaku konsumen akan diselesaikan menggunakan metode market basket analysis sedangkan peramalan penjualan produk akan diselesaikan menggunakan metode artificial neural network. Hasil dari penelitian ini adalah didapatkan 6 aturan asosiasi antar kategori produk dan 20 aturan asosiasi antar subkategori. Berdasarkan hasil tersebut maka terdapat 10 subkategori produk yang akan dilakukan peramalan penjualan. Hasil peramalan penjualan selama 24 periode dari 10 subkategori produk dengan menggunkan artificial neural network memberikan tingkat kesalahan kurang dari 15%.