Apriori Algorithm for Analyzing Motorcycle Spare Part Purchase Patterns and Stock Optimization

Pengelolaan persediaan pada bisnis penjualan suku cadang motor sering menghadapi tantangan ketidakseimbangan stok akibat kurangnya pemahaman terhadap pola pembelian konsumen. CV FOLC MORA, sebagai salah satu pengecer sparepart di Palembang, mengalami ketidakefisienan dalam pengendalian stok yang dapat mengakibatkan biaya penyimpanan berlebih atau hilangnya peluang penjualan ketika barang populer tidak tersedia. Kebaruan dari penelitian ini terletak pada konteks penerapan algoritma Apriori yang difokuskan pada skala usaha mikro, kecil, dan menengah (UMKM) penjualan suku cadang motor, yang relatif jarang dieksplorasi pada penelitian terdahulu yang umumnya menitikberatkan pada e-commerce berskala besar. Selain itu, penelitian ini tidak hanya menghasilkan analisis pola pembelian, tetapi juga mengintegrasikan hasil tersebut ke dalam dashboard interaktif berbasis Streamlit yang memudahkan pelaku UMKM dalam melakukan pemantauan stok dan perencanaan pembelian. Kombinasi konteks UMKM dan pemanfaatan dashboard analitik inilah yang menjadi nilai kebaruan sekaligus kontribusi praktis penelitian ini. Penelitian ini bertujuan untuk menganalisis pola pembelian menggunakan algoritma Apriori guna mendukung pengambilan keputusan dalam optimalisasi stok dan peningkatan penjualan. Metode yang digunakan adalah CRISP-DM (Cross-Industry Standard Process for Data Mining) yang terdiri dari enam tahapan: pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan implementasi. Data transaksi penjualan yang dianalisis berasal dari periode Januari hingga April 2025, dengan total 1.550 transaksi dan 6.478 data item. Pengolahan data dilakukan menggunakan Python dengan bantuan pustaka Pandas dan MLxtend, sedangkan hasil analisis disajikan melalui dashboard interaktif berbasis Streamlit. Algoritma Apriori menghasilkan keterkaitan kuat antar produk, seperti “Ban Luar Swallow 80/90-17” dan “Velg TK Excel Rim” dengan nilai support 1%, confidence 76%, dan lift 2,15. Temuan ini menjadi dasar penyusunan strategi bundling produk dan keputusan restok barang. Dashboard yang dikembangkan memudahkan pemilik usaha untuk mengunggah data transaksi, mengatur parameter analisis, serta melihat frequent itemset dan rekomendasi kombinasi produk. Pendekatan ini meningkatkan efisiensi pengelolaan stok, mendukung strategi pemasaran berbasis data, serta berkontribusi pada peningkatan kepuasan pelanggan dan kinerja penjualan.