Deskripsi
Project ini merupakan project yang terdapat pada website DQLab dan merupakan salah satu bagian dari proses pembelajaran saya di DQLab.
Website DQLab: https://academy.dqlab.id/
Tujuan
DQLab.id Fashion adalah sebuah toko fashion yang menjual berbagai produk seperti jeans, kemeja, kosmetik, dan lain-lain. Walaupun cukup berkembang, namun dengan semakin banyaknya kompetitor dan banyak produk yang stoknya masih banyak tentunya membuat khawatir Pak Agus, manajer DQLab.id Fashion
Tujuan dari projek ini adalah untuk mengidentifikasi paket produk yang menarik untuk dipaketkan sehingga akhirnya bisa meningkatkan keuntungan dan loyalitas para pelanggan DQLab.id Fashion.
Data
Data yang digunakan merupakan data transaksi selama 3 bulan dengan jumlah baris 33,669 baris data (3,450 kode transaksi). Data transaksi ini telah dirapikan untuk Anda dengan hanya mengandung dua variabel, yaitu Kode transaksi dan Nama barang.
Analisis Data
Melakukan pemanggilan library yang digunakan
library(arules)Berikut adalah data yang digunakan
transaksi_tabular <- read.transactions(file="https://storage.googleapis.com/dqlab-dataset/transaksi_dqlab_retail.tsv", format="single", sep="\t", cols=c(1,2), skip=1)
head(transaksi_tabular)## transactions in sparse format with
## 6 transactions (rows) and
## 69 items (columns)Menampilkan top 10 dari data transaksi
Tahap pertama yang diinginkan adalah melihat informasi mengenai top 10 dari dataset transaksi yang diberikan.
retail <- itemFrequency(transaksi_tabular, type="absolute")
retail <- sort(retail, decreasing = TRUE)
retail <- retail[1:10]
retail <- data.frame("Nama.Produk" = names(retail), "Jumlah" = retail, row.names = NULL)
retail## Nama.Produk Jumlah
## 1 Shampo Biasa 2075
## 2 Serum Vitamin 1685
## 3 Baju Batik Wanita 1312
## 4 Baju Kemeja Putih 1255
## 5 Celana Jogger Casual 1136
## 6 Cover Koper 1086
## 7 Sepatu Sandal Anak 1062
## 8 Tali Pinggang Gesper Pria 1003
## 9 Sepatu Sport merk Z 888
## 10 Wedges Hitam 849Apabila hasil informasi ingin disimpan ke dalam file txt maka dapat dilakukan dengan
write.csv(retail, file="top10_item_retail.txt")
Menampilkan bottom 10 dari data transaksi
Tahap berikutnya adalah melihat informasi bottom 10 dari dataset transaksi yang diberikan.
retail <- itemFrequency(transaksi_tabular, type="absolute")
retail <- sort(retail, decreasing = FALSE)
retail <- retail[1:10]
retail <- data.frame("Nama.Produk" = names(retail), "Jumlah" = retail, row.names = NULL)Apabila hasil informasi ingin disimpan ke dalam file txt maka dapat dilakukan dengan
write.csv(retail, file="bottom10_item_retail.txt")
Mendapatkan kombinasi produk yang menarik
Tahap selanjutnya adalah membuat kombinasi produk yang menarik, yaitu produk yang memiliki syarat berikut:- Memiliki asosiasi atau hubungan erat.
- Kombinasi produk minimal 2 item, dan maksimum 3 item.
- Kombinasi produk itu muncul setidaknya 10 dari dari seluruh transaksi.
- Memiliki tingkat confidence minimal 50 persen.
mba <- apriori(data=transaksi_tabular, parameter=list(supp=10/length(transaksi_tabular), conf=0.5, minlen=2, maxlen=3))## Apriori
##
## Parameter specification:
## confidence minval smax arem aval originalSupport maxtime support minlen
## 0.5 0.1 1 none FALSE TRUE 5 0.002898551 2
## maxlen target ext
## 3 rules TRUE
##
## Algorithmic control:
## filter tree heap memopt load sort verbose
## 0.1 TRUE TRUE FALSE TRUE 2 TRUE
##
## Absolute minimum support count: 10
##
## set item appearances ...[0 item(s)] done [0.00s].
## set transactions ...[69 item(s), 3450 transaction(s)] done [0.00s].
## sorting and recoding items ... [68 item(s)] done [0.00s].
## creating transaction tree ... done [0.00s].
## checking subsets of size 1 2 3 done [0.00s].
## writing ... [4637 rule(s)] done [0.00s].
## creating S4 object ... done [0.00s].mba <- sort(mba, decreasing=TRUE, by="lift")[1:10]
inspect(mba)## lhs rhs support confidence coverage lift count
## [1] {Tas Makeup,
## Tas Pinggang Wanita} => {Baju Renang Anak Perempuan} 0.010434783 0.8780488 0.011884058 24.42958 36
## [2] {Tas Makeup,
## Tas Travel} => {Baju Renang Anak Perempuan} 0.010144928 0.8139535 0.012463768 22.64629 35
## [3] {Tas Makeup,
## Tas Ransel Mini} => {Baju Renang Anak Perempuan} 0.011304348 0.7358491 0.015362319 20.47322 39
## [4] {Sunblock Cream,
## Tas Pinggang Wanita} => {Kuas Makeup } 0.016231884 0.6913580 0.023478261 20.21343 56
## [5] {Baju Renang Anak Perempuan,
## Tas Pinggang Wanita} => {Tas Makeup} 0.010434783 0.8000000 0.013043478 19.57447 36
## [6] {Baju Renang Anak Perempuan,
## Tas Ransel Mini} => {Tas Makeup} 0.011304348 0.7959184 0.014202899 19.47460 39
## [7] {Baju Renang Anak Perempuan,
## Celana Pendek Green/Hijau} => {Tas Makeup} 0.010144928 0.7777778 0.013043478 19.03073 35
## [8] {Tas Makeup,
## Tas Waist Bag} => {Baju Renang Anak Perempuan} 0.004347826 0.6818182 0.006376812 18.96994 15
## [9] {Celana Pendek Green/Hijau,
## Tas Makeup} => {Baju Renang Anak Perempuan} 0.010144928 0.6730769 0.015072464 18.72674 35
## [10] {Dompet Flip Cover,
## Sunblock Cream} => {Kuas Makeup } 0.016231884 0.6292135 0.025797101 18.39650 56Apabila hasil informasi ingin disimpan ke dalam file txt maka dapat dilakukan dengan
write(mba, file="kombinasi_retail.txt")
Mencari Paket Produk yang bisa dipasangkan dengan Item Slow-Moving
Tahap terkakhir adalah mencari paket produk untuk dipasangkan dengan Item Slow-Moving. Slow-moving item adalah produk yang pergerakan penjualannya lambat atau kurang cepat. Hal ini akan bermasalah apabila item produk tersebut masih menumpuk.
Pada data ini produk yang termasuk sebagai item slow-moving yaitu “Tas Makeup” dan “Baju Renang Pria Anak-anak”. Masing-masing produk tersebut akan dikeluarkan 3 rules yang asosiasinya paling kuat, sehingga total ada 6 rules.
Persyaratan-persyaratan asosiasi kuat ini masih sama dengan yang telah disebutkan sebelumnya, kecuali tingkat confidence dicoba pada tingkat minimal 0.1.’
mba <- apriori(data=transaksi_tabular, parameter=list(supp=10/length(transaksi_tabular), conf=0.1, minlen=2, maxlen=3))## Apriori
##
## Parameter specification:
## confidence minval smax arem aval originalSupport maxtime support minlen
## 0.1 0.1 1 none FALSE TRUE 5 0.002898551 2
## maxlen target ext
## 3 rules TRUE
##
## Algorithmic control:
## filter tree heap memopt load sort verbose
## 0.1 TRUE TRUE FALSE TRUE 2 TRUE
##
## Absolute minimum support count: 10
##
## set item appearances ...[0 item(s)] done [0.00s].
## set transactions ...[69 item(s), 3450 transaction(s)] done [0.01s].
## sorting and recoding items ... [68 item(s)] done [0.00s].
## creating transaction tree ... done [0.00s].
## checking subsets of size 1 2 3 done [0.00s].
## writing ... [39832 rule(s)] done [0.00s].
## creating S4 object ... done [0.01s].rules1 <- subset(mba, rhs %in% "Tas Makeup")
rules1 <- sort(rules1, decreasing=TRUE, by="lift")[1:3]
inspect(rules1)## lhs rhs support confidence coverage lift count
## [1] {Baju Renang Anak Perempuan,
## Tas Pinggang Wanita} => {Tas Makeup} 0.01043478 0.8000000 0.01304348 19.57447 36
## [2] {Baju Renang Anak Perempuan,
## Tas Ransel Mini} => {Tas Makeup} 0.01130435 0.7959184 0.01420290 19.47460 39
## [3] {Baju Renang Anak Perempuan,
## Celana Pendek Green/Hijau} => {Tas Makeup} 0.01014493 0.7777778 0.01304348 19.03073 35rules2 <- subset(mba, rhs %in% "Baju Renang Pria Anak-anak")
rules2 <- sort(rules2, decreasing=TRUE, by="lift")[1:3]
inspect(rules2)## lhs rhs support confidence coverage lift count
## [1] {Gembok Koper,
## Tas Waist Bag} => {Baju Renang Pria Anak-anak} 0.004057971 0.2745098 0.01478261 29.59559 14
## [2] {Flat Shoes Ballerina,
## Gembok Koper} => {Baju Renang Pria Anak-anak} 0.004057971 0.1866667 0.02173913 20.12500 14
## [3] {Celana Jeans Sobek Wanita,
## Jeans Jumbo} => {Baju Renang Pria Anak-anak} 0.005507246 0.1210191 0.04550725 13.04737 19rules <- c(rules1, rules2)
inspect(rules)## lhs rhs support confidence coverage lift count
## [1] {Baju Renang Anak Perempuan,
## Tas Pinggang Wanita} => {Tas Makeup} 0.010434783 0.8000000 0.01304348 19.57447 36
## [2] {Baju Renang Anak Perempuan,
## Tas Ransel Mini} => {Tas Makeup} 0.011304348 0.7959184 0.01420290 19.47460 39
## [3] {Baju Renang Anak Perempuan,
## Celana Pendek Green/Hijau} => {Tas Makeup} 0.010144928 0.7777778 0.01304348 19.03073 35
## [4] {Gembok Koper,
## Tas Waist Bag} => {Baju Renang Pria Anak-anak} 0.004057971 0.2745098 0.01478261 29.59559 14
## [5] {Flat Shoes Ballerina,
## Gembok Koper} => {Baju Renang Pria Anak-anak} 0.004057971 0.1866667 0.02173913 20.12500 14
## [6] {Celana Jeans Sobek Wanita,
## Jeans Jumbo} => {Baju Renang Pria Anak-anak} 0.005507246 0.1210191 0.04550725 13.04737 19Apabila hasil informasi ingin disimpan ke dalam file txt maka dapat dilakukan dengan
write(rules, file="kombinasi_retail_slow_moving.txt")