Halo, pada kesempatan ini saya akan bagikan hasil kerja saya untuk salah satu modul project dari DQLab Academy. Project ini juga saya unggah pada akun Medium saya yang dapat dibaca melalui tautan https://medium.com/@firdianakartikasari/project-machine-learning-for-retail-product-packaging-41fa64b452cf

Project Background

DQLab.id Fashion merupakan sebuat toko fashion yang menawarkan beragam produk, termasuk jeans, kaos, kosmetik, dan lain-lain. Namun, dengan semakin banyak jumlah kompetitor, tidak sedikit produk dengan stok yang masih banyak sehingga hal ini membuat Manager DQLab.id Fashion khawatir.

Bagaimana DQLab.id Fashion dapat meningkatkan keuntungan dan loyalitas para pelanggan?

Untuk meningkatkan keuntungan dan loyalitas para pelanggan DQLab.id Fashion, solusi yang akan dilakukan yaitu membuat paket yang inovatif, dimana produk yang sebelumnya tidak terlalu laku tapi memiliki pangsa pasar akan dipaketkan dengan produk yang laku. Pemaketan produk akan dilakukan menggunakan bantuan software R dengan package yang akan digunakan yaitu arules.

Project Objective

  1. Mengidentifikasi paket produk yang menarik untuk dipaketkan sehingga dapat meningkatkan keuntungan dan loyalitas para pelanggan DQLab.id Fashion.
  2. Mencari paket produk yang dapat dipasangkan dengan item Slow-Moving

Menampilkan Data Transaksi Penjualan

Dataset yang digunakan merupakan data transaksi selama 3 bulan dalam format TSV (Tab Separated Value) dengan nama transaksi_dqlab_retail.tsv Dataset yang digunakan terdiri dari dua variabel, yaitu : 1. Kode Transaksi 2. Nama Barang

library(arules)
## Warning: package 'arules' was built under R version 4.2.3
## Loading required package: Matrix
## 
## Attaching package: 'arules'
## The following objects are masked from 'package:base':
## 
##     abbreviate, write
datatransaksi <- read.transactions(file="C:/Users/Firdiana/Downloads/transaksi_dqlab_retail.tsv", format="single", sep="\t", cols=c(1,2), skip=1)

datatransaksi
## transactions in sparse format with
##  3450 transactions (rows) and
##  69 items (columns)
datatransaksi@itemInfo
##                              labels
## 1                Atasan Baju Belang
## 2                 Atasan Kaos Putih
## 3                 Baju Batik Wanita
## 4  Baju Kaos Anak - Karakter Kartun
## 5      Baju Kaos Anak - Superheroes
## 6                Baju Kaos Olahraga
## 7                 Baju Kemeja Putih
## 8        Baju Renang Anak Perempuan
## 9        Baju Renang Pria Anak-anak
## 10          Baju Renang Pria Dewasa
## 11        Baju Renang Wanita Dewasa
## 12                     Blouse Denim
## 13          Celana Jeans Sobek Pria
## 14        Celana Jeans Sobek Wanita
## 15             Celana Jogger Casual
## 16      Celana Panjang Format Hitam
## 17             Celana Pendek Casual
## 18        Celana Pendek Green/Hijau
## 19              Celana Pendek Jeans
## 20                 Celana Tactical 
## 21                      Cover Koper
## 22                  Cream Whitening
## 23               Dompet Card Holder
## 24                Dompet Flip Cover
## 25                Dompet Kulit Pria
## 26            Dompet STNK Gantungan
## 27                    Dompet Unisex
## 28             Flat Shoes Ballerina
## 29                     Gembok Koper
## 30                   Hair and Scalp
## 31                       Hair Dryer
## 32                         Hair Dye
## 33                       Hair Tonic
## 34                      Jeans Jumbo
## 35                             Kaos
## 36                      Koper Fiber
## 37                     Kuas Makeup 
## 38                          Mascara
## 39                    Minyak Rambut
## 40             Obat Penumbuh Rambut
## 41                         Pelembab
## 42              Sepatu Kulit Casual
## 43               Sepatu Sandal Anak
## 44           Sepatu Sekolah Hitam W
## 45              Sepatu Sport merk Y
## 46              Sepatu Sport merk Z
## 47                    Serum Vitamin
## 48             Shampo Anti Dandruff
## 49                     Shampo Biasa
## 50                     Stripe Pants
## 51                   Sunblock Cream
## 52              Sweater Top Panjang
## 53           Tali Ban Ikat Pinggang
## 54               Tali Pinggang Anak
## 55        Tali Pinggang Gesper Pria
## 56                         Tank Top
## 57                     Tas Kosmetik
## 58              Tas Kulit Selempang
## 59                       Tas Makeup
## 60                  Tas Multifungsi
## 61              Tas Pinggang Wanita
## 62                  Tas Ransel Mini
## 63       Tas Sekolah Anak Laki-laki
## 64       Tas Sekolah Anak Perempuan
## 65                       Tas Tangan
## 66                       Tas Travel
## 67                    Tas Waist Bag
## 68                     Wedges Hitam
## 69              Woman Ripped Jeans

Dapat dilihat bahwa dataset yang digunakan memiliki 3,450 kode transaksi, dengan 69 item unik.

Menampilkan 10 Produk Teratas

Mendapatkan insight top 10, yaitu 10 produk dengan jumlah transaksi paling banyak dari produk yang terjual, dengan menampilkan nama produk beserta jumlah transaksi produk tersebut.

freqitem<- itemFrequency(datatransaksi, type = "absolute")

freqitemdec <- sort(freqitem, decreasing = TRUE)

datatop10 <- freqitemdec[1:10]

datatop10 <- data.frame("Nama.Produk" = names(datatop10), "Jumlah" = datatop10, row.names = NULL)

datatop10
##                  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    849

Menampilkan 10 Produk Terbawah

Selain produk top 10, perlu juga untuk mengetahui 10 produk dengan jumlah transaksi paling sedikit dari produk yang terjual. Dengan cara yang sama, akan ditampilkan nama produk beserta jumlah transaksi produk tersebut.

freqiteminc <- sort(freqitem)

databottom10 <- freqiteminc[1:10]

databottom10 <- data.frame("Nama.Produk" = names(databottom10), "Jumlah" = databottom10, row.names=NULL)

databottom10
##                   Nama.Produk Jumlah
## 1     Celana Jeans Sobek Pria      9
## 2                Tas Kosmetik     11
## 3                Stripe Pants     19
## 4                    Pelembab     24
## 5      Tali Ban Ikat Pinggang     27
## 6  Baju Renang Pria Anak-anak     32
## 7                    Hair Dye     46
## 8          Atasan Baju Belang     56
## 9  Tas Sekolah Anak Perempuan     71
## 10              Dompet Unisex     75

Mendapatkan Kombinasi Produk yang Menarik

Sesuai dengan instruksi dari Manager DQLab.id Fashion untuk mengirimkan file berisi daftar 10 paket kombinasi yang paling menarik, maka dibentuk paket kombinasi produk menggunakan algoritma apriori kemudian diidentifikasi 10 paket kombinasi produk yang paling “menarik” dengan kriteria : 1. Memiliki asosiasi atau hubungan yang erat. 2. Terdapat minimal 2 item, dan maksimum 3 item, pada kombinasi produk tersebut. 3. Kombinasi produk tersebut muncul setidaknya 10 kali dari seluruh transaksi. 4. Memiliki tingkat confidence minimal 50%

kombinasiproduk <- apriori(datatransaksi, parameter = list(supp = 10/length(datatransaksi), confidence = 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
## Warning in apriori(datatransaksi, parameter = list(supp =
## 10/length(datatransaksi), : Mining stopped (maxlen reached). Only patterns up
## to a length of 3 returned!
##  done [0.01s].
## writing ... [4637 rule(s)] done [0.00s].
## creating S4 object  ... done [0.00s].
kombinasiproduk <- head(sort(kombinasiproduk, decreasing = TRUE, by = "lift"), n=10)

inspect(kombinasiproduk)
##      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    56

Mencari Paket Produk yang bisa dipasangkan dengan Item Slow-Moving

DQLab.id Fashion juga ingin memaksimalkan penjualan item-item slow-moving. Item Slow-moving merupakan produk yang pergerakan penjualannya lambat atau kurang cepat. Oleh karena itu, akan dicari asosiasi kuat dari item-item produk tersebut dengan produk lain untuk dipaketkan sehingga menjadi lebih menarik. Dengan mempertimbangkan jumlah stok yang masih banyak, maka item slow-moving DQLab.id Fashion merupakan “Tas Makeup” dan “Baju Renang Pria Anak-Anak”.

Dalam memasangkan item tersebut, ditentukan berdasarkan asosiasi yang kuat dengan kriteria yang sama dengan sebelumnya, kecuali tingkat confidence dicoba pada tingkat minimal 0.1.

mba <- apriori(datatransaksi, parameter = list(supp = 10/length(datatransaksi), confidence = 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 [0.00s].
## sorting and recoding items ... [68 item(s)] done [0.00s].
## creating transaction tree ... done [0.00s].
## checking subsets of size 1 2 3
## Warning in apriori(datatransaksi, parameter = list(supp =
## 10/length(datatransaksi), : Mining stopped (maxlen reached). Only patterns up
## to a length of 3 returned!
##  done [0.00s].
## writing ... [39832 rule(s)] done [0.01s].
## creating S4 object  ... done [0.01s].
mba1 <-subset(mba, (rhs %in% "Tas Makeup"))
mba2 <-subset(mba, (rhs %in% "Baju Renang Pria Anak-anak"))
mba1 <- head(sort(mba1, decreasing = TRUE, by = "lift")[1:3])
mba2 <- head(sort(mba2, decreasing = TRUE, by = "lift")[1:3])

mba <- c(mba1, mba2)
inspect(mba)
##     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    19

Berdasarkan nilai lift yang paling tinggi pada masing-masing item produk, diperoleh kombinasi terbaik untuk meningkatkan penjualan item “Tas Makeup” adalah dengan memaketkannya dengan “Baju Renang Anak Perempuan” dan “Tas Pinggang Wanita”. Sedangkan item “Baju Renang Pria Anak-anak”, dipaketkan dengan “Gembok Koper” dan “Tas Waist Bag”.

Kesimpulan dan Saran

  1. Secara keseluruhan, kesepuluh paket produk paling menarik yang dihasilkan berisi produk wanita yang umum digunakan untuk aktivitas luar ruangan dan traveling. Sehingga, DQLab.id Fashion dapat meningkatkan loyalitas pelanggan dengan menawarkan paket-paket produk dari item-item wanita yang sering dibeli bersamaan menggunakan kesepuluh paket tersebut. Paket tersebut juga dapat ditawarkan pada musim tertentu seperti saat libur, musim panas, dan musim lainnya.
  2. Kombinasi terbaik untuk meningkatkan penjualan item “Tas Makeup” adalah dengan memaketkannya dengan “Baju Renang Anak Perempuan” dan “Tas Pinggang Wanita”. Sedangkan item “Baju Renang Pria Anak-anak”, dipaketkan dengan “Gembok Koper” dan “Tas Waist Bag”.
  3. Kombinasi produk yang cocok dipasangkan dengan Tas Makeup merupakan produk yang umumnya digunakan untuk aktivitas luar ruangan dan liburan. Sehingga, DQLab.id Fashion dapat mengoptimalkan penawaran paket produk tersebut selama musim libur dengan menargetkan pemasaran dengan membidik pasar ibu.
  4. Kombinasi produk yang cocok dipasangkan dengan Baju Renang Pria Anak-Anak merupakan produk yang identik dengan hobi. Sehingga, paket produk tersebut dapat ditawarkan dengan membuat section hobi pada toko. Selain itu, DQLab.id dapat menawarkan paket produk ketiga dengan menargetkan pemasaran pada orang yang telah berkeluarga.

Contact

Linkedin : https://www.linkedin.com/in/firdianakartikasari/

Baca juga : https://rpubs.com/firdianakartika/905591

Baca project lain saya terkait analisis data pada : https://www.medium.com/@firdianakartikasari