Pengukuran Online Trust Building Mechanism Terhadap Repurchase Intentions Menggunakan Metode Apriori

• Dyah Ayu Komala

---

ABSTRAK

Dalam pengukuran pola pembelian konsumen masih sulit untuk dikenali oleh penjual sehingga dapat mengurangi tingkat penjualan para penjual di marketplace. Terlebih lagi pola pembelian ini bisa digunakan sebagai acuan untuk meningkatkan strategi penjualan. Oleh karena itu diperlukan pengukuran mekanisme pembelian konsumen yang dapat berpotensi untuk melakukan pembelian secara berulang. Permasalahan ini dapat diselesaikan menggunakan pengukuran metode Apriori. Pada studi kasus ini memiliki 9 kriteria yaitu Tertata dengan baik, Mudah mendapatkan informasi yang dibutuhkan, Tampilan sangat baik, Dapat dipercaya, Jelas, Lengkap, Sangat membantu/peduli, Aman, Nyaman, dapat dikolaborasikan menggunakan metode Apriori sehingga keterkaitan antara kriteria menjadikan proses pengukuran pola pembelian konsumen menjadi mudah. Hasil dari pengukuran ini menghasilkan dua rules, yaitu If choose C5 then choose C8 dengan support 87% dan confidence 152% dan If choose C5 then choose C6,C7 dengan support 87% dan confidence 152%. Sehingga dapat diketahui bahwa manfaat dari pengukuran ini seller atau penjual dapat memprioritaskan C5, C6, C7, C8 dimana kriteria tersebut adalah Jelas, Lengkap, Sangat Membantu dan Aman.

KATA KUNCI

Sistem Informasi

---

DAFTAR PUSTAKA

[1]     Rusydah Ammar Muhammad, Ramadhani Rima Dias, A. A. E. (2018). Optimasi Association Rule pada Keranjang Belanja Pelanggan Menggunakan Apiori dan Algoritma Genetika, 38–43.

[2]     A. Ishak, “Analisis Kepuasan Pelanggan Dalam Belanja Online : Sebuah Studi
Tentang Penyebab (Antecedents) dan Konsekuensi (Consequents),”Jurnal Siasat Bisnis, Vol. 16 No. 2, Hal 141-154, Juli 2012.

[3]     A., Marisa, F., & Purnomo, D. (2016). Penerapan Algoritma AprioriTerhadap Data Penjualan di Toko Gudang BM. JOINTECS (Journal of Information
Technology and Computer Science), 1(1). https://doi.org/10.31328/jointecs.v1i1.408

[4]     Syaifullah, M. A. (2010). IMPLEMENTASI DATA MINING
ALGORITMA APRIORI PADA SISTEM PENJUALAN. STMIK AMIKOM YOGYAKARTA. Yogyakarta: Sekolah Tinggi Manajemen Informatika dan Komputer Amikom.

[5]     Mujib Ridwan, H. S. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Jurnal EECCIS , 7 (1), 59-64.

[6]     Suryadi, A., & Harahap, E. (2017). PEMERINGKATAN PEGAWAI BERPRESTASI MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS ) DI PT . XYZ, 16(2), 1–11.

[7]     Csr, R., & Permata, B. (2015). Implementasi Analytical Hierarchy Process ( AHP ) untuk Penilaian Kinerja pada Bagian Customer Service, 14, 31–42.

[8]     Komputer, D. A. N. T. (2018). PEMBERIAN REWARD BERDASARKAN PENILAIAN KINERJA KARYAWAN DENGAN METODE AHP PADA PT . ANUGERAH, 3(2), 181–188.

[9]     Norita, D. (2017). Perilaku Konsumen dalam Berbelanja. Faktor Perilaku
Konsumen, 1(1), 11–19. 65

[10]   Artanti, D. P., Syukur, A., Prihandono, A., & Setiadi, D. R. I. M. (2018). Analisa Sentimen Untuk Penilaian Pelayanan Situs Belanja Online Menggunakan Algoritma Naïve Bayes, 8–9.

[11]   Nugroho Wandi, R. A. (2012). Pengembangan Sistem Rekomendasi Penelusuran Buku dengan Penggalian Association Rule Menggunakan Algoritma Apriori (Studi Kasus Badan Perpustakaan dan Kearsipan Provinsi Jawa Timur). Jurnal Teknik ITS , 1, A-445-A-449.

[12] Putra, A. A. C., Haryanto, H., & Dolphina, E. (2018). Implementasi Metode Association Rule Mining Dengan Algoritma Apriori Untuk Rekomendasi Promo Barang. Csrid, 11, 89–99. Retrieved from http://csrid.potensiutama.ac.id/index.php/CSRID/article/view/277/155

[13] Z. Arifin, “Kriteria Instrumen dalam suatu Penelitian,” J. Theorems (the Orig.
Res. Math., vol. 2, no. 1, pp. 28–36, 2017.