Market Basket Analysis_Online Retail Data

Overview

Proyek ini bertujuan untuk melakukan analisis keranjang pasar (Market Basket Analysis) pada data penjualan retail online. Analisis ini bertujuan untuk menemukan pola asosiasi antara produk-produk yang sering dibeli bersama, yang dapat digunakan untuk berbagai tujuan, seperti penempatan produk, rekomendasi produk, dan strategi pemasaran.

Dataset

Dataset yang digunakan dalam analisis ini adalah Data Retail Online, yang berisi data transaksi dari perusahaan ritel online yang berbasis di Inggris dari tahun 2010 hingga 2011. Dataset ini mencakup kolom-kolom berikut:

• order_id: Identifikasi unik untuk setiap pesanan.

• product_code: Kode yang mewakili setiap produk.

• product_name: Nama produk.

• quantity: Jumlah produk yang dipesan.

• order_date: Tanggal dan waktu ketika pesanan dibuat.

• price: Harga per unit produk.

• customer_id: Identifikasi unik untuk setiap pelanggan.

• File: Online Retail Data.csv

• Ukuran: 32.5 MB

Requirements

Berikut adalah beberapa pustaka Python yang diperlukan untuk menjalankan proyek ini:

• pandas
• numpy
• mlxtend
• matplotlib
• seaborn

Langkah-langkah Analisis

Proses analisis dalam proyek ini melibatkan beberapa langkah utama:

1. Data Preprocessing:

   • Memuat dataset dan melakukan pembersihan data.
   • Membuat tabel pivot untuk mengkodekan transaksi.

2. Encoding Data:

   • Mengubah data transaksi menjadi format Boolean (True/False) untuk analisis asosiasi.

3. Frequent Itemsets:

   • Menggunakan algoritma Apriori untuk menemukan itemsets yang sering muncul bersama.

4. Association Rules:

   • Menghitung aturan asosiasi berdasarkan frequent itemsets.
   • Menghitung nilai support, confidence, dan lift dari setiap aturan asosiasi.

5. Insights:

   • Menyediakan wawasan dari hasil analisis asosiasi untuk pengambilan keputusan.

Insights

Beberapa wawasan yang didapat dari analisis asosiasi produk meliputi:

• Identifikasi produk yang sering dibeli bersama.
• Peluang untuk bundling produk.
• Rekomendasi produk berdasarkan pola pembelian.
• Optimalisasi tata letak toko dan strategi pemasaran.

Semoga ini membantu! Jika ada pertanyaan lebih lanjut atau bantuan tambahan, jangan ragu untuk menghubungi saya! 😊