Font Size: 

Penelitian ini merancang model strategi cross-selling berbentuk paket produk dengan melakukan knowledge extraction pada dataset penjualan, studi kasus di coffee shop XYZ. Knowledge Extraction dilakukan dengan pendekatan Frequent Itemset Mining berbasis prosedur algoritma apriori untuk menghasilkan model aturan asosiasi (association rules) antara satu produk dengan produk lainnya. Frequent Itemset Mining yang dilakukan pada penelitian ini menggunakan 5 tahapan kerangka kerja yaitu business understanding, data exploration, data preparation, pengembangan model dengan algoritma Apriori, dan diakhiri dengan evaluasi kinerja aturan (rules) pada model. Penelitian ini menghasilkan aturan asosiasi (rules) antara suatu produk dengan produk lainnya untuk strategi penjualan cross-selling dengan kompleksitas ekstraksi data pada jenis produk dan waktu penjualannya. Selain itu penelitian ini juga memberikan rekomendasi aktivitas pemasaran dalam bentuk loyalty card untuk mengetahui informasi karakteristik dan perilaku pola beli konsumen serta untuk menjalin hubungan yang baik dengan konsumen dalam bentuk personalized services, yaitu penawaran spesifik untuk suatu konsumen berdasarkan historis belanja yang sudah dilakukan. Sehingga produk yang ditawarkan kepada konsumen lebih tepat produk (right product) dan tepat konsumen (right customer)

Algoritma Apriori; Association Rules; Data Analytics; Cross-Selling; Frequent Itemset Mining