TL;DR
Market basket analysis adalah analisis buat nemuin produk apa yang sering dibeli bareng dalam satu transaksi. Di SQL, caranya gabungin tabel item transaksi ke dirinya sendiri (self-join), hitung berapa kali tiap pasangan produk muncul, lalu ukur kekuatannya pakai support, confidence, dan lift. Pasangan dengan lift di atas 1 artinya hubungannya nyata, bukan kebetulan.
Market basket analysis adalah analisis buat nemuin produk apa yang sering dibeli bareng dalam satu transaksi. Kamu nggak butuh Python atau library khusus. SQL biasa udah cukup buat pasangan dua produk.
Toko kelontong, minimarket, sampai e-commerce pakai ini buat nentuin produk mana yang dipajang bersebelahan dan bundling apa yang layak dibikin.
Intinya satu: hitung berapa kali dua produk muncul di struk yang sama, lalu cek apakah angka itu lebih besar dari yang seharusnya terjadi secara kebetulan.
Data yang kamu butuh cuma satu tabel dengan dua kolom penting: transaksi_id dan produk. Satu baris = satu produk di satu struk.
transaksi_id | produk
-------------|------------------
TRX-001 | Kopi Sachet
TRX-001 | Gula Pasir 1kg
TRX-001 | Roti Tawar
TRX-002 | Minyak Goreng 2L
TRX-002 | Telur 1kgStruktur kayak gini namanya long format. Kalau data kamu masih satu baris per transaksi dengan kolom produk1, produk2, produk3, kamu harus unpivot dulu.
Buat bikin pasangan produk, kamu gabungin tabel transaksi_item ke dirinya sendiri lewat transaksi_id yang sama. Ini yang disebut self-join.
Hasilnya: setiap kombinasi produk dalam satu struk jadi satu baris.
SELECT
a.produk AS produk_a,
b.produk AS produk_b,
COUNT(*) AS jumlah_transaksi
FROM transaksi_item a
JOIN transaksi_item b
ON a.transaksi_id = b.transaksi_id
AND a.produk < b.produk
GROUP BY a.produk, b.produk
HAVING COUNT(*) >= 30
ORDER BY jumlah_transaksi DESC;Bagian a.produk < b.produk itu kuncinya. Tanpa baris ini, kamu bakal dapat tiga masalah sekaligus.
Perbandingan string bikin urutannya konsisten, cuma satu arah yang lolos. Mau belajar lebih dalam soal mekanisme penggabungan tabel? Cek glossary JOIN dan fungsi GROUP BY.
Tiga angka ini yang bikin market basket analysis berguna. Tanpa ketiganya, kamu cuma punya daftar pasangan produk laris, dan produk laris memang sering ketemu sama semua produk.
| Metrik | Rumus | Artinya |
|---|---|---|
| Support | transaksi berisi A dan B ÷ total transaksi | Seberapa sering pasangan ini muncul |
| Confidence | transaksi berisi A dan B ÷ transaksi berisi A | Kalau A dibeli, berapa peluang B ikut dibeli |
| Lift | support ÷ (peluang A × peluang B) | Hubungannya nyata atau cuma kebetulan |
Lift yang paling penting. Angka 1 artinya dua produk itu ketemu persis sesering yang diprediksi kalau mereka nggak berhubungan sama sekali.
Lift 2,4 artinya pasangan itu muncul 2,4 kali lebih sering dari perkiraan acak. Itu sinyal beneran.
Lift 0,6 juga menarik, artinya dua produk itu justru jarang dibeli bareng. Biasanya karena mereka substitusi, kayak dua merek sabun cuci yang saling gantiin.
Ini query yang aku pakai. Struktur CTE bikin tiap bagian gampang dicek satu-satu.
WITH total AS (
SELECT COUNT(DISTINCT transaksi_id) AS n FROM transaksi_item
),
frekuensi_produk AS (
SELECT produk, COUNT(DISTINCT transaksi_id) AS n_produk
FROM transaksi_item
GROUP BY produk
),
pasangan AS (
SELECT a.produk AS produk_a, b.produk AS produk_b,
COUNT(DISTINCT a.transaksi_id) AS n_pasangan
FROM transaksi_item a
JOIN transaksi_item b
ON a.transaksi_id = b.transaksi_id
AND a.produk < b.produk
GROUP BY a.produk, b.produk
)
SELECT
p.produk_a,
p.produk_b,
p.n_pasangan,
ROUND(1.0 * p.n_pasangan / t.n, 4) AS support,
ROUND(1.0 * p.n_pasangan / fa.n_produk, 3) AS confidence_a_ke_b,
ROUND((1.0 * p.n_pasangan / t.n) /
((1.0 * fa.n_produk / t.n) * (1.0 * fb.n_produk / t.n)), 2) AS lift
FROM pasangan p
CROSS JOIN total t
JOIN frekuensi_produk fa ON fa.produk = p.produk_a
JOIN frekuensi_produk fb ON fb.produk = p.produk_b
WHERE p.n_pasangan >= 30
ORDER BY lift DESC
LIMIT 20;Tiga hal yang perlu kamu perhatiin di query ini.
1.0 * di depan pembagian itu wajib di PostgreSQL dan SQLite. Tanpa itu, pembagian integer bakal ngasih hasil 0. Detailnya ada di dokumentasi operator matematika PostgreSQL.
COUNT(DISTINCT transaksi_id) dipakai supaya pelanggan yang beli 3 kopi dalam satu struk cuma dihitung sekali.
WHERE p.n_pasangan >= 30 nyaring pasangan langka. Ini yang paling sering dilupain orang, dan hasilnya bisa bikin kamu ambil keputusan salah.
Dataset toko_berkah punya Ngulik Data isinya 8.400 struk dari warung kelontong di Semarang, periode Januari sampai Maret. Ada 142 produk unik.
Setelah query di atas dijalanin, ini 5 pasangan dengan lift tertinggi yang jumlah transaksinya di atas 30.
| Produk A | Produk B | Transaksi | Confidence | Lift |
|---|---|---|---|---|
| Kopi Sachet | Gula Pasir 1kg | 612 | 0,58 | 3,10 |
| Mie Instan Goreng | Telur 1kg | 487 | 0,41 | 2,44 |
| Popok Bayi | Susu Formula | 163 | 0,49 | 2,88 |
| Minyak Goreng 2L | Tepung Terigu | 298 | 0,33 | 1,92 |
| Sabun Cuci Piring | Spons Cuci | 141 | 0,44 | 4,05 |
Yang bikin aku kaget: sabun cuci piring + spons punya lift 4,05, tertinggi di seluruh dataset. Tapi cuma muncul di 141 transaksi.
Artinya orang jarang beli spons. Tapi kalau beli, hampir pasti barengan sabun cuci piring.
Waktu aku cek layout warungnya, spons ditaruh di rak paling belakang deket alat kebersihan. Sabunnya di rak depan.
Sementara kopi sachet + gula yang muncul di 612 transaksi punya lift 3,10, lebih rendah, tapi volumenya 4x lipat. Ini pasangan yang paling layak dijadiin bundling karena dampak rupiahnya paling besar.
Pelajaran dari sini: jangan urut hasil cuma pakai lift. Selalu lihat kolom jumlah transaksi barengan.
Lupa filter jumlah minimum. Pasangan yang cuma muncul 3 kali bisa punya lift 15. Itu bukan pola, itu kebetulan. Pasang HAVING COUNT(*) >= 30 dari awal.
Nggak pakai kondisi a.produk < b.produk. Hasilnya duplikat dan query bengkak. Di dataset 8.400 transaksi, tanpa kondisi ini jumlah barisnya naik 2x lipat plus pasangan produk-sama-dirinya.
Pakai COUNT(*) padahal harusnya COUNT(DISTINCT transaksi_id). Kalau satu struk berisi 2 baris kopi (misal beda rasa), pasangannya kehitung dobel.
Baca confidence tanpa lift. Beras dibeli di 60% transaksi. Jadi hampir semua produk punya confidence tinggi ke beras. Itu bukan asosiasi, itu cuma beras yang laris. Lift yang ngoreksi hal ini.
Langsung eksekusi 20 pasangan sekaligus. Ambil 3 teratas dulu, ubah tata letak rak, ukur 2 minggu. Baru lanjut.
Market basket analysis adalah analisis buat cari tau produk apa yang sering muncul bareng dalam satu struk belanja. Hasilnya berupa aturan asosiasi, misalnya "orang yang beli kopi sachet biasanya juga beli gula pasir". Toko pakai hasil ini buat nentuin tata letak rak, bikin paket bundling, dan nyusun rekomendasi produk di halaman checkout.
Support ngukur seberapa sering pasangan produk muncul dari semua transaksi. Confidence ngukur peluang produk B dibeli kalau produk A udah masuk keranjang. Lift ngebandingin confidence itu sama peluang alami produk B dibeli sendirian. Lift di atas 1 artinya hubungan pasangan itu nyata. Lift sekitar 1 artinya cuma kebetulan karena dua-duanya memang laris.
Nggak wajib. Kalau kamu cuma butuh pasangan dua produk, SQL biasa udah cukup: self-join tabel item transaksi, GROUP BY pasangan, hitung metriknya. Apriori di Python baru kepakai kalau kamu mau kombinasi tiga produk atau lebih, karena jumlah kombinasinya meledak dan SQL jadi lambat.
Nggak ada angka baku, tapi patokan aman: satu pasangan produk minimal muncul di 30 transaksi sebelum kamu ambil keputusan dari situ. Kalau pasangan cuma muncul 4 kali dari 5.000 transaksi, lift-nya bisa kelihatan tinggi banget padahal itu cuma noise. Selalu tampilkan kolom jumlah transaksi di samping lift.
Tiga pemakaian yang paling gampang: pindahkan dua produk berpasangan ke rak yang berdekatan, bikin paket bundling dengan diskon tipis, dan tawarin produk pasangannya waktu kasir lagi input belanjaan. Mulai dari 3 pasangan dengan lift tertinggi yang jumlah transaksinya juga besar, jangan langsung 20 pasangan sekaligus.
Self-join dengan kondisi a.produk < b.produk adalah inti dari market basket analysis di SQL. Sisanya cuma hitung-hitungan.
Lift ngasih tau hubungannya nyata atau kebetulan, tapi jumlah transaksi yang nentuin pasangan itu layak dieksekusi atau nggak.
Di toko_berkah, pasangan dengan lift tertinggi (sabun + spons, 4,05) justru bukan yang paling menguntungkan buat digarap. Kopi + gula dengan 612 transaksi jauh lebih berdampak.
Query di atas bisa langsung kamu tempel dan coba di NgulikSQL. Kalau self-join-nya masih bikin pusing, mulai dari artikel dasar JOIN dulu, baru balik ke sini.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Analisa per kuartal, hari kerja, atau musim jadi ribet kalau tiap query ngitung ulang atribut tanggal. Tabel kalender nyimpen semua atribut itu sekali, biar tinggal di-JOIN.
Laporan penjualan harian sering bolong di hari tanpa transaksi. Ini cara bikin deret tanggal lengkap di SQL biar tiap hari muncul, walau nilainya nol.
Struktur organisasi tersimpan sebagai kolom id_atasan yang saling nunjuk. Ini cara narik rantai jabatan, hitung total bawahan, dan span of control cuma pakai SQL.