UNHASYUNHASY

DERISTECH : Development informatic and research in TechnologyDERISTECH : Development informatic and research in Technology

Pesatnya pertumbuhan industri kuliner menuntut pengambilan keputusan berbasis data, terutama dalam pengelolaan menu dan stok. Penelitian ini menerapkan algoritma Apriori untuk mengidentifikasi menu best seller dari data transaksi penjualan dan merancang sistem rekomendasi berbasis web di Nice Cafe. Proses meliputi preprocessing data, penentuan minimum support dan confidence, serta evaluasi lift ratio. Hasil menunjukkan bahwa sistem mampu menemukan kombinasi menu yang sering dibeli bersama, seperti {Es Teh, Pentol Huha Banget, Teh Tarik}, dengan nilai confidence dan lift ratio tinggi. Sistem dibangun menggunakan PHP dan MySQL, serta dapat diakses oleh pemilik atau karyawan. Informasi dari sistem ini mendukung perencanaan stok, strategi promosi, dan peningkatan kepuasan pelanggan.

Berdasarkan hasil penelitian yang telah dilakukan, algoritma apriori berhasil mengidentifikasi pola pembelian menu makanan dan minuman di Nice Cafe.Melalui serangkaian tahapan penting yang diawali dengan analisis kebutuhan, pengumpulan dan pengolahan data transaksi, hingga pengembangan dan pengujian sistem, algoritma apriori dapat menemukan kombinasi item menu yang sering dibeli oleh pelanggan secara bersamaan.Pada kombinasi 3-itemset, terdapat menu dengan nilai confidence dan lift ratio tertinggi, yaitu {Es Teh, Pentol Huha Banget => Teh Tarik} dengan tingkat confidence dan lift ratio yang menunjukkan kekuatan asosiasi antar menu.Hasil dari penelitian ini membuktikan bahwa algoritma Apriori dapat memberikan wawasan bagi pemilik usaha dalam memahami perilaku pembelian pelanggan, menyusun strategi promosi yang lebih tepat sasaran, serta menjadi alat analisis yang efektif dalam pengambilan keputusan bisnis.

Berdasarkan latar belakang penelitian yang berfokus pada analisis pola pembelian menu di Nice Cafe menggunakan algoritma Apriori, terdapat beberapa arah penelitian lanjutan yang menarik untuk dieksplorasi. Pertama, penelitian dapat dikembangkan untuk mengintegrasikan data eksternal, seperti data cuaca atau hari libur, guna memprediksi fluktuasi permintaan menu dan mengoptimalkan perencanaan stok secara lebih akurat. Kedua, penelitian dapat memperluas cakupan analisis dengan mempertimbangkan faktor demografis pelanggan, seperti usia atau jenis kelamin, untuk mengidentifikasi preferensi menu yang spesifik pada segmen pasar tertentu. Ketiga, pengembangan sistem rekomendasi dapat ditingkatkan dengan menerapkan teknik machine learning yang lebih canggih, seperti collaborative filtering atau content-based filtering, untuk memberikan rekomendasi menu yang lebih personal dan relevan bagi setiap pelanggan, sehingga berpotensi meningkatkan kepuasan pelanggan dan mendorong peningkatan penjualan.

  1. IMPLENTASI DATA MINING UNTUK REKOMENDASI PAKET MENU MAKANAN DENGAN MENGGUNAKAN ALGORITMA APRIORI | TECHSI... ojs.unimal.ac.id/index.php/techsi/article/view/6747IMPLENTASI DATA MINING UNTUK REKOMENDASI PAKET MENU MAKANAN DENGAN MENGGUNAKAN ALGORITMA APRIORI TECHSI ojs unimal ac index php techsi article view 6747
Read online
File size623.25 KB
Pages8
DMCAReport

Related /

ads-block-test