Publisher

TRI GUNA DHARMATRI GUNA DHARMA

Journal Jurnal Cyber TechJurnal Cyber Tech Abstract

Cafe Cuek merupakan cafe yang berlokasi di Kota Binjai. Cafe ini yang biasanya menjual makanan, minuman dan snaks sederhana dengan fasilitas yang menunjang tempat tersebut. permasalahan yang terjadi di cafe tersebut adalah pihak cafe sering kesulitan dalam melakukan penyediaan bahan baku serta penyimpanan yang efektif agar bahan baku yang ada tetap terjaga keawetannya dan terjaga kualitas dari rasa dan pelayanannya. Selama ini penyediaan bahan baku dilakukan menggunakan perkiraan pemilik, tanpa adanya perhitungan yang pasti atau acuan dalam menentukan kuantitas bahan baku yang harus dipesan. Hal ini memungkinkan terjadinya kehabisan stok bahan baku ketika penjualan meningkat dan terjadinya kelebihan stok bahan baku ketika penjualan menurun. Untuk mengatasi masalah tersebut dibutuhkan sebuah sistem yang mampu mengolah data mining dalam melakukan prediksi terhadap penjualan makanan dan minuman di cafe. Dimana diketahui Prediksi merupakan proses memperkirakan suatu keadaan yang terjadi atau akan dilakukan dimasa depan melalui pengujian keadaan masa lalu. Algoritma yang digunakan pada masalah prediksi ini adalah Metode K-Nearest Neighbor (K-NN). Hasil penelitian merupakan terciptanya sebuah aplikasi Data Mining dengan Penerapan Metode Metode K-Nearest Neighbor (K-NN) dalam memprediksi penjualan makanan dan minuman di cafe cuek sehingga permasalahan mengenai bahan baku dapat diselesaikan dengan mudah untuk kedepannya.

Conclusion

Berdasarkan analisa pada permasalahan yang terjadi dalam kasus yang diangkat dalam memprediksi menu makanan di Cafe Cuek, dalam merancang dan membangun sistem prediksi penjualan makanan dan minuman dengan metode Algoritma K-Nearest Neighbor (K-NN) menggunakan aplikasi berbasis Desktop, dibutuhkan beberapa pendukung antara lain, sistem harus dikonsep kedalam sebuah pemodelan menggunakan UML, yaitu Use Case Diagram, Activity dan Diagram Class Diagram.Kemudian membangun model tersebut dengan menggunakan Visual Studio, kemudian untuk mengetahui cara menerapkan Algoritma K-Nearest Neighbor (K-NN) sebagai solusi pemecahan masalah dalam prediksi penjualan menu makanan dan minuman dibutuhkan data pelatihan yaitu data makanan dan minuman yang sebelumnya diketahui nilai penjualannya serta data uji dari beberapa menu yang belum diketuahui nilai penjualannya.Dalam menguji sistem yang telah dirancang untuk membantu pihak café dalam mengatur prediksi penjualan, dapat dilakukan dengan cara mencocokkan hasil prediksi dengan kejadian nyata dari penjualan tersebut, selanjutnya membandingkan hasil aplikasi dengan kondisi sebenarnya.

Future Research

Penelitian ini telah berhasil mengembangkan sistem prediksi penjualan menu makanan dan minuman menggunakan algoritma K-Nearest Neighbor (K-NN) di Cafe Cuek, yang menjadi langkah awal penting dalam mengatasi masalah manajemen bahan baku. Namun, terdapat beberapa arah studi lanjutan yang dapat memperkaya dan memperluas kontribusi ilmiah dari penelitian ini. Pertama, akan sangat berharga untuk melakukan studi komparatif dengan menguji berbagai algoritma data mining lainnya, seperti Regresi Linier, Pohon Keputusan, atau Jaringan Saraf Tiruan, pada dataset penjualan Cafe Cuek yang sama. Tujuannya adalah untuk mengidentifikasi algoritma mana yang memberikan tingkat akurasi prediksi tertinggi serta efisiensi komputasi terbaik dalam konteks bisnis kuliner, sehingga dapat memberikan panduan yang lebih komprehensif bagi pemilik usaha. Kedua, penelitian selanjutnya dapat berfokus pada pengembangan modul integrasi antara sistem prediksi ini dengan sistem manajemen inventaris bahan baku. Hal ini akan memungkinkan otomatisasi dalam proses pemesanan atau pengadaan bahan baku berdasarkan hasil prediksi penjualan, sehingga Cafe Cuek dapat mencapai optimalisasi stok yang lebih baik, mengurangi risiko kelebihan atau kekurangan bahan baku, serta menekan biaya operasional. Ketiga, untuk meningkatkan kapabilitas prediktif model, disarankan untuk menginvestigasi dampak penambahan variabel-variabel eksternal dan dinamis. Faktor-faktor seperti kondisi cuaca, adanya acara khusus di sekitar lokasi kafe, hari libur nasional, tren viral di media sosial, atau bahkan data sentimen dari ulasan pelanggan dapat dianalisis untuk melihat bagaimana variabel-variabel tersebut memengaruhi pola penjualan. Dengan demikian, model prediksi dapat menjadi lebih adaptif dan mampu memberikan estimasi yang lebih presisi terhadap permintaan pasar yang fluktuatif.

Metadata

File size	1.16 MB
Pages	12
DMCA	Report