PENERAPAN DATA MINING PADA MENU MAKANAN DAN MINUMAN KELOMPOK BERDASARKAN TINGKAT PENJUALAN MENGGUNAKAN K-MEANS

Authors

DOI:

https://doi.org/10.46576/device.v4i2.4063

Keywords:

Data Mining, K-Means, Menu Makanan dan Minuman, Tingkat Penjualan, Analisis Pola Konsumsi Pelanggan

Abstract

Penelitian ini bertujuan untuk mengkaji penerapan data mining pada menu makanan dan minuman kelompok penyedia makanan dan minuman dengan menggunakan algoritma K-Means. Data penjualan harian, harga, dan preferensi pelanggan dikumpulkan untuk menganalisis pola konsumsi dan mengelompokkan menu berdasarkan tingkat penjualan. Algoritma K-Means berhasil membentuk kelompok-kelompok menu dengan karakteristik penjualan yang serupa. Analisis pola konsumsi pelanggan memberikan wawasan mendalam tentang preferensi pelanggan. Hasil penelitian ini menunjukkan potensi manfaat, termasuk optimasi penjualan, pengembangan menu yang lebih efektif, dan peningkatan kepuasan pelanggan. Kesimpulan penelitian memberikan dasar bagi kelompok penyedia makanan dan minuman dalam meningkatkan strategi penjualan mereka.

Kata Kunci: Data Mining,K-Means,Menu Makanan dan Minuman,Tingkat Penjualan,Analisis Pola Konsumsi Pelanggan

References

Han, J., & Kamber, M. (2006). Data Mining: Concepts and Techniques. Morgan Kaufmann.

Tan, P.-N., Steinbach, M., & Kumar, V. (2005). Introduction to Data Mining. Addison-Wesley.

Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer.

Jain, A. K., Murty, M. N., & Flynn, P. J. (1999). Data Clustering: A Review. ACM Computing Surveys (CSUR), 31(3), 264–323.

Wu, X., Kumar, V., Quinlan, J. R., Ghosh, J., Yang, Q., Motoda, H., ... & Steinbach, M. (2008). Top 10 Algorithms in Data Mining. Knowledge and Information Systems, 14(1), 1–37.

Tan, P.-N., Kumar, V., & Srivastava, J. (2004). Selecting the Right Interestingness Measure for Association Patterns. In Proceedings of the Eighth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (pp. 32–41).

Gupta, R., & Jain, D. (2013). Mining Patterns in Temporal Databases. Wiley.

(Nasyuha, Asyahri Hadi ; Jama, Jalius ; Abdullah, Rijal ; Syahra, Yohanni ; Azhar, Zulfi ; Hutagalung, Juniar ; Hasugian, Buyung Solihin, 2020) Frequent pattern growth algorithm for maximizing display items (hal. 390-396).

Downloads

Published

2023-12-11

Issue

Vol. 4 No. 2: DESEMBER 2023

Section

ARTIKEL VOL. 4 NO. 2 2023

License

Penulis yang naskahnya diterbitkan menyetujui ketentuan sebagai berikut:

  1. Hak publikasi atas semua materi naskah jurnal yang diterbitkan/dipublikasikan dalam jurnal ini dipegang oleh dewan redaksi dengan sepengetahuan penulis (hak moral tetap milik penulis naskah).
  2. Ketentuan legal formal untuk akses artikel digital jurnal elektronik ini tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY), yang berarti  Jurnal Device berhak menyimpan, mengalih media/format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan artikel tanpa meminta izin dari Penulis selama tetap mencantumkan nama Penulis sebagai pemilik Hak Cipta.
  3. Naskah yang diterbitkan/dipublikasikan secara cetak dan elektronik bersifat open access untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain tujuan tersebut, dewan redaksi tidak bertanggung jawab atas pelanggaran terhadap hukum hak cipta.