Implementasi Metode Market Basket Analysis Untuk Menentukan Menu Paket Penjualan Di Bius Café

Penulis

  • Asrini Susilayani STMIK PPKIA Tarakanita Rahmawati
  • Eviana Tjatur Putri STMIK PPKIA Tarakanita Rahmawati
  • Lies Hartono STMIK PPKIA Tarakanita Rahmawati
  • Mohamad Ardi STMIK PPKIA Tarakanita Rahmawati

DOI:

https://doi.org/10.71302/jbidai.v7i2.63

Kata Kunci:

Algoritma Apriori, Penjualan, Market Basket Analysis, Pola

Abstrak

Café yang berada di Kota Tarakan mulai mencari strategi penjualan, disebabkan persaingan bisnis makin meningkat. Salah satu langkah promosi yang dapat dilakukan oleh sebuah industri restoran adalah dengan membuat menu paket yang tentunya memiliki harga yang lebih terjangkau daripada jika harus membeli per item sehingga konsumen akan merasa lebih senang dengan adanya menu tersebut. Bius Café, salah satu kafe yang cukup banyak peminatnya, berkeinginan untuk membuat menu paket. Menu paket yang akan ditawarkan merupakan kombinasi dari menu makanan dan minuman yang dimiliki oleh kafé, dengan memperhatikan berapa sering kombinasi menu yang akan dibuat sebagai paket dipilih oleh pelanggan. Algoritma Apriori adalah salah satu algoritma pada bidang data mining untuk menggalian aturan asosiasi, Algoritma apriori ini termasuk jenis aturan asosiasi pada data mining. Aturan yang menyatakan asosiasi antara beberapa atribut sering disebut affinity analysis atau makret basket analysis. Berdasarkan hasil Analisa dalam menentukan pola penjualan menggunakan metode algoritma apriori menunjukan bahwa untuk membentuk aturan rule maka dilakukan proses pembentukan kombinasi-kombinasi dimulai dengan Analisa Transaksi 1 itemset, kombinasi 2-itemset dan kombinasi 3-itemset yang memenuhi nilai support dan confidence dalam pembentukan kombinasi tersebut. Terdapat beberapa transkasi yang terseleksi sesuai dengan ketentuan minimum support dan confidence maka hasil tersebut akan membentuk rule dan kemudian akan di ranking tertinggi dengan nilai confidence terbesar 72% yaitu Mie Goreng dan Bius Café. Sehingga pemilik usaha dapat membuat menu paket promosi dengan mengkombinasikan makanan dan minuman mengunakan 2 item tersebut.

Referensi

[1] A. Agung Yulianto dan Y. Elsandra, “Pola Pembelian Konsumen Dengan Metode Market Basket Analysis pada Perishable Product di Toko Roti Ikobana Bakery,” TEKNOSI, vol. 10, no. 1, pp. 82–91, Mei 2024.

[2] K. Brighton dan S. Hariyanto, “Penerapan Metode Market Basket Analisis Dengan Algoritma Apriori Pada Toko Ritel Elektronik,” bit-Tech, vol. 7, no. 1, pp. 37–46, 2024.

[3] A. N. Fuadi, H. Bhakti dan A. Premana, “Analisis Pola Pembelian Konsumen Di Toko Ritel DMART Menggunakan Algoritma Apriori Berbasis Website,” JITET, vol. 12, no. 3, 2024.

[4] M. SyahruRomadhon dan A. Kodar, “Implementasi Metode Market Basket Analysis (MBA) Menggunakan Algoritma Apriori Dalam Transaksi Penjualan (Studi Kasus: Kafe Ruang Temu),” saintekom, vol. 10, no. 2, pp. 138–147, Aug. 2020.

[5] M. Jundi Hakim dan A. Yuma, “Market Basket Analysis Menggunakan Algoritma Apriori Berbasis Bahasa R (Studi Kasus Transretail Indonesia),” CKI ON SPOT, vol. 11, no 2, pp. 173–180, 2018.

[6] A. Muzakir dan L. Adha, “Market Basket Analysis (MBA) Pada Situs Web E-Commerce Zakiyah Collection,” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 7, no 2, pp. 459-466, 2016.

[7] A. K. Wahyudi, N. Azizah dan H. Saputro, “Data Mining Klasifikasi Kepribadian Siswa SMP Negeri 5 Jepara Menggunakan Metode Decision Tree Algoritma C4. 5,” Journal of Information System and Computer, vol. 2, no.2, pp. 8-13, 2022.

[8] Amna et al, Data Mining. Padang, Sumatera Barat, Indonesia: PT. Global Eksekutif Teknologi, 2023.

[9] A. Mugnia dan M. Malik Mutoffar, “Implementasi Algoritma Apriori untuk Sistem Rekomendasi Buku pada Perpustakaan Digital,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol.11, no. 1, 2024.

Unduhan

Diterbitkan

31-12-2024

Cara Mengutip

Susilayani, A., Putri, E. T., Hartono, L., & Ardi, M. (2024). Implementasi Metode Market Basket Analysis Untuk Menentukan Menu Paket Penjualan Di Bius Café. Journal of Big Data Analytic and Artificial Intelligence, 7(2), 62–68. https://doi.org/10.71302/jbidai.v7i2.63