METODE FP-GROWTH UNTUK MENGOPTIMALKAN REKOMENDASI PENJUALAN MAKANAN DAN MINUMAN DI PIKNIK CAFÉ
DOI:
https://doi.org/10.23960/jitet.v13i1.5935Abstract Views: 145 File Views: 120
Abstract
Penelitian ini bertujuan untuk mengoptimalkan rekomendasi penjualan makanan dan minuman di Piknik Café dengan menggunakan metode FP-Growth. Pemilihan topik ini didasarkan pada kebutuhan untuk meningkatkan strategi penjualan yang lebih efektif dan efisien dalam menyajikan rekomendasi produk kepada pelanggan. FP-Growth, sebagai salah satu algoritma dalam data mining, menawarkan keunggulan dalam menemukan pola tersembunyi dan asosiasi antara item-item yang sering muncul bersama dalam transaksi. Metode ini diterapkan pada data transaksi penjualan di Piknik Café untuk mengidentifikasi kombinasi makanan dan minuman yang paling sering dibeli bersama. Hasil penelitian menunjukkan bahwa FP-Growth berhasil mengidentifikasi asosiasi yang signifikan antara beberapa item, yang kemudian digunakan untuk menyusun rekomendasi penjualan yang lebih tepat sasaran. Implementasi rekomendasi ini diharapkan dapat meningkatkan kepuasan pelanggan dan pendapatan café. Kesimpulan dari penelitian ini menekankan pentingnya penggunaan metode data mining seperti FP-Growth dalam meningkatkan strategi penjualan dan pengambilan keputusan berbasis data di sektor kuliner.
Downloads
References
Panelitian pendapat Kurniawan membahas tentang Data Mining dalam pengelolaan barang dikoperasi SMA Negeri 1 Giri untuk menganalisa dan mengolah histori transaksi penjualan barang untuk selanjutnya dibangun sebuah rule yang berguna sebagai acuan untuk memprediksi barang yang akan terjual jika membeli suatu barang terlebih dahulu. Teknik data mining yang digunakan adalah Association Rule Mining. Teknik ini berguna untuk menemukan aturan asosiatif antar kombinasi item pada histori transaksi[1]
Panelitian pendapat Wijaya membahas tentang Berdasarkan Rules pada penelitian penerapan metode asosiasi data mining menggunakan Algoritma FP-Growth untuk menentukan penjualan paket belanja kafe (Studi Kasus Internet Learning Cafe Kaliurang) Pada Rule 1 Jika konsumen membeli Items Jasmine Tea maka kemungkinan membeli Items Paket 02 Jam yaitu sebesar 5,4%. Rule 2 Jika konsumen membeli Items Jasmine Tea maka kemungkinan membeli Items Paket 03 Jam yaitu sebesar 4,4%.Berdasarkan Hasil Rules Confidence(X,Y), pihak manajemen disarankan membuat paket Jasmine Tea, Americano dengan Paket 03 Jam yang memiliki nilai Confidence tertinggi yaitu 0.791 atau Jasmine Tea, Americano dengan paket 03 Jam dengan nilai Confidence tertinggi ke 2 yaitu 58,8%[4].
Panelitian pendapat Destriyanah membahas tentang Di dalam dunia bisnis diperlukan suatu usaha yang maksimal agar mendapatkan keuntungan. Strategi pemasaran yang tepat dapat dilihat pada pola pembelian konsumen yang di peroleh dari transaksi penjualan terhadap Makanan Warung Indomie atau Warmindo. Informasi mengenai pola pembelian customer pada Warmindo yang kurang akurat ini menyebabkan ketidaktahuan perusahaan mengenai kerugian yang didapatinya. Penelitian ini bertujuan untuk menganalisis pola pembelian pelanggan di Warmindo menggunakan algoritma FP- Growth yang diimplementasikan melalui software RapidMiner[5].
Panelitian pendapat Sari dkk membahas tentang mengetahui pola pembelian pelanggan, sehingga didapatkan rekomendasi strategi penjualan. Metode yang digunakan adalah knowledge discovery in databases (KDD) dengan menerapkan algoritma FP-Growth. Hasil penelitian ini menunjukkan bahwa algoritma FP-Growth dapat mengidentifikasi pola pembelian pelanggan dengan melakukan percobaan menggunakan nilai minimum support sebesar 2%, 3%, 4%, 5% dan minimum confidence sebesar 40%[6].
Panelitian pendapat Mamahit membahas tentang minimarket adalah toko dengan sistem kasir dan swalayan untuk menjual segala jenis makanan dan barang namun tidak sebesar dan selengkap supermarket. Perbedaannya umumnya antara toko biasa dengan minimarket yaitu minimarket menggunakan sebuah sistem mesin kasir untuk penjualannya sedangkan toko biasa menerapkan sistem pembayaran langsung tanpa mesin kasir[7].
Panelitian pendapat Samsinar membahas tentang Analisis dan pengolahan data sangatlah penting untuk mendukung perkembangan bisnis. Salah satu contohnya pada The Javanese Café yang membutuhkan analisa dan pengolahan untuk menentukan rekomendasi paket menu promosi. Untuk melakukan analisis dan pengolahan data tentunya membutuhkan sebuah teknologi agar dapat mempermudah kegiatan tersebut. Teknologi yang dapat dimanfaatkan untuk mengatasi permasalahan tersebut adalah data mining[8].
Panelitian pendapat Palupiningsih.membahas tentang Produk yang tepat didapatkan dengan menganalisis pola pembelian konsumen. Penelitian ini menggunakan teknik association rule dan algoritma FP-Growth untuk mendapatkan rule yang tepat sebagai penetuan rekomendasi produk pada UMKM. Analisis dilakukan menggunakan data transaksi pada UMKM dari 1 Januari 2021 sampai 30 April 2021 yaitu sejumlah 1483 transaksi dengan 3 kali percobaaan pada minimum support sebesar 1%, 2%, dan 3% serta minimum confidence sebesar 30%. Untuk melihat korelasi yang tedapat pada rules yang terbentuk digunakan lift ratio[9].
Panelitian pendapat Rafly dkk., membahas tentang Kogu Coffee Shop merupakan usaha yang bergerak pada bidang FnB (Food and Beverages) yang berada di Kota Malang. Kogu Coffee Shop dikenal sebagai salah satu kafe yang populer di kota tersebut, dengan basis pelanggan yang beragam. Untuk mendukung kegiatan operasional khususnya pencatatan data transaksi, Kogu Coffee Shop menggunakan salah satu aplikasi pencatatan digital yang populer[10].
Penelitian yang dilakukan oleh Siti Muntari yang berjudul “Data Mining Menggunakan Algoritma Fp-Growth Untuk Menganalisa “, dalam penelitiannya menghasilkan sistem penerapan algoritma FP-Growth untuk mengetahui obat yang sering dibeli sehingga menjadi strategi dalam menyediakan stok obat pada Klinik dan Apotek Dr. Rika. Hasil analisis data transaksi penjualan obat dengan menerapkan algoritma FP-Growth terhadap data transaksi penjualan obat pada Klinik dan Apotek Dr. Rika melalui aplikasi RapidMiner sama dengan hasil yang diterapkan di sistem yang dibangun dan menggunakan data yang sama.[11]
