Analisis Pola Penjualan pada Coffee Shop Menggunakan Algoritma Apriori (Studi Kasus: Kopislashtea)
DOI:
https://doi.org/10.34010/jati.v15i1.14229Keywords:
Algoritma Apriori, Analisis Penjualan, Aturan Asosiasi, Frequent Itemset, KopislashteaAbstract
Pola pembelian konsumen merupakan informasi penting bagi bisnis untuk menyusun strategi penjualan yang lebih efektif. Kopislashtea, sebuah coffee shop yang sedang berkembang, memerlukan analisis mendalam mengenai produk-produk yang kerap dibeli secara bersamaan oleh pelanggan. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian konsumen di Kopislashtea melalui penerapan algoritma Apriori, serta memberikan rekomendasi strategis berdasarkan hasil analisis tersebut. Algoritma Apriori dikenal efektif dalam menemukan keterkaitan antar produk dengan mengidentifikasi frequent itemset dan aturan asosiasi yang relevan. Dalam penelitian ini, algoritma Apriori diterapkan pada data transaksi harian Kopislashtea dengan menetapkan nilai minimum support sebesar 10% dan minimum confidence sebesar 20%. Hasil analisis menunjukkan kombinasi produk populer, seperti French Fries dan Iced Aren Latte, yang memiliki tingkat confidence sebesar 36%, serta Chicken Wing Hot Truffle Parmesana dan French Fries dengan confidence sebesar 29%. Temuan ini mengindikasikan bahwa produk-produk tersebut sering kali dibeli bersamaan. Berdasarkan hasil tersebut, tujuan pada penelitian ini Kopislashtea dapat mengoptimalkan strategi promosi melalui penawaran bundling dan diskon untuk produk-produk yang sering dibeli bersamaan berdasrakan anaisis berbasis data yang pada akhirnya diharapkan dapat meningkatkan penjualan dan menyediakan penawaran yang lebih sesuai dengan preferensi serta pola pembelian pelanggan.
References
J. R. Gumilang, “Implementasi Algoritma Apriori untuk Analisis Penjualan Konter Berbasis Web,” Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 1, no. 2, pp. 226–233, 2021, doi: 10.33365/jatika.v1i2.612.
A. Juliano, Rasim, and Sugiyatno, “Algoritma Apriori untuk Pola Penjualan pada Kedai Kopi Studi Kasus: Kedai Kopioko,” Journal of Students‘ Research in Computer Science, vol. 3, no. 1, pp. 29–38, 2022, doi: 10.31599/jsrcs.v3i1.1148.
A. O. Fadilah, B. Huda, A. Hananto, and Tukino, “Strategi Promosi untuk Meningkatkan Penjualan Kedai Kopi Desimal Menggunakan Algoritma K-Medoids Clustering,” JURIKOM (Jurnal Riset Komputer), vol. 10, no. 1, pp. 2407–389, 2023, doi: 10.30865/jurikom.v10i1.5561.
F. S. Amalia and S. Setiawansyah, “Analisis Data Penjualan Handphone dan Elektronik Menggunakan Algoritma Apriori (Studi Kasus: CV Rey Gasendra),” TELEFORTECH : Journal of Telematics and Information Technolgy, vol. 2, no. 1, pp. 1–6, 2021, doi: https://doi.org/10.33365/tft.v2i1.1810.
P. Sianturi, Marsono, and R. Mahyuni, “Analisis Data Mining Menggunakan Algoritma K-Means dalam Mengklasterkan Menu Makan Potensial di Cafe Minum Kopi,” Jurnal CyberTech, vol. 3, no. 8, pp. 1412–1419, 2020, doi: https://doi.org/10.53513/jct.v3i8.4657.
E. Devia, “Aplikasi Sistem Penjualan Menggunakan Teknik Data Mining dengan Market Basket Analysis dan Algoritma Apriori (Studi Kasus Pada: Jetlag Coffee),” Jurnal Teknik Informatika dan Teknologi Informasi, vol. 1, no. 2, pp. 28–40, 2021, doi: 10.55606/jutiti.v1i2.1085.
R. A. Saputra, S. Wasiyanti, and R. Nugraha, “Penerapan Algoritma Apriori untuk Analisa Pola Penempatan Barang Berdasarkan Data Transaksi Penjualan,” Swabumi, vol. 8, no. 2, pp. 160–170, 2020, doi: 10.31294/swabumi.v8i2.9031.
R. Aryanti, E. Fitriani, D. Ardiansyah, and A. Saepudin, “Penerapan Metode Rapid Application Development dalam Pengembangan Sistem Informasi Akademik Berbasis Web,” Paradigma - Jurnal Komputer dan Informatika, vol. 23, no. 2, 2021, doi: 10.31294/p.v23i2.11170.
M. Syahril, K. Erwansyah, and M. Yetri, “Penerapan Data Mining untuk Menentukan Pola Penjualan Peralatan Sekolah pada Brand Wigglo dengan Menggunakan Algoritma Apriori,” J-SISKO TECH (Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD), vol. 3, no. 1, p. 118, 2020, doi: 10.53513/jsk.v3i1.202.
Amril Mutoi Siregar and Adam Puspabhuana, DATA MINING Pengolahan Data Menjadi Informasi dengan RapidMiner. CV Kekata Group. [Online]. Available: https://books.google.co.id/books?id=rTlmDwAAQBAJ
N. N. Merliani, N. I. Khoerida, N. T. Widiawati, L. A. Triana, and P. Subarkah, “Penerapan Algoritma Apriori pada Transaksi Penjualan untuk Rekomendasi Menu Makanan dan Minuman,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 8, no. 1, pp. 9–16, 2022, doi: 10.25077/teknosi.v8i1.2022.9-16.
M. Fathurrahman, R. Pratama, A, and T. Al-Mudzakir, “Perbandingan Algoritma Apriori dan Fp Growth terhadap Market Basket Analysis pada Data Penjualan Bakery,” Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), vol. 4, no. 2, pp. 266–274, 2023, doi: 10.30645/kesatria.v4i2.161.g160.
D. M. Sinaga, W. H. Sirait, and A. P. Windarto, “Analisis Algoritma Apriori dalam Menentukan Pola Pemesanan Konsumen pada Ucokopi,” Journal of Informatics Management and Information Technology, vol. 1, no. 2, pp. 68–73, 2021, doi: 10.47065/jimat.v1i2.105.
R. A. Gumilar and A. Sudiarjo, “Penerapan Algoritma Apriori pada Transaksi untuk Mencari Pola Penjualan (Studi Kasus: Warung US Baso Steak Coffee),” Kohesi: Jurnal Sains dan Teknologi, vol. 01, no. 07, pp. 11–22, 2023, doi: 10.3785/kjst.v1i7.603.
S. Wulandari, Jago Digital Marketing Cara Membuat Bisnis Cuan dan Tumbuh Cepat dengan Mudah. Anak Hebat Indonesia, 2024. [Online]. Available: https://www.google.co.id/books/edition/Jago_Digital_Marketing/dOUTEQAAQBAJ?hl=id&gbpv=0
Z. Abidin, A. K. Amartya, and A. Nurdin, “Penerapan Algoritma Apriori pada Penjualan Suku Cadang Kendaraan Roda Dua (Studi Kasus: Toko Prima Motor Sidomulyo),” Jurnal Teknoinfo, vol. 16, no. 2, p. 225, 2022, doi: 10.33365/jti.v16i2.1459.
I. Maryani, O. Revianti, H. M. Nur, and S. Sunanto, “Implementasi Data Mining pada Penjualan di Toko GOC Kosmetik dengan Menggunakan Metode Algoritma Apriori,” Indonesian Journal on Software Engineering (IJSE), vol. 8, no. 1, pp. 92–98, 2022, doi: 10.31294/ijse.v8i1.13017.
Y. A. Azis, “Diagram Alir Penelitian: Pengertian, Jenis dan Contoh,” Deepublishstore, 2023. [Online]. Available: https://deepublishstore.com/blog/diagram-alir-penelitian/?srsltid=AfmBOopcQNsqRQpMeO8l_PIYhx4f-IykcLo4Z3Hj7jRchj18jk5eNMI6
E. F. L. Awalina and W. I. Rahayu, “Optimalisasi Strategi Pemasaran dengan Segmentasi Pelanggan Menggunakan Penerapan K-Means Clustering pada Transaksi Online Retail,” Jurnal Teknologi dan Informasi, vol. 13, no. 2, pp. 122–137, 2023, doi: 10.34010/jati.v13i2.10090.
S. Khotimatul Wildah, A. Latif, S. Agustiani, A. Mustopa, and S. Suharyanto, “Color Histogram dan Support Vectore Machine untuk Mengklasifikasikan Biji Kopi Berdasarkan Tingkat Pemanggangan,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 1, pp. 580–586, 2024, doi: 10.36040/jati.v8i1.8724.
W. Gata, S. Surohman, and H. M. Nawawi, “Twitter in analysis of policy sentiments of the omnibus law work creative design,” AIP Conference Proceedings, vol. 2714, no. September 2011, 2023, doi: 10.1063/5.0128546.
F. N. Dhewayani, D. Amelia, D. N. Alifah, B. N. Sari, and M. Jajuli, “Implementasi K-Means Clustering untuk Pengelompokkan Daerah Rawan Bencana Kebakaran Menggunakan Model CRISP-DM,” Jurnal Teknologi dan Informasi, vol. 12, no. 1, pp. 64–77, 2022, doi: 10.34010/jati.v12i1.6674.
A. M. Husein and M. K. Harahap, “Teknik Data Science di Bidang Kesehatan: Menganalisis Faktor Penting Ketidakhadiran Janji Medis Pasien,” Data Science Indonesia, vol. 1, no. 2, pp. 50–61, 2021, doi: 10.47709/dsi.v1i2.1314.
G. Triyandana, L. A. Putri, and Y. Umaidah, “Penerapan Data Mining Pengelompokan Menu Makanan dan Minuman Berdasarkan Tingkat Penjualan Menggunakan Metode K-Means,” Journal of Applied Informatics and Computing, vol. 6, no. 1, pp. 40–46, 2022, doi: 10.30871/jaic.v6i1.3824.
I. M. D. P. Asana, I. G. I. Sudipa, A. A. T. W. Mayun, N. P. S. Meinarni, and D. V. Waas, “Aplikasi Data Mining Asosiasi Barang Menggunakan Algoritma Apriori-TID,” INFORMAL: Informatics Journal, vol. 7, no. 1, p. 38, 2022, doi: 10.19184/isj.v7i1.30901.
Downloads
Published
Issue
Section
License
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.
