ANALISA TINGKAT PENJUALAN MAKANAN DAN MINUMAN PADA RESTORAN SUMOBOO DENGAN KLASTERISASI MENGGUNAKAN ALGORITMA K-MEANS

ANALISA TINGKAT PENJUALAN MAKANAN DAN MINUMAN PADA RESTORAN SUMOBOO DENGAN KLASTERISASI MENGGUNAKAN ALGORITMA K-MEANS

• By Serly Ana Era;
• S1- Sistem Infomasi
• 4
• 1-77

Restoran Sumoboo merupakan salah satu restoran yang berfokus pada makanan dan minuman. Dalam mengelola bisnis restoran, penting untuk memahami pola penjualan dan mengoptimalkan stok bahan baku. Permasalahan umun yang terjadi pada Restoran Sumoboo saat ini adalah masih sulitnya menentukan item menu mana yang sering dicari atau dipesan oleh pelanggan. Sehingga, sering terjadinya penumpukan menu-menu yang kurang diminati dan habisnya makanan dan minuman yang sering dicari pelanggan. Penelitian ini bertujuan agar dengan memanfaatkan algoritma K-Means yang dilakukan dengan perhitungan manual dan menggunakan tools RapidMiner, menu-menu dapat dikelompokkan berdasarkan tingkat penjualannya.  Hasil dari penelitian yang dilakukan ini mendaptkan 3 cluster yang terdiri dari cluster 1(C0) tingkat penjualan tinggi sebanyak 34 menusalah satunya Kakigori 2, cluster 2(C1) tingkat penjuan sedang sebanyak 14 menusalah satunya Strawberry Smoothies, dan cluster3(C2) tingkat penjualan rendah sebanyak 25 menu salah satunya Latte Shake.  Sehingga hasil pengelompokkan ini memungkinkan restoran untuk membuat keputusan yang lebih akurat mengenai strategi penjualan.

• Katakunci Restoran, Makanan dan Minuman, K-Means, RapidMiner.
• URL http://
• Penerbit ,

REFERENSI

Alghifari, F., & Juardi, D. (2021). Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes. Jurnal Ilmiah Informatika, 9(02), 75–81. https://doi.org/10.33884/jif.v9i02.3755

Cetom, U. U., Fahrizal, F., Irawan, B., & Bahtiar, A. (2024). ANALISIS PRODUK TERLARIS DAN PENGUJIAN K-MEANS. 8(3), 3055–3061.

Dwi Lestari, P., & Mulyawan, M. (2023). Datamining Pada Penjualan Air Bersih Di Spam Akidah Menggunakan Algoritma K-Means Clustering Menggunakan Rapidminer. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 412–416. https://doi.org/10.36040/jati.v7i1.6315

Kristianto, W. W. (2022). Penerapan Data Mining Pada Penjualan Produk Menggunakan Metode K-Means Clustering (Studi Kasus Toko Sepatu Kakikaki). Jurnal Pendidikan Teknologi Informasi (JUKANTI), 5(2), 90–98. https://doi.org/10.37792/jukanti.v5i2.547

Maulani, F. N., & Najibullah, N. (2022). Analisis Strategi Pemasaran Restoran Simpang Raya Cempaka Putih. Jurnal Tadbir Peradaban, 2(3), 170–184. https://doi.org/10.55182/jtp.v2i3.188

Padli, M., Yasir, A., & Hasugian, B. S. (2023). Penerapan Data Mining Pada Menu Makanan Dan Minuman Kelompok Berdasarkan Tingkat Penjualan Menggunakan K-Means. Device : Journal of Information System, Computer Science and Information Technology, 4(2), 182–191. https://doi.org/10.46576/device.v4i2.4063

Purnama, C., Witanti, W., & Nurul Sabrina, P. (2022). Klasterisasi Penjualan Pakaian untuk Meningkatkan Strategi Penjualan Barang Menggunakan K-Means. Journal of Information Technology, 4(1), 35–38. https://doi.org/10.47292/joint.v4i1.79

Rohmah, A., Sembiring, F., & Erfina, A. (2021). Implementasi Algoritma K-Means Clustering Analysis untuk Menentukan Hambatan Pembelajaran Daring (Studi Kasus: SMK Yaspim Gegerbitung). Seminar Nasional Sistem Informasi Dan Manajemen Informatika, 290–298. https://sismatik.nusaputra.ac.id/index.php/sismatik/article/view/32

Triyandana, G., Putri, L. A., & Umaidah, Y. (2022). Penerapan Data Mining Pengelompokan Menu Makanan dan Minuman Berdasarkan Tingkat Penjualan Menggunakan Metode K-Means. Journal of Applied Informatics and Computing, 6(1), 40–46. https://doi.org/10.30871/jaic.v6i1.3824

Winarta, A., & Kurniawan, W. J. (2021). Optimasi Cluster K-Means Menggunakan Metode Elbow Pada Data Pengguna Narkoba Dengan Pemrograman Python. JTIK (Jurnal Teknik Informatika Kaputama), 5(1), 113–119. https://doi.org/10.59697/jtik.v5i1.593