PENERAPAN ALGORITME KLASTERISASI K-MEANS KINERJA PRODUK DENGAN ANALISIS RECENCY FREQUENCY MONETARY PADA CAFE XYZ

Penulis

  • Aldi Kamalludin Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur, Indonesia
  • Utomo Budianto Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur, Indonesia
  • Dolly Virgian Shaka Yudha Sakti Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur, Indonesia
  • Joko Christian Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur, Indonesia

Kata Kunci:

Data Mining, Coffee shop, K-Means, Algoritma Klasterisasi, Kinerja Produk, Coffe Shop

Abstrak

XYZ merupakan salah satu coffee shop lokal terbesar di Indonesia. Meskipun begitu Coffee Shop ini juga memiliki banyak pesaing dengan bisnis yang sama sehingga manajemen dituntut harus selalu memenuhi kebutuhan para konsumen agar tidak ada kosumen yang berpaling ke para pesaing. Maka dari itu penelitan ini bertujuan untuk melakukan klasterisasi penjualan menu produk cafe XYZ ke dalam klaster-klaster yang memiliki kriteria yang sama untuk menghasilkan produk menu kinerja baik, menu kinerja sedang, menu kinerja buruk. Sehingga dapat diketahui produk apa saja yang harus di evaluasi agar mampu bersaing dengan kompetitor lain. Manfaat dari penelitian dapat menganalisa dan evaluasi menu yang kinerja buruk agar bisa menjadikan opsi management. Metode yang dipakai pada penelitan ini adalah Algoritme K-Means Clustering berdasarkan analisis Recency, Frequency dan Monetary (RFM). Metode ini sangat tepat untuk penelitain karena dalam impelementasi menyelesaikan masalah Algoritme K-Means sangat simple serta fleksible. Data yang di gunakan untuk penelitian ini yaitu Februari 2022 sampai Desember 2022. Data transaksi yang diambil dari segment pagi dapat menghasilkan 3 klaster dari data 15632 dengan 322 produk masing-masing nama klaster tersebut yaitu menu kinerja baik terdapat 276 data, menu kinerja sedang terdapat 36 data, dan menu kinerja buruk terdapat 10 data. Penelitian ini berhasil membuat prototype clastering menggunakan analisis RFM. Dengan ada nya pengelompokan ini berguna untuk memudahkan management cafe XYZ untuk membuat keputusan ketika ingin mengevaluasi menu produk.

Referensi

N. Erlangga, S. Solikhun, and I. Irawan, “Penerapan Data Mining Dalam Mengelompokan Produksi Jagung Menurut Provinsi Menggunakan Algoritma K-Means,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 702–709, 2019, doi: 10.30865/komik.v3i1.1681.

R. Hidayat and H. Kusniyati, “Analisis Clustering Dalam Pengelompokan Penjualan Menggunakan Algoritma K-Means Pada Cafe 47°Coffee Clustering Analysis in Sales Grouping Using The K-Means Algorithm at Cafe 47°Coffee,” vol. 7, no. 2, pp. 420–434, 2022, [Online]. Available: www.jurnal.unimed.ac.id.

Y. D. Darmi and A. Setiawan, “Penerapan Metode Clustering K-Means Dalam Pengelompokan Penjualan Produk,” J. Media Infotama, vol. 12, no. 2, pp. 148–157, 2017, doi: 10.37676/jmi.v12i2.418.

Erliyana, O. Nurdiawan, N. R, A. I. Purnamasari, and I. Ali, “Analisa Penjualan Mobil Dengan Menggunakan Algoritma K-Means Di PT. Mulya Putra Kencana,” J. Data Sci. Inform., no. 2, pp. 32–35, 2021, [Online]. Available: http://publikasi.bigdatascience.id/index.php/jdsi/article/view/12.

M. A. Satriawan, R. Andreswari, and O. N. Pratiwi, “Segmentasi Pelanggan Telkomsel Menggunakan Metode Clustering Dengan Rfm Model Dan Algoritma K-Means Telkomsel Customer Segmentation Using Clustering Method With Rfm Model And K-Means Algorithm,” vol. 8, no. 2, pp. 2876–2883, 2021.

Feryanto, F. T. Kesuma, and S. P. Tamba, “Penerapan Data Mining Untuk Menentukan Penjualan Sparepart Toyota Dengan Metode K-Means Clustering,” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 2, no. 2, pp. 67–72, 2020, doi: 10.34012/jusikom.v2i2.376.

I. R. Mahartika and A. Wibowo, “Data Mining Klasterisasi dengan Algoritme K-Means untuk Pengelompokkan Provinsi Berdasarkan Konsumsi Bahan Bakar Minyak Nasional,” Pros. Semin. Nas. SISFOTEK (Sistem Inf. dan Teknol., vol. 3, no. 1, pp. 87–91, 2019, [Online]. Available: https://seminar.iaii.or.id/index.php/SISFOTEK/article/view/108.

P. Alkhairi and A. P. Windarto, “Penerapan K-Means Cluster pada Daerah Potensi Pertanian Karet Produktif di Sumatera Utara,” Semin. Nas. Teknol. Komput. Sains, pp. 762–767, 2019.

D. Yanto, L. Probolinggo, C. Loyal, and K. Loyal, “Analisis RFM dan Algoritma K-Means untuk Clustering Loyalitas Customer,” vol. 9, no. 1, pp. 0–8, 2019.

D. Astuti, “Penentuan Strategi Promosi Usaha Mikro Kecil Dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritma K-Means Clustering,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 1, no. 2, pp. 60–72, 2019, doi: 10.20895/inista.v1i2.71.

T. A. A. Sandi, M. Raharjo, J. L. Putra, and R. Ridwan, “20,” J. Pilar Nusa Mandiri, vol. 14, no. 2, p. 239, 2018, doi: 10.33480/pilar.v14i2.950.

Unduhan

Diterbitkan

30-04-2023

Cara Mengutip

Kamalludin, A., Budianto, U., Sakti, D. V. S. Y., & Christian , J. (2023). PENERAPAN ALGORITME KLASTERISASI K-MEANS KINERJA PRODUK DENGAN ANALISIS RECENCY FREQUENCY MONETARY PADA CAFE XYZ. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(1), 258–266. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/631

Terbitan

Vol 2 No 1 (2023): Prosiding SENAFTI Ke-2 April 2023

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>