ANALISIS DATA MINING UNTUK REKOMENDASI PAKET MENU MAKANAN MENGGUNAKAN METODE APRIORI

Indrasari, Agung Vania (2020) ANALISIS DATA MINING UNTUK REKOMENDASI PAKET MENU MAKANAN MENGGUNAKAN METODE APRIORI. S1 thesis, Universitas Atma Jaya Yogyakarta.

Preview	Text (Agung Vania Indrasari) 07085810.pdf Download (656kB) | Preview
	Text 07085811.pdf Restricted to Registered users only Download (372kB)
	Text 07085812.pdf Restricted to Registered users only Download (197kB)

Abstract

Persaingan di dunia bisnis makanan sangatlah banyak dan persaingan usaha di bidang makanan semakin ketat setiap tahunnya. Pebisnis perlu menciptakan inovasi baru dalam bisnisnya. Maka dari itu pebisnis harus mengembangkan strategi untuk meningkatkan penjualan. Setiap harinya penjual makanan menyimpan banyak transaksi pembelian, namun data transaksi yang ada tersebut tidak diselesaikan dengan baik dan kesulitan untuk melihat asosiasi antara penjualan makanan yang satu dengan yang lain. Oleh sebab itu diperlukan suatu metode yang dapat membantu untuk membentuk rekomendasi menu terlaris yang dapat diolah dari data transaksi pembelian dengan menggunakan algoritma apriori sehingga data transaksi yang ada bisa digunakan secara maksimal dan efisien. Hasil analisis yang didapatkan setelah menggunakan perbandingan minimum support dan minimum confidence yang berbeda-beda untuk rekomendasi paket menu makanan berdasarkan data transaksi yang ada adalah dengan menggunakan minimum support 0,5% (kuatnya kombinasi item tersebut dalam database) dan minimum confidence 80% (kuatnya hubungan antar item dalam aturan asosiasi) menghasilkan 12 aturan asosiasi salah satu contoh yaitu jika konsumen membeli menu Lemon Tea dan Nasi Baso Nagih maka 100% (kepastian konsumen dalam membeli item) akan membeli menu Mendoan. Salah satu contoh hasil dari aturan asosiasi tersebut didapatkan dari data transaksi Dapur Oma selama 3 bulan dengan total 3232 data transaksi. Selain itu juga dapat mempermudah pemilik restoran dalam menyiapkan bahan masakan untuk makanan yang paling banyak diminati konsumen.

Actions (login required)

View Item