Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary on Social and Technology
Timor Setiorini
Universitas Pamulang
Computer Science & IT Economics, Econometrics & Finance Engineering Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasterisasi Data Transaksi Konsumen Terhadap Pemilihan Menu Makanan Menggunakan Algoritma K-Means (Studi Kasus: Solaria Pamulang) Timor Setiorini; Atang Susila
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.12627

Abstract

Perkembangan industri kuliner yang semakin kompetitif menuntut pelaku usaha untuk memahami perilaku konsumen secara lebih mendalam agar mampu menyusun strategi pemasaran dan pengembangan produk yang tepat sasaran. Salah satu sumber informasi yang dapat dimanfaatkan adalah data transaksi konsumen yang menyimpan pola pembelian dan preferensi menu makanan. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk mengelompokkan data transaksi konsumen berdasarkan karakteristik pemilihan menu makanan di Solaria Cabang Pamulang sehingga diperoleh segmentasi konsumen yang dapat digunakan sebagai dasar pengambilan keputusan bisnis. Data yang digunakan merupakan data transaksi konsumen yang meliputi total transaksi, jumlah item yang dibeli, frekuensi kunjungan, rata-rata nilai belanja, menu favorit, serta waktu dominan pembelian. Tahapan penelitian meliputi pengumpulan data, proses preprocessing, penentuan jumlah klaster, proses klasterisasi menggunakan algoritma K-Means, serta evaluasi kualitas klaster menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa data transaksi berhasil dikelompokkan menjadi tiga klaster yang merepresentasikan kategori menu dengan tingkat minat tinggi, sedang, dan rendah. Segmentasi tersebut mampu memberikan gambaran karakteristik perilaku konsumen berdasarkan intensitas pembelian dan preferensi menu sehingga memudahkan pihak manajemen dalam menyusun strategi promosi, pengelolaan stok, serta pengembangan variasi menu yang lebih sesuai dengan kebutuhan pelanggan. Dengan demikian, penerapan algoritma K-Means terbukti efektif sebagai metode analisis data transaksi untuk mendukung pengambilan keputusan berbasis data pada industri restoran
Co-Authors Atang Susila