<![CDATA[Industri makanan dan minuman di Indonesia terus mengalami pertumbuhan yang pesat. Salah satu pelaku usaha yang ikut berpartisipasi dalam sektor ini adalah Tens Coffee Indonesia, sebuah cafe yang baru berdiri dan menghadapi tantangan dalam menyusun strategi bundling menu yang tepat untuk meningkatkan penjualan. Penelitian ini bertujuan untuk menerapkan algoritma apriori dalam menganalisis data transaksi pelanggan guna menghasilkan rekomendasi menu berbasis data. Penelitian dilakukan dengan mengumpulkan data transaksi selama satu bulan, yaitu sebanyak 3384 baris data. Setelah melalui proses preprocessing yang mencakup data selection, data cleaning, dan data transformation, diperoleh 2427 transaksi yang valid, dengan 665 transaksi di antaranya terdiri atas lebih dari satu item pembelian. Proses analisis menggunakan algoritma apriori dilakukan pada dua skenario, yaitu dengan dan tanpa penghapusan transaksi satu item. Penghapusan dilakukan untuk meningkatkan relevansi hasil analisis. Hasil dari pembentukan frequent itemsets dan aturan asosiasi menunjukkan bahwa skenario dengan penghapusan satu item menghasilkan pola rekomendasi yang lebih optimal. Pada skenario ini, ditemukan 16 aturan asosiasi yang memenuhi parameter minimum support sebesar 0.02 dan minimum confidence sebesar 0.3. Dari 16 aturan asosiasi yang terbentuk, 5 diantaranya valid karena memiliki nilai lift ratio > 1. Salah satu aturan terkuat adalah kombinasi “bowl take away” dan “eskrim karambol” yang memiliki confidence sebesar 0.974. Hasil penelitian ini menunjukkan bahwa algoritma Apriori efektif dalam mengidentifikasi pola pembelian pelanggan dan mendukung strategi rekomendasi menu, yang pada akhirnya dapat meningkatkan efisiensi operasional dan kepuasan pelanggan di Tens Coffee Indonesia.]]>
Copyrights © 2025
