Analisis Data Mining untuk Klasifikasi Kafe Populer di Jakarta Menggunakan Decision Tree dan Visualisasi dengan Tableau

Anisah, Siti (Universitas Muhammadiyah Prof.Dr.Hamka,)
Irwansyah, Irwansyah (Universitas Muhammadiyah Prof. Dr.Hamka)

Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Vol 14, No 2: Agustus 2025

The rapid growth of the café business in Jakarta has increased competition in this sector. Cafes are now not only places to enjoy food and drinks, but also function as cross-generational social spaces. This condition encourages the need for research to understand the factors that influence the popularity of a cafe. This study aims to analyze popular cafes in Jakarta using the C4.5 Decision Tree algorithm and present the results visually through Tableau. The data used includes price, number of reviews, rating, population density, location, address and neighborhood. Using RapidMiner, a classification process was performed to identify the variables that have the most influence on the popularity of a cafe. The Decision Tree algorithm was chosen because it can produce models that are easy to understand and visualize. The results of the analysis showed an accuracy rate of 95.69%, with high precision and recall values in each of the popular and less popular classes.Keyword: Classification; Decision Tree C4.5; Cafe Popularity; Data Visualisation; Tableau AbstrakPesatnya pertumbuhan bisnis kafe di Jakarta meningkatkan persaingan yang semakin ketat di sektor ini. Kafe kini bukan hanya tempat menikmati makanan dan minuman, tetapi juga berfungsi sebagai ruang sosial lintas generasi. Kondisi ini mendorong perlunya penelitian untuk memahami faktor-faktor yang mempengaruhi popularitas sebuah kafe. Penelitian ini bertujuan untuk menganalisis kafe-kafe populer di Jakarta menggunakan algoritma Decision Tree C4.5 dan menyajikan hasilnya secara visual melalui Tableau. Data yang digunakan meliputi harga, jumlah ulasan, rating, kepadatan penduduk, lokasi, alamat dan kelurahan. Dengan menggunakan RapidMiner, proses klasifikasi dilakukan untuk mengidentifikasi variabel yang paling berpengaruh terhadap popularitas suatu kafe. Algoritma Decision Tree dipilih karena mampu menghasilkan model yang mudah dipahami dan divisualisasikan. Hasil analisis menunnjukkan tingkat akurasi model sebesar 95,69%, dengan nilai precision dan recall yang tinggi di masing-masing kelas popular dan kurang popular.