<![CDATA[Industri café di Indonesia menghadapi tantangan dalam mengelola menu yang tidak laris, yang dapat menimbulkan kerugian akibat penumpukan bahan baku dan inefisiensi operasional. Penelitian ini bertujuan untuk memprediksi menu tidak laris menggunakan algoritma Decision Tree sebagai dasar penyusunan strategi bundling dan promosi yang efektif di café. Metode penelitian menggunakan pendekatan Knowledge Discovery in Database (KDD) yang mencakup tahapan seleksi data, pra-pemrosesan, transformasi, data mining, dan evaluasi pola. Dataset penelitian terdiri dari 500 record transaksi café yang dibagi menjadi 80% data latih (400 record) dan 20% data uji (100 record). Variabel yang digunakan meliputi jenis promo, nama menu, harga, kategori harga, cuaca, dan label kelarisan. Hasil penelitian menunjukkan bahwa model Decision Tree mampu memprediksi menu tidak laris dengan akurasi 84%, precision 87,50% untuk kelas Laris, dan 77,78% untuk kelas Tidak Laris. Analisis pohon keputusan mengidentifikasi bahwa jenis promo merupakan faktor paling dominan dalam menentukan kelarisan menu, diikuti oleh nama menu, harga, dan kondisi cuaca. Promo buy 1 get 1 terbukti paling efektif meningkatkan penjualan secara konsisten, sementara menu tanpa promo cenderung tidak laris. Menu seperti Coconut Steezy dan Steezy Coffee menunjukkan performa stabil bahkan dengan diskon ringan. Temuan ini memberikan rekomendasi strategis bagi pengelola café dalam mengoptimalkan promosi, mengurangi pemborosan bahan baku, dan meningkatkan profitabilitas melalui pendekatan berbasis data yang dapat diimplementasikan secara praktis.]]>
Copyrights © 2026
