PENERAPAN DATA MINING UNTUK CLUSTERING MENU FAVORIT MENGGUNAKAN ALGORITMA K-MEANS (STUDI KASUS KEDAI EXPO)

APPLICATION OF DATA MINING FOR CLUSTERING FAVORITE MENU USING K-MEANS ALGORITHM (STUDY CASE OF KEDAI EXPO)

Perkembangan bisnis tentang café di Indonesia sekarang, sedang berkembang dengan pesat. Hal ini dikarenakan lifestyle generasi millennial sekarang adalah bermain di café untuk sekedar menghabiskan waktu luang, rapat maupun kegiatan lainnya, sehingga banyak café baru yang buka. Setiap café pasti akan menyediakan menu makanan, minuman dan camilan yang kekinian dan harga terjangkau. Makanan, minuman dan camilan atau daftar menu ini bisa di cluster untuk mengetahui mana daftar menu apa saja yang menjadi menu favorit di cafe tersebut. Salah satu algoritma clustering adalah k-means. Beberapa penelitian serupa dilakukan menggunakan k-means dengan menghitung jarak menggunakan rumus euclidean distance.
Penelitian ini akan meng-cluster makanan, minuman dan camilan dengan menggunakan k-means dengan menghitung jarak menggunakan manhattan distance dengan studi kasus di kedai expo. Dari hasil perhitungan clustering tersebut menghasilkan menu favorit Cluster 1, untuk nilai tertinggi pada makanan Bule Fried Rice, minuman Greentea Frappe, dan camilan Greentea Madness. Cluster 2, untuk nilai tertinggi pada makanan OOT Bolognese, minuman Ice Milo Coffee, dan camilan Pisang Ceper Cokju. Cluster 3, untuk nilai tertinggi pada makanan Indomie Blackpaper Beef, minuman Choco Nutella Shake, dan camilan Chocoreo Banana Nugget. Hasil perhitungan nilai akurasi yang didapatkan dari masing – masing kategori adalah 92% untuk kategori makanan; 84,2% untuk kategori minuman dan 85 % untuk kategori camilan.

The business development of cafes in Indonesia is growing now rapidly. This is because the lifestyle of the millennial generation now is a playing in cafes to just spend the time, meetings and other activities, so many new cafes are opening. Each café will definitely provide a menu of food, drinks and snacks that are contemporary and affordable. Food, drinks and snacks or this menu list can be clustered to find out which menu list is the favorite menu at the cafe. One of the clustering algorithms is k-means. Several similar studies were conducted using k-means by calculating the distance using the Euclidean distance formula.
This study will cluster food, drinks and snacks using k-means by calculating the distance using the Manhattan distance with a study case at the Expo shop. From the results of the clustering calculation, Cluster 1's favorite menu is the highest value for food Bule Fried Rice, drink Greentea Frappe, and snack Greentea Madness. Cluster 2, for the highest score on food OOT Bolognese, drinks Ice Milo Coffee, and snacks Banana Ceper Cokju. Cluster 3, for the highest score on food Indomie Blackpaper Beef, drink Choco Nutella Shake, and snack Chocoreo Banana Nugget. The results of the calculation of the accuracy value obtained from each category are 92% for the food category; 84.2% for the beverage category and 85% for the snack category.