Analisis Pengelompokkan Menu Terlaris di Restoran Cepat saji Menggunakan Metode K-Means ( Studi Kasus: KFC MT.Haryono)

Khairunnisa Nadhilah; Astriana Mulyani

doi:10.52362/jisamar.v9i2.1808

Khairunnisa Nadhilah Universitas Nusa Mandiri
Astriana Mulyani Universitas Nusa Mandiri, Jakarta

DOI: https://doi.org/10.52362/jisamar.v9i2.1808

Abstract

Penelitian ini mengimplementasikan teknik data mining dengan metode K-Means untuk pengelompokan menu terlaris pada restoran KFC MT. Haryono. Restoran cepat saji sering menghadapi tantangan dalam memahami pola pembelian pelanggan untuk mengoptimalkan strategi pemasaran dan manajemen stok. Penelitian ini bertujuan untuk mengidentifikasi menu terlaris berdasarkan data penjualan historis, memahami pola penjualan, dan memberikan rekomendasi strategis untuk manajemen restoran. Metodologi penelitian mengikuti tahapan Knowledge Discovery in Database (KDD) yang meliputi seleksi data, pre-processing, transformasi, data mining, dan evaluasi hasil. Data diperoleh dari catatan penjualan restoran KFC MT. Haryono periode Januari-Agustus 2024, dengan 260 sampel yang diambil menggunakan rumus Slovin. Implementasi algoritma K-Means dilakukan secara manual dan menggunakan RapidMiner 5 untuk validasi. Hasil penelitian menunjukkan pembagian menu menjadi dua cluster: menu terlaris (14 item) dan menu non-terlaris (246 item). Menu terlaris memiliki karakteristik rata-rata penjualan bulanan 1045,90 item, sedangkan menu non-terlaris hanya 72,68 item. Konvergensi algoritma tercapai pada iterasi ketiga, menunjukkan stabilitas hasil clustering. Implikasi manajerial dari penelitian ini mencakup optimasi stok bahan baku, pengembangan strategi pemasaran berbasis data, pengembangan menu baru, dan peningkatan efisiensi operasional. Penelitian ini membuktikan efektivitas metode K-Means dalam mengidentifikasi pola penjualan menu restoran cepat saji.

Downloads

Download data is not yet available.

Author Biography

Astriana Mulyani, Universitas Nusa Mandiri, Jakarta

Program Studi Informatika

References

[1] J. Multidisiplin and I. Akademik, “Kampus akademik publising,” vol. 2, no. 1, pp. 55–60, 2025.
[2] R. Ana and S. Nanang, “The Influence of Entrepreneurial Motivation on MSME Business Success: A Literature Review,” J. Bus. Improv., vol. 1, no. 2, pp. 115–128, 2024.
[3] E. S. Ana, S. Anwar, and M. H. Fuad, “Analisa Tingkat Penjualan Makanan Dan Minuman Dengan Klasterisasi Menggunakan Algoritma K-Means,” J. Insa. J. Inf. Syst. Manag. Innov., vol. 4, no. 1, pp. 45–54, 2024, doi: 10.31294/jinsan.v4i1.3763.
[4] E. T. Naldy and A. Andri, “Penerapan Data Mining Untuk Analisis Daftar Pembelian Konsumen Dengan Menggunakan Algoritma Apriori Pada Transaksi Penjualan Toko Bangunan MDN,” J. Nas. Ilmu Komput., vol. 2, no. 2, pp. 89–101, 2021, doi: 10.47747/jurnalnik.v2i2.525.
[5] S. D. Prasetiani and N. Rochmawati, “Penerapan Data Mining Untuk Clustering Menu Favorit Menggunakan Algoritma K-Means (Studi Kasus Kedai Expo),” J. Informatics Comput. Sci., vol. 3, no. 03, pp. 278–286, 2022, doi: 10.26740/jinacs.v3n03.p278-286.
[6] T. H. Mardzuki, R. Lubis, and F. F. Adiwijaya, “Komputika : Jurnal Sistem Komputer Penerapan Algoritma K- Means Clustering pada Sistem Prediksi Kelulusan Tepat Waktu Implementation of K-Means Clustering Algorithm on Timely Graduation Prediction System,” vol. 13, pp. 289–299, 2024, doi: 10.34010/komputika.v13i2.14097.
[7] F. Andrianti and R. Firmansyah, “Penerapan Clustering Data Kurang Mampu Di Desa Situmekar Menggunakan Algoritma K-Means,” eProsiding Tek. Inform., vol. 1, no. 1, p. 88, 2020, [Online]. Available: http://eprosiding.ars.ac.id/index.php/pti