Penerapan Data Mining Untuk Clustering Menu Favorit Menggunakan Algoritma K-Means (Studi Kasus Kedai Expo)

Abstract

Abstrak— 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.