Implementasi Data Mining Untuk Product Bundling Pada Coffee Shop
Abstract
Abstrak— Di era sekarang dalam menjalankan bisnis
coffee shop sudah terbantu dengan layanan pengantaran
makanan dan minuman, seperti Gojek dan Grab. Dalam
menjalankan bisnis coffee shop perlu merancang strategi agar
penjualan produk meningkat. Strategi pemasaran yang umum
dilakukan yaitu menggunakan product bundle. Product
bundle dilakukan dengan menjual dua produk atau lebih
dalam 1 paket, biasanya disertai dengan potongan harga.
Dalam penelitian ini, penulis melakukan data mining pada
data penjualan milik Authen Café & Space untuk
menghasilkan product bundle. Penelitian ini menggabungkan
clustering dan association rules mining dalam menghasilkan
product bundle. Hasil dari proses clustering diperoleh cluster
efektif sebanyak tiga cluster. Setiap cluster kemudian
dilakukan association rules mining. Association rules mining
menggunakan algoritma fp-growth dengan lift ratio minimal
bernilai 1 pada dataset cluster pertama menghasilkan 6 rules,
dataset cluster kedua menghasilkan 4 rules dan dataset cluster
terakhir menghasilkan 8 rules. Berdasarkan hasil association
rules mining maka saran product bundle yang dapat
diterapkan dengan mengambil nilai confidence dan lift
tertinggi pada hasil association rules mining setiap cluster.
Kata kunci — Product bundle, Clustering, Association
rules, K-means, Fp-growth
References
[1] Yana Siregar L and Irwan Padli Nasution M, Perkembangan Teknologi Informasi Terhadap Peningkatan Bisnis Online,= Hirarki : Jurnal Ilmiah Manajemen dan Bisnis, vol. 2, no. 1, pp. 71-75, 2020.
[2] E. E. Y. Amriel, W. C. Izaak, and A. R. Asnar, Study of Food Promo Phenomenon on Online Food Delivery in Surabaya,= JOURNAL OF ECONOMICS, FINANCE AND MANAGEMENT STUDIES, vol. 5, no. 9, Sep. 2022, doi:10.47191/jefms/v5-i9-08.
[3] Rakuten Insight, .Most used apps for food delivery orders in Indonesia as of April 2023,= https://www.statista.com/statistics/1149349/indonesi a-favorite-food-delivery-apps/.
[4] Octarini and Harry Susanto E, .Pendapat Pemilik Usaha-Usaha Kuliner Di Jakarta Terhadap Peran Go-Food Dalam Pengembangan Usahanya,= Jurnal Manajemen Bisnis dan Kewirausahaan, vol. 2, no. 6, Aug. 2019, doi: 10.24912/jmbk.v2i6.4915.
[5] Gojek, .GoFood Konsisten jadi Andalan Pelanggan dan Buktikan Perannya jadi Barometer Tren Kuliner Masyarakat,= https://www.gojek.com/blog/gofood/tren-kuliner/. Accessed: Aug. 23, 2023. [Online]. Available: https://www.gojek.com/blog/gofood/tren-kuliner/
[6] I. Syukra, A. Hidayat, and M. Z. Fauzi, Implementation of K-Medoids and FP-Growth Algorithms for Grouping and Product Offering Recommendations,= Indonesian Journal of Artificial Intelligence and Data Mining, vol. 2, no. 2, p. 107, Nov. 2019, doi: 10.24014/ijaidm.v2i2.8326.
[7] S. Genjang Setyorini, K. Sari, L. Rahma Elita, and S. A. Putri, .Market Basket Analysis with K-Means and FP-Growth Algorithm as Citra Mustika Pandawa Company,= MALCOM: Indonesian Journal of Machine Learning and Computer Science , vol. 1, pp. 41-46, 2021.
[8] M. Beladev, L. Rokach, and B. Shapira, Recommender systems for product bundling,= Knowl Based Syst, vol. 111, pp. 193-206, Nov. 2016, doi: 10.1016/j.knosys.2016.08.013.
[9] T. A. Kumbhare and S. V Chobe, .An Overview of Association Rule Mining Algorithms,= (IJCSIT) International Journal of Computer Science and Information Technologies, vol. 5, no. 1, 2014.
[10] A. Ait-Mlouk, F. Gharnati, and T. Agouti, .An improved approach for association rule mining using a multi-criteria decision support system: a case study in road safety,= European Transport Research Review, vol. 9, no. 3, p. 40, Sep. 2017, doi: 10.1007/s12544-017-0257-5.
