Analisis Pola Transaksi Pembelian Pelanggan Menggunakan K-Means Time Series Untuk Rekomendasi Strategi Pengelolaan Menu Rumah Makan Warras

Authors

Abstract

Penelitian ini membahas permasalahan pengelolaan menu pada Warung Makan WARRAS yang masih belum berbasis data, sehingga mengakibatkan pengelolaan menu kurang efektif dan tidak tersedianya beberapa menu yang memiliki tingkat permintaan tinggi dari pelanggan. Selama ini, data transaksi hanya diarsipkan tanpa dilakukan analisis lebih lanjut. Analisis data transaksi penjualan memiliki peranan penting dalam mengungkap pola pembelian pelanggan yang bersifat dinamis. Melalui identifikasi tren penjualan, rumah makan dapat meningkatkan efisiensi operasional serta merancang menu berdasarkan permintaan aktual. Penelitian ini menerapkan metode K-Means Time Series dengan pengukuran jarak Dynamic Time Warping (DTW) serta visualisasi menggunakan Multidimensional Scaling (MDS). Proses analisis dilakukan terhadap data transaksi selama 13 bulan menggunakan perangkat lunak MATLAB. Validasi hasil klasterisasi dengan nilai koefisien Silhouette sebesar 0,8716 menunjukkan bahwa metode pengelompokan yang digunakan mampu menghasilkan struktur klaster yang sangat kuat dan optimal. Hasil penelitian menunjukkan bahwa metode ini berhasil mengelompokkan menu menjadi tiga klaster, yaitu performa tinggi, sedang, dan rendah. Pengelompokan berbasis pola penjualan terbukti dapat meminimalkan risiko overstock melalui pengaturan persediaan yang selaras dengan tren permintaan. Informasi yang dihasilkan dari klasterisasi ini memberikan dasar strategis bagi pengelolaan menu yang lebih efektif dan efisien. Kata kunci—k-means, time series, DTW, clustering, data transaksi

Downloads

Download data is not yet available.

References

[1] Adnyani, L. P. W., & Sihombing, P. R. (2021). Analisis Cluster Time Series Dalam Pengelompokan Provinsi Di Indonesia Berdasarkan Nilai Pdrb. Jurnal Bayesian : Jurnal Ilmiah Statistika Dan Ekonometrika, 1(1), 47–54. https://doi.org/10.46306/bay.v1i1.5

[2] Afriyani, I., & Ali, I. (2023). Implementasi Data Mining Terhadap Data Penjualan Pada Industri Kuliner Menggunakan Algoritma Fp-Growth. E-Link: Jurnal Teknik Elektro Dan Informatika, 18(1), 40. https://doi.org/10.30587/e-link.v18i1.5340

[3] Agustiar, fajar dwi, Sari, B. N., & Maulana, I. (2025). Penerapan Data Mining Untuk Pengelompokan Produk Penjualan Menggunakan Algoritma K-Means. Jurnal Mahasiswa Teknik Informatika, 9(1), 59–67.

[4) Alfianzah, R., Handayani, R. I., & Murniyati, M. (2020). Implementation of Apriori Algorithm Data Mining for Increase Sales. SinkrOn, 5(1), 17. https://doi.org/10.33395/sinkron.v5i1.10587

[5] Arinal, V., Rusmarhadi, I., Tinggi, S., Komputer, I., & Karya, C. (2024). Implementasi Data Mining Untuk Imenentukan Strategi Penjualan Produk Umkm Raja Geprek Pada Pola Pembelian Konsumen Menggunakan Algoritma Apriori. 7.

[6] Asy Aria, T., Julkarnain, M., & Hamdani, F. (2023). Penerapan Algoritma K-Means Clustering Untuk Data Obat. KLIK: Kajian Ilmiah Informatika Dan Komputer, 4(1), 649–657.

[7] Budijati, S. M., & Setiyawan, P. D. (2023). Initial Finding of Material Flow Analysis of Food Waste of Particular Restaurants in Yogyakarta, Indonesia. Engineering Science Letter, 2(03), 92–98. https://doi.org/10.56741/esl.v2i03.415

[8] Dewi, S. P., Nurwati, N., & Rahayu, E. (2022). Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor. Building of Informatics, Technology and Science (BITS), 3(4), 639–648. https://doi.org/10.47065/bits.v3i4.1408

[9] Dongga, J., Sarungallo, A. `, Koru, N., & Lante, G. (2023). Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang (Studi Kasus: Toko Swapen Jaya Manokwari). G-Tech: Jurnal Teknologi Terapan, 7(1), 119–126. https://doi.org/10.33379/gtech.v7i1.1938

[10] Fathur Rezki Junaedi, M., Martanto, M., & Hayati, U. (2024). Analisis Pola Transaksi Pembelian Makanan Dan Minuman Menggunakan Algoritma Fp-Growth. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 360–367. https://doi.org/10.36040/jati.v8i1.8429

[11] Frissi, V. J., Virgian, D., & Yudha, S. (2024). Association Rule Pada Data Penjualan Kedai The Application Of The Apriori Algorithm Using The Association Rule Method On Kedai Kacasaka ’ S Sales Data. 3(September), 789–796.

[12] Ghiffary, G. G., Alifviansyah, K., Fitrianto, A., Erfiani, & Jumansyah, L. M. R. D. (2024). Perbandingan Algoritma Hdbscan Dan Agglomerative Hierarchical Clustering Dalam Klasterisasi Pada Data Yang Mengandung. 08(02), 122–135.

[13] Ginting, M. E., Sri, E., Hasibuan, H., & Dani, D. R. (2024). Penyelesaian Masalah Limit Fungsi dengan Menggunakan Software MATLAB ( Matrix Laboratory ). 2(6).

[14] Guimarães, N. S., Reis, M. G., Fontes, L. de A., Zandonadi, R. P., Botelho, R. B. A., Alturki, H. A., Saraiva, A., & Raposo, A. (2024). Plate Food Waste in Food Services: A Systematic Review and Meta-Analysis. Nutrients, 16(10), 1–19. https://doi.org/10.3390/nu16101429

[15] Handayani, P., Susanto, T., Djamaris, A., & Novianti, M. D. (2022). Penerapan Data Mining untuk Menganalisis Faktor-Faktor yang Mempengaruhi Terhadap Kenaikan Harga Minyak Goreng. Management, and Industry (JEMI), 05(04), 251–268.

[16] Handini, Y., Wahyudi, J., & Fredricka, J. (2024). Prediksi Jumlah Pendaftaran Siswa Baru Dengan Metode Time Series. Journal of Science and Social Research, 4307(1), 251–258. http://jurnal.goretanpena.com/index.php/JSSR

[17] Hasan, F. N., Aziz, A. S., & Nofendri, Y. (2023). Utilization of Data Mining on MSMEs using FP-Growth Algorithm for Menu Recommendations. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 22(2), 261–270. https://doi.org/10.30812/matrik.v22i2.2166

[18] Hasmira, Wahidah Alwi, & Khalilah Nurfadilah. (2023). Penentuan Cluster Hirarki Optimum dalam Pengelompokan Kabupaten/Kota di Provinsi Sulawesi Selatan dengan Indikator Kemiskinan. Jurnal MSA ( Matematika Dan Statistika Serta Aplikasinya), 11(1), 93–102. https://doi.org/10.24252/msa.v11i1.33910

[19] Huo, Z., & Zhan, X. (2024). Revolutionizing Inventory Management : The Role of Data Mining in Industry 4 . 0. 0, 67–72. https://doi.org/10.54254/2754-1169/109/2024BJ0121

[20] Luqmanul Hakim, M., Rambe, S., Azmi, S., & Kurniasi Alu, A. (2024). Analisis Dan Desain Pemetaan Umkm Agroindustri Jawa Tengah Dengan Metode K-Means Cluster Untuk Peningkatan Ekspor Analysis and Design of Mapping SMEs-Based Agroindustry in Central Java using the K-Means Cluster Method for Export Enhancement. 01(02). https://doi.org/10.17605/OSF.IO/U4CJF

[21] Maulani, F. N., & Najibullah, N. (2022). Analisis Strategi Pemasaran Restoran Simpang Raya Cempaka Putih. Jurnal Tadbir Peradaban, 2(3), 170–184. https://doi.org/10.55182/jtp.v2i3.188

[22] Melky. (2021). Analisis Pengelolaan Restoran The Kopitiam Pada Kondisi Pandemi Covid-19. Agora, 9(1). http://publication.petra.ac.id/index.php/manajemen-bisnis/article/view/10978

[23] Munthe, K., Syahputra, T., & Mahyuni, R. (2024). Analisa Algoritma FP-Growth Pada Pola Pemesanan Makanan Dan Minuman Konsumen. 3(September), 677–684.

[24] Ndruru, R., & Hasugian, P. M. (2020). Determination of Data Mining Application Design Patterns Booking Raw Food In Restaurant Fountain With Apriori Algorithm. Journal Of Computer Networks, Architecture and High Performance Computing, 2(2), 275–285. https://doi.org/10.47709/cnapc.v2i2.415

[25] Nurcahyawati, V., Riyondha Aprilian Brahmantyo, & Januar Wibowo. (2023). Manajemen Persediaan Menggunakan Metode Safety Stock dan Reorder Point. Jurnal Sains Dan Informatika, 9(April), 89–99. https://doi.org/10.34128/jsi.v9i1.431

[26] Padli, M., Yasir, A., & Hasugian, B. S. (2023). Penerapan Data Mining Pada Menu Makanan Dan Minuman Kelompok Berdasarkan Tingkat Penjualan Menggunakan K-Means. Device : Journal of Information System, Computer Science and Information Technology, 4(2), 182–191. https://doi.org/10.46576/device.v4i2.4063

[27] Panggabean, E. F., Yunas, H. A., Taufiqurrahman, & Nurbaiti. (2023). Perkembangan Teknologi E-Business Terhadap Globalisasi Modern Pada Saat Ini. Jurnal Manajemen Dan Ekonomi Kreatif, 2(1), 132–139. https://ukitoraja.id/index.php/jumek/article/view/284

[28] Pasaribu, J. S. (2020). Appilication of K-Means algorithm to predict consumer interest according to the season on place reservation and food online software. Journal of Physics: Conference Series, 1477(3), 032004. https://doi.org/10.1088/1742-6596/1477/3/032004

[29] Rafi Nahjan, M., Nono Heryana, & Apriade Voutama. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101–104. https://doi.org/10.36040/jati.v7i1.6094

[30] Ranggi Praharaningtyas Aji, Widiyana Mustofiyah, Sofi Alfiona Rizki, Y. A. (2024). Penerapan Data Mining Menggunkan Algoritma C45 Untuk Prediksi Penjualan Carica Di Dieng. Journal of Mathematics and Technology (MATECH), 3(2), 407–417.

[31] Risqi Ananda, M., Sandra, N., Fadhila, E., Rahma, A., & Nurbaiti, N. (2023). Data Mining dalam Perusahaan PT Indofood Lubuk Pakam. Comit: Communication, Information and Technology Journal, 2(1), 108–119. https://doi.org/10.47467/comit.v2i1.124

[32] Roy, D., Spiliotopoulou, E., & de Vries, J. (2022). Restaurant analytics: Emerging practice and research opportunities. Production and Operations Management, 31(10), 3687–3709.

[33] Santoso, H. R., & Yulina, S. (2023). Rancang Bangun Aplikasi Food Waste Management pada Usaha Food and Beverages. Jurnal Komputer Terapan, 9(1), 101–110. https://doi.org/10.35143/jkt.v9i1.5840

[34] Santoso, M. H. (2021). Application of Association Rule Method Using Apriori Algorithm to Find Sales Patterns Case Study of Indomaret Tanjung Anom. Brilliance: Research of Artificial Intelligence, 1(2), 54–66. https://doi.org/10.47709/brilliance.v1i2.1228

[35] Sianturi, P., & Mahyuni, R. (2020). Analisis Data Mining Menggunakan Algoritma K-Means Dalam Mengklasterkan Menu Makan Potensial Di Cafe Minum Kopi STMIK Triguna Dharma *Program Studi Sistem Informasi, STMIK Triguna Dharma *Program Studi Manajemen Informatika, STMIK Triguna Dharma. Jurnal CyberTech, 3(8), 1412–1419. https://ojs.trigunadharma.ac.id/

[36] Siregar, H. A., Azlan, A., & Lumban Gaol, N. Y. (2023). Penerapan Data Mining Pada Penjualan Rumah Makan Kasih Ibu Menggunakan Metode K-Means Clustering. Jurnal Sistem Informasi Triguna Dharma (JURSI TGD), 2(5), 750. https://doi.org/10.53513/jursi.v2i5.8955

[37] Syahputra, H., Mayola, L., & Guswandi, D. (2022). Clustering Tingkat Penjualan Menu (Food and Beverage) Menggunakan Algoritma K-Means. Jurnal KomtekInfo, 9, 29–33. https://doi.org/10.35134/komtekinfo.v9i1.274

[38] Triyandana, G., Putri, L. A., & Umaidah, Y. (2022). Penerapan Data Mining Pengelompokan Menu Makanan dan Minuman Berdasarkan Tingkat Penjualan Menggunakan Metode K-Means. Journal of Applied Informatics and Computing, 6(1), 40–46. https://doi.org/10.30871/jaic.v6i1.3824

[39] Wahyuningtyas, F. D., Arafat, A., Stiawan, A., & Rolliawati, D. (2023). Komparasi Algoritma Hierarchical, K-Means, dan DBSCAN pada Analisis Data Penjualan Melalui Facebook. Explore: Jurnal Sistem Informasi Dan Telematika, 14(1), 7. https://doi.org/10.36448/jsit.v14i1.2931

[40] Wardani, R. D., Toni, H., Zuhro, D., & Wasesa, T. (2023). Analisis Sistem Informasi Akuntansi Persediaan Barang Dagang Untuk Meningkatkan Efektivitas Pengendalian Internal Pada PT. Lotte Mart Surabaya. Jurnal Pengabdian Masyarakat Global, 2(4), 155–176. https://doi.org/10.30640/cakrawala.v2i4.1714

[41] Zafira, F., Irawan, B., & Bahtiar, A. (2024). Penerapan Data Mining Untuk Estimasi Stok Barang Dengan Metode K-Means Clustering. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 156–161. https://doi.org/10.36040/jati.v8i1.8319

Downloads

Published

2025-12-01

Issue

Pages

9707-9713

Section

Prodi S1 Teknik Industri - Kampus Purwokerto

How to Cite

Rahmawati, S., Ananda, R., & Qista Karima, H. (2025). Analisis Pola Transaksi Pembelian Pelanggan Menggunakan K-Means Time Series Untuk Rekomendasi Strategi Pengelolaan Menu Rumah Makan Warras. EProceedings of Engineering, 12(6), 9707-9713. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/28773