Jurnal Development Engineering and Research in Technology Vol.
No.
Bulan 2025, hal.
ISSN: x-x.
DOI: xx.
x/deristech.
pp1-1x Penerapan Algoritma Apriori untuk Rekomendasi Pemilihan Menu Best Seller Pada Nice Cafy Cindhaga Rajeswari Bendahar.
Aries Dwi Indiyanti.
Sistem Informasi.
Fakultas Teknologi Informasi.
Universitas Hasyim AsyAoari.
Jombang.
Indonesia Sistem Informasi.
Fakultas Teknologi Informasi.
Universitas Hasyim AsyAoari.
Jombang.
Indonesia Article Info Article history:
Received June 23, 2025 Revised June 24, 2025 Accepted June 25, 2025 Keywords:
Apriori Algorithm Data Mining Menu Recommendation ABSTRACT The rapidogrowth of theoculinaryoindustry demands data drivenodecisionmaking, especially in menu and inventory management.
This study applies the Apriori algorithm to identify best-selling menu items based on sales transaction data and develops a web-based recommendation system for Nice Cafe.
The process includes data preprocessing, setting minimum support and confidence, and evaluating lift ratio.
Results show that the system successfully identifies frequently purchased menu combinations, such as {Iced Tea.
Pentol Huha Banget.
Milk Te.
, with high confidence and lift ratio values.
The system is built using PHP and MySQL and is accessible to owners and staff.
The information produced supports inventory planning, promotional strategies, and improved customer satisfaction.
Purchase Patterns Info Artikel Kata kunci:
Algoritma Apriori Data Mining Rekomendasi Menu Pola Pembelian ABSTRAK Pesatnya pertumbuhan industri kuliner menuntut pengambilan keputusan berbasis data, terutama dalam pengelolaan menu dan stok.
Penelitian ini menerapkan algoritma Apriori untuk mengidentifikasi menu best seller dari data transaksi penjualan dan merancang sistem rekomendasi berbasis web di Nice Cafe.
Proses meliputi preprocessing data, penentuan minimum support dan confidence, serta evaluasi lift ratio.
Hasil menunjukkan bahwa sistem mampu menemukan kombinasi menu yang sering dibeli bersama, seperti {Es Teh.
Pentol Huha Banget.
Teh Tari.
, dengan nilai confidence dan lift ratio Sistem dibangun menggunakan PHP dan MySQL, serta dapat diakses oleh pemilik atau karyawan.
Informasi dari sistem ini mendukung perencanaan stok, strategi promosi, dan peningkatan kepuasan pelanggan.
Ini adalah artikel akses terbuka di bawah lisensi CC BY-SA 4.
Penulis Korespondensi:
Cindhaga Rajeswari Bendahara Sistem Informasi.
Fakultas Teknologi Informasi Universitas Hasyim AsyAoari 61471 Jombang.
Indonesia fid Email: cindhaga@mhs.
Beranda jurnal: http:// ejournal.
id/index.
php/DERISTECH DERISTECH ISSN: x-x Industri kuliner terus mengalami perkembangan seiring meningkatnya minat konsumen terhadap makanan dan minuman siap saji.
Pengelolaan menu yang tepat menjadi kunci dalam menjaga efisiensi operasional dan kepuasan pelanggan.
Salah satu tantangan yang dihadapi oleh Nice Cafe di Jombang adalah kesulitan dalam mengidentifikasi kombinasi menu yang paling diminati pelanggan.
Berdasarkan evaluasi dan wawancara internal, pemilihan menu yang disediakan masih didasarkan pada perkiraan dan kebiasaan, tanpa analisis mendalam terhadap data transaksi.
Hal ini menyebabkan ketidakseimbangan stok, penumpukan bahan baku, dan risiko kehilangan peluang penjualan.
Untuk mengatasi permasalahan tersebut, diperlukan sistem rekomendasi yang mampu menganalisis pola pembelian pelanggan secara akurat.
Penelitian ini menggunakan algoritma Apriori, salah satu metode data mining dalam teknik association rule mining, untuk mengidentifikasi kombinasi item yang sering dibeli bersama.
Apriori dipilih karena kemampuannya dalam menemukan aturan asosiasi dari data transaksi dengan mempertimbangkan nilai support, confidence, dan lift ratio sebagai parameter evaluasi kekuatan aturan.
Tahapan penelitian meliputi pengumpulan data transaksi, preprocessing, penentuan nilai minimum support dan confidence, penerapan algoritma Apriori, serta evaluasi hasil.
Sistem rekomendasi ini dibangun berbasis web menggunakan bahasa pemrograman PHP dan database MySQL, serta dirancang agar dapat digunakan langsung oleh pemilik dan karyawan.
Tujuan dari penelitian ini adalah mengembangkan sistem rekomendasi menu best seller yang dapat membantu pengambilan keputusan terkait stok dan promosi, serta meningkatkan efisiensi operasional dan kepuasan pelanggan di Nice Cafe secara berkelanjutan.
METODE
Penelitian ini menggunakan data transaksi penjualan yang diperoleh dari hasil penjualan selama bulan februari 2025 dengan total 28 data transaksi, yang mencakup informasi berupa tanggal transaksi dan produk yang dibeli konsumen.
Dalam proses penelitian dan pengembangan sistem, metode yang digunakan adalah Waterfall SDLC, dimana metode ini dalam proses pengembangan sistemnya dilakukan secara terstruktur dan teratur pada setiap tahapannya (Rifanda, dkk.
Penelitian ini melibatkan beberapa tahapan, yaitu:
Analisa: Tahap ini mencakup tiga proses penting, yaitu proses identifikasi masalah, analisa kebutuhan teknis dan bisnis, dan pengumpulan data.
Desain: Proses translasi kebutuhan sistem dari tahap analisa diubah menjadi sebuah representasi desain agar dapat diimplementasikan menjadi sebuah program pada tahap berikutnya.
Tahapan yang dilakukan meliputi desain struktur atau basis data, arsitektur sistem, reprensentasi antarmuka, dan prosesur Implementasi: Proses translasi dari tahap desain menjadi sebuah sistem perangkat lunak dengan menggunakan bahasa pemrograman tertentu.
Pengujian: Menguji fungsionalitas sistem perangkat lunak yang telah dikembangkan untuk memastikan bahwa telah berfungsi dengan baik.
Analisis Kebutuhan Pemeliharaan: Proses pemeliharaan terhadap sistem perangkat lunak yang telah dikembangkan, termasuk pembaruan terhadap fitur-fitur yang ada dalam sistem.
Penerapan Algoritma Apriori untuk.
(Cindhaga Rajeswari Bendahar.
ISSN: x-x Adapun teknik pengumpulan data yang digunakan dalam penelitian ini yaitu wawancara dengan karyawan Nice Cafe di Jombang untuk mendapatkan informasi yang berkaitan dengan strategi pemasaran, tantangan yang sedang dihadapi, dan solusi atas permasalahan tersebut.
Studi literatur dilakukan untuk memperoleh teori-teori yang berkaitan dengan data mining, dan metode algoritma apriori.
Berkenaan dengan teknik analisis data, penelitian ini menggunakan algoritma apriori dimana data yang telah diperoleh dari hasil wawancara dilakukan proses identifikasi untuk diketahui pola asosiasinya.
Algoritma apriori termasuk dalam metode data mining asosiasi yang digunakan untuk mengidentifikasi aturan asosiasi di dalam basis data .
Ada dua parameter utama dalam menentukan aturan asosiasi, yaitu .
support dan .
Support .
ilai dukunga.
mengacu pada persentase kemunculan kombinasi produk dalam basis data, sedangkan confidence .
ilai keyakina.
mengukur kekuatan hubungan antara produk dalam pola atau aturan asosiasi (Sinaga.
Sirait, & Windarto, 2.
Menurut (Takdirillah, 2.
, metodologi dasar algoritma apriori dibagi menjadi beberapa langkah:
Adapun langkah langkah perhitungan metode algoritma apriori adalah sebagai berikut.
Menentukan Pola Frekuensi Tinggi (Suppor.
Langkah pertama yaitu menentukan pola frekeunsi tinggi.
Pola frekuensi tinggi adalah menemukan kombinasi produk yang memenuhi syarat nilai support minimum dalam basis data.
Untuk menentukan nilai support 1-Itemset dapat dihitung dengan rumus:
Support (A) = yayayayayayayayayayaEa ycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycN yaya x 100% ycNycNycNycNycNycNycNycNycNycN ycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycN Untuk menentukan nilai support 2-itemset, digunakan rumus:
Support (A.
B) = yayayayayayayayayayaEa ycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycN yaya x 100% ycNycNycNycNycNycNycNycNycNycN ycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycNycN Pengembangan Aturan Asosiasi (Confidenc.
langkah kedua, setelah berhasil menentukan pola frekensi tinggi, langkah berikutnya adalah membentuk dan mengembangkan aturan asosiasi yang memenuhi syarat minimum confidence.
Rumus untuk menghitung nilai confidence adalah:
Confidence (A => B) = ycIycIycIycIycIycIycIycIycIycIycIycIycIycI .
aya,yaAyaA) x 100% ycIycIycIycIycIycIycIycIycIycIycIycIycIycI .
Pengujian Aturan Asosiasi (Lift Rati.
Langkah ini diterapkan pada aturan asosiasi yang sudah terbentuk di tahap sebelumnya.
Untuk mengetahui kuat atau tidaknya aturan asosiasi tersebut, dapat dihitung dengan nilai lift.
Rumus untuk mencari nilai rasio lift adalah:
Lift Ratio (A => B) = yayayayayayayayayayayayayayayayayayayaya .
aya,yaAyaA) ycIycIycIycIycIycIycIycIycIycIycIycIycIycI .
aAyaA) Evaluasi Pada langkah terakhir, dilakukan proses evaluasi mengenai hasil data mining.
Aturan asosiasi yang memiliki nilai rasio lift sama dengan atau lebih dari satu, akan ditampilkan ke dalam sistem.
Namun jika nilai rasio lift kurang dari satu, aturan tersebut tidak akan ditampilkan di sistem karena tidak ada Selain itu, juga dilakukan evaluasi terhadap kebenaran output yang dihasilkan.
HASIL DAN PEMBAHASAN
Penelitian ini menghasilkan sebuah sistem aplikasi berbasis web yang bertujuan untuk mengidentifikasi pola pembelian menu makanan dan minuman di Nice Cafe.
Jombang.
Proses dimulai dengan mengolah data transaksi penjualan dari aplikasi kasir digital yang mencakup tanggal dan daftar produk dalam satu transaksi.
Tahapan preprocessing dilakukan untuk menghapus data duplikat dan memastikan validitas entri transaksi.
Selanjutnya, ditentukan parameter minimum support dan confidence untuk menjalankan proses algoritma Apriori.
Development Engineering and Research in Technology.
Vol.
No.
Juni 2025: 84-91
DERISTECH
ISSN: x-x Hasil implementasi pengembangan sistem rekomendasi pemilihan menu best seller menggunakan metode algoritma apriori bedasarkan data transaksi yang diperoleh dan dianalisis dapat dilihat pada gambar berikut.
LoginoPagee(HalamannLogi.
Login page adalah halamannyanggdigunakan oleh aktor karyawan dan pimpinan agar dapat menggunakan fitur-fitur yang ada di dalam sistem perangkat lunak.
Gambar 1 Halaman Login Home Page (Halaman Utama atau Berand.
Home Page adalah halaman awal ketika actor admin dan owner berhasil login ke dalam sistem.
Gambar 2 Halaman Beranda Halaman Data Transaksi Halaman ini digunakan untuk mengelola seluruh data transaksi penjualan yang digunakan dalam Gambar 3 Halaman DataoTransaksi Penerapan Algoritma Apriori untuk.
(Cindhaga Rajeswari Bendahar.
ISSN: x-x HalamanoProsesoApriorio Pada halamanoini, kegiatan pemprosesan dataotransaksiopenjualanomenggunakan algoritma apriori Gambar 4 Halaman Proses Apriori Halaman Hasil Perhitungan Apriori Halaman hasil perhitungan apriori adalah halaman yang berisi log atau Riwayat perhitungan algoritma apriori yang pernah dilakukan oleh aktor admin.
Seluruh Log perhitungan akan disimpan pada halaman ini.
Gambar 5 Halaman Hasil Perhitungan Apriori Halaman laporan Hasil Perhitungan Apriori Halaman hasil perhitungan apriori adalah halaman yang berisi log atau Riwayat perhitungan algoritma apriori yang pernah dilakukan oleh aktor admin.
Seluruh Log perhitungan akan disimpan pada halaman ini.
Gambar 6 Halaman Laporan Hasil Perhitungan Apriori Halaman Cetak Laporan Hasil Perhitungan Apriori Halaman ini berfungsi untuk mencetak laporan akhir hasiloperhitunganoalgoritmaoapriori.
Development Engineering and Research in Technology.
Vol.
No.
Juni 2025: 84-91
DERISTECH
ISSN: x-x Gambar 7 HalamanoCetak Laporan HasiloPerhitunganoApriori Hasil perhitungan manual algoritma apriori dengan memanfaatkan Ms.
Excel, diperoleh 18 kombinasi produk/item dengan nilai confidence dan lift ratio yang berbeda-beda.
NAMA PRODUK
CONFIDENCE
LIFT RATIO
P6 => P8
94,74%
1,02
P11 => P8
90,00%
0,97
P8 => P13
88,46%
1,08
P13 => P8
100,00%
1,08
P19.
P14 => P8
94,74%
1,02
P19.
P8 => P14
90,00%
1,05
Tabel 1 Hasil Perhitungan Algoritma Apriori Berdasarkan Tabel 1, terdapat 23 kombinasi produk/item yang terdiri dari kombinasi 2-Itemset dan 3Itemset dengan nilai confidence dan lift ratio yang berbeda beda.
Dari ke-23 kombinasi produk, dilakukan filterisasi data berdasarkan nilai lift ratio untuk mencari kombinasi dengan nilai lift ratio tertinggi dari masing masing kombinasi 2-Itemset dan 3-Itemset.
Pada kombinasi 3-Itemset, terdapat produk yang sering dibeli oleh konsumen dengan nilai confidence dan lift ratio paling tinggi yaitu, {P14.
P13 => P8 = Es Teh.
Pentol Huha Banget, => Teh Tari.
dengan nilai confidence sebesar 100% dan lift ratio 1,08.
Sedangkan pada kombinasi 2-Itemset, produk minuman yang sering dibeli oleh konsumen yaitu {P13 => P8 = Pentol Huha Banget => Teh Tari.
dengan nilai confidence sebesar 100% dan lift ratio 1,08.
Adapun langkah selanjutnya yaitu melakukan perbandingan antara hasil perhitungan manual algoritma Apriori menggunakan Microsoft Excel dengan hasil perhitungan dari aplikasi algoritma apriori yangotelah diciptakan oleh peneliti.
Tujuanodari0perbandingan ini0adalah0untuk0memastikan kesesuaian dan validasi akurasi antara sistem yang dikembangkan dengan perhitungan manual.
Mengacu pada kolom Manual Lift Ratio dan System Lift Ratio pada Tabel 1, diketahui bahwa kombinasi 3-itemset dengan nilai confidence dan lift ratio tertinggi terdapat pada produk {Es Teh.
Pentol Huha Banget Ne Teh Tari.
, dengan nilai confidence sebesar 100% dan lift ratio sebesar 1,08.
Sementara itu, kombinasi 2itemset dengan nilai tertinggi berada pada {Pentol Huha Banget Ne Teh Tari.
dengan confidence sebesar 100% dan lift ratio 1,08.
Kesamaan hasil antara sistem dan perhitungan manual menunjukkan bahwa algoritma dalam aplikasi bekerja dengan benar dan valid.
Berdasarkan hasil ini, dapat disimpulkan bahwa penerapan algoritma Apriori dalam sistem rekomendasi menu berhasil menjawab permasalahan yang telah diidentifikasi sebelumnya, yaitu dalam mengungkap pola asosiasi pembelian menu di Nice Cafe.
Hasil analisis tidak hanya mampu menunjukkan kombinasi menu yang sering dibeli bersama, tetapi juga dapat dijadikan dasar dalam merancang strategi stok dan promosi yang lebih tepat sasaran.
Penerapan Algoritma Apriori untuk.
(Cindhaga Rajeswari Bendahar.
ISSN: x-x Sistem ini memberikan manfaat praktis bagi pemilik atau pengelola usaha, seperti memberikan wawasan dalam memahami kebiasaan belanja pelanggan, menyusun strategi bundling produk, serta menjadi alat analisis yang akurat dan mendukung pengambilan keputusan bisnis berbasis data.
Dengan demikian, sistem ini diharapkan dapat membantu meningkatkan efisiensi operasional dan mendukung peningkatan omset di Nice Cafe.
KESIMPULAN
Berdasarkanohasil penelitian yang telah dilakukan, algoritma apriori berhasil mengidentifikasi pola pembelian menu makanan dan minuman di Nice Cafe.
eMelalui serangkaian tahapan penting yang diawali dengan analisis kebutuhan, pengumpulan dan pengolahan data transaksi, hingga pengembangan dan pengujian sistem, algoritma apriori dapat menemukan kombinasi item menu yang sering dibeli oleh pelanggan secara bersamaan.
Pada kombinasi 3-itemset, terdapat menu dengan nilai confidence dan lift ratio tertinggi, yaitu {Es Teh.
Pentol Huha Banget Ne Teh Tari.
dengan tingkat confidence dan lift ratio yang menunjukkan kekuatan asosiasi antar menu.
Hasil dari penelitian ini membuktikan bahwa algoritma Apriori dapat memberikan wawasan bagi pemilik usaha dalam memahami perilaku pembelian pelanggan, menyusun strategi promosi yang lebih tepat sasaran, serta menjadi alat analisis yang efektif dalam pengambilan keputusan bisnis.
Penelitian ini diharapkan dapat membantu manajemen Nice Cafe dalam menentukan penyediaan stok dan strategi penjualan guna meningkatkan pendapatan dan mencapai target usaha yang PERNYATAAN KONTRIBUSI PENULIS Nama Penulis E Cindhaga Rajeswari Bendahara Aries Dwi Indriyanti C : Konseptualisasi M : Metodologi So : Perangkat lunak Va : Validasi Fo : Analisis Formal I : Investigasi R : Sumber Daya D : Akurasi Data O : Penulisan - Draf Asli E : Penulisan Tinjauan & Penyuntingan E Vi : Visualisasi Su : Pengawasan P : Administrasi proyek Fu : Akuisisi Pendanaan PERNYATAAN BENTURAN KEPENTINGAN Penulis menyatakan tidak ada konflik kepentingan.
KETERSEDIAAN DATA
Penelitian ini menggunakan data transaksi penjualan di Nice Cafe yang diperoleh secara langsung melalui kerja sama dengan pihak manajemen.
Data tidak tersedia secara publik dan hanya dapat diakses atas permintaan yang wajar kepada penulis yang bersangkutan.
Cindhaga Rajeswari Bendahara dengan persetujuan dari pemilik usaha yang bersangkutan.
REFERENSI