PENERAPAN ALGORITMA APRIORI UNTUK ANALISIS POLA PEMILIHAN MENU DI RH STORE
IMPLEMENTATION OF THE APRIORI ALGORITHM FOR ANALYZING MENU SELECTION PATTERNS AT RH STORE
DOI:
https://doi.org/10.52972/hoaq.vol17no1.p19-28Keywords:
Apriori, KDD, Association Rule Mining, Pola Pembelian, UMKMAbstract
Fluktuasi penjualan yang dialami RH Store menunjukkan perlunya pemanfaatan data transaksi secara optimal untuk mendukung pengambilan keputusan bisnis. Selama ini, data transaksi penjualan belum dimanfaatkan secara maksimal untuk mengidentifikasi pola pemilihan menu pada data transaksi penjualan RH Store. Metode yang digunakan adalah pendekatan kuantitatif deskriptif dengan mengikuti tahapan Knowledge Discovery in Databases (KDD), meliputi seleksi data, pembersihan data, transformasi ke bentuk market basket, serta pembentukan aturan asosiasi. Data yang digunakan berupa 101 transaksi penjualan pada periode Juli hingga September 2025 dan dianalisis menggunakan aplikasi Orange Data Mining. Pengujian dilakukan dengan beberapa kombinasi nilai support dan confidence, yaitu 30%-60%, 40%-80%, dan 50%-90%. Hasil penelitian menunjukkan bahwa pada nilai support 50% dan confidence 90% diperoleh 17 aturan asosiasi dengan nilai confidence tertinggi sebesar 95% dan seluruh nilai lift lebih besar dari 1. Produk Roti Tumpuk, Roti Bulat, dan Roti Kukus memiliki tingkat keterkaitan paling dan sering muncul sebagai consequent. Hasil analisis ini dapat dimanfaatkan sebagai dasar dalam penyusunan menu paket, strategi promosi, serta pengelolaan persediaan produk di RH Store.
Sales fluctuations experienced by RH Store indicate the need to optimize the use of transaction data to support business decision-making. To date, sales transaction data have not been fully utilized to identify menu selection patterns at RH Store. This study employs a descriptive quantitative approach following the Knowledge Discovery in Databases (KDD) stages, including data selection, data cleaning, transformation into a market basket format, and association rule generation. The dataset consists of 101 sales transactions collected from July to September 2025 and was analyzed using Orange Data Mining. Experiments were conducted using several combinations of support and confidence thresholds, namely 30%–60%, 40%–80%, and 50%–90%. The results show that at a support threshold of 50% and a confidence threshold of 90%, 17 association rules were generated, with the highest confidence value reaching 95% and all lift values exceeding 1. The products Roti Tumpuk, Roti Bulat, and Roti Kukus exhibit the strongest associations and frequently appear as consequents. These findings can be utilized as a basis for designing menu packages, promotional strategies, and inventory management at RH Store.
References
T. Prasetya, J. E. Yanti, A. I. Purnamasari, A. R. Dikananda, and S. Anwar, “Analisis Data Transaksi Terhadap Pola Pembelian Konsumen Menggunakan Metode Algoritma Apriori,” Informatics for Educators and Professional : Journal of Informatics, vol. 6, no. 1, pp. 43–53, 2021, doi: 10.51211/itbi.v6i1.1688.
F. D. Ramadani, B. Irawan, and A. Bahtiar, “Analisis Keranjang Pasar Untuk Peningkatan Penjualan Mengunakan Algoritma Apriori,” JATI (Jurnal Mahasiswa teknik Informatika)., vol. 8, no. 3, pp. 2942–2950, 2024, doi: 10.36040/jati.v8i3.9593.
Sunarti, F. Handayanna, and E. Irfiani, “Analisa Pola Penjualan Makanan dengan Penerapan Algoritma Apriori,” Techno.Com, vol. 20, no. 4, pp. 478–488, 2021, doi: 10.33633/tc.v20i4.4715.
Laurentinus, “Data Mining Menggunakan Algoritma Apriori dalam Rekomendasi Produk Restoran,” Jurnal Edukasi dan Penelitian Informatika, vol. 7, no. 3, pp. 351–358, 2021, doi: 10.26418/jp.v7i3.49606.
R. Abizal, Y. Syahra, and Hafizah, “Implementasi Algoritma Apriori Dalam Menganalisis Pola Penjualan Pada Restoran Sederhana,” J-SISKO TECH (Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD), vol. 5, no. 1, pp. 76–82, 2022, doi: 10.53513/jsk.v5i1.4794.
S. M. Amanda, Debi Setiawan, and Liza Trisnawati, “Penerapan Algoritma Apriori Dalam Menganalisis Pola Minat Beli Konsumen Di Coffee Shop,” JEKIN - Jurnal Teknik Informatika, vol. 1, no. 2, pp. 25–32, 2023, doi: 10.58794/jekin.v3i1.483.
F. Amsury et al., “Implementasi Association Rules Menentukan Pola Pemilihan Menu di the Gade Coffee & Gold Menggunakan Algoritma Apriori,” INFOTECH Journals, vol. 9, no. 1, pp. 279–286, 2023, doi: 10.31949/infotech.v9i1.5357.
E. Prayitno and D. F. Sari, “Implementasi Algoritma Apriori Untuk Pola Kombinasi Pembelian Barang,” Jurnal Cakrawala Ilmiah, vol. 2, no. 2, pp. 691–696, 2022, doi: 10.53625/jcijurnalcakrawalailmiah.v2i2.3812.
Indriyanti, N. Ichsan, H. Fatah, T. Wahyuni, and E. Ermawati, “Implementasi Orange Data Mining Untuk Prediksi Harga Bitcoin,” Jurnal Responsive Teknik Informatika, vol. 4, no. 2, pp. 118–125, 2022, doi: 10.51977/jti.v4i2.762.
D. M. Sinaga, W. H. Sirait, and A. P. Windarto, “Analisis Algoritma Apriori dalam Menentukan Pola Pemesanan Konsumen pada Ucokopi,” Journal of Informatics Management and Information Technology, vol. 1, no. 2, pp. 68–73, 2021, doi: 10.47065/jimat.v1i2.105.
H. Xie, “Research and Case Analysis of Apriori Algorithm Based on Mining Frequent Item-Sets,” Open Journal of Social Sciences (JSS), vol. 9, no. 04, pp. 458–468, 2021, doi: 10.4236/jss.2021.94034.
R. Noviana, A. Hermawan, and D. Avianto, “Market Basket Analysis Menggunakan Algoritma Apriori dan FP Growth untuk Menentukan Pola Pembelian Konsumen,” Jurnal Media Informatika Budidarma, vol. 7, no. 3, pp. 1474–1482, 2023, doi: 10.30865/mib.v7i3.6304.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Jurnal HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi diterbitkan berdasarkan lisensi Creative Commons Attribution 4.0 International License (CC BY 4.0). Lisensi ini memungkinkan setiap orang untuk Berbagi: menyalin dan mendistribusikan kembali materi ini dalam format atau bentuk apapun; Adaptasi: merombak, mengubah, dan membuat turunan dari materi ini untuk keperluan apa pun, termasuk keperluan komersial, asalkan mereka memberikan pengakuan kepada Penulis Asli atas hasil karya aslinya.
