ANALISIS DATA MINING UNTUK KLASIFIKASI KAFE POPULER DI JAKARTA MENGGUNAKAN DECISION TREE DAN VISUALISASI DENGAN TABLEAU

Siti Anisah; irwansyah;

ABSTRAK

Analisis Data Mining untuk Klasifikasi Kafe Populer di Jakarta Menggunakan Decision Tree dan Visualisasi dengan Tableau

Siti Anisah

Pesatnya pertumbuhan bisnis kafe di Jakarta meningkatkan persaingan yang semakin ketat di
sektor ini. Kafe kini bukan hanya tempat menikmati makanan dan minuman, tetapi juga berfungsi
sebagai ruang sosial lintas generasi. Kondisi ini mendorong perlunya penelitian untuk memahami
faktor-faktor yang mempengaruhi popularitas sebuah kafe. Penelitian ini bertujuan untuk
menganalisis kafe-kafe populer di Jakarta menggunakan algoritma Decision Tree C4.5 dan
menyajikan hasilnya secara visual melalui Tableau. Data kafe yang digunakan berjumlah 584 kafe
dari seluruh wilayah jakarta. Data yang digunakan meliputi harga, jumlah ulasan, rating, kepadatan
penduduk, lokasi, alamat dan kelurahan. Menggunakan RapidMiner, proses klasifikasi dilakukan
untuk mengidentifikasi variabel yang paling berpengaruh terhadap popularitas suatu kafe.
Algoritma Decision Tree dipilih karena mampu menghasilkan model yang mudah dipahami dan
divisualisasikan. Hasil analisis menunjukkan tingkat akurasi model sebesar 95,69%, dengan nilai
precision dan recall yang tinggi di masing-masing kelas popular dan kurang popular.

Kata kunci: Klasifikasi; Decision Tree C4.5, Popularitas Kafe, Visualisasi Data, Tableau

Data Mining Analysis for Classification of Popular Cafes in Jakarta Using Decision Tree and Visualization with Tableau

Siti Anisah

The rapid growth of the café business in Jakarta has increased competition in this sector. Cafes
are now not only places to enjoy food and drinks, but also function as cross-generational social
spaces. This condition encourages the need for research to understand the factors that influence
the popularity of a cafe. This study aims to analyze popular cafes in Jakarta using the C4.5
Decision Tree algorithm and present the results visually through Tableau. The data used includes
price, number of reviews, rating, population density, location, address and neighborhood. Using
RapidMiner, a classification process was performed to identify the variables that have the most
influence on the popularity of a cafe. The Decision Tree algorithm was chosen because it can
produce models that are easy to understand and visualize. The results of the analysis showed an
accuracy rate of 95.69%, with high precision and recall values in each of the popular and less
popular classes.

Keywords: Classification, Decision Tree C4.5, Cafe Popularity, Data Visualisation, Tableau