Implementasi Metode Fp-Growth Untuk Menentukan Rekomendasi Menu Pada Cafe Over Limit

1703015175 - Achmad Sufyan Aziz; Firman Noor Hasan, S,kom., M.TI;

Ketersediaan data yang banyak dan memiliki pola transaksi penjualan yang mirip pada Cafe Over Limit akan dimanfaatkan dan dijadikan pertimbangan dengan menggunakan ilmu Data Mining. Pada Penelitian ini peneliti menggunakan salah satu metode Data Mining yaitu Association Rules. Lalu untuk mendapatkan kombinasi item, data akan di mining menggunakan algoritma FP-Growth. Maka dari itu diharapkan adanya pengaplikasian ini bisa memudahkan pihak cafe menentukan rekomendasi makanan dan minuman yang akan direkomendasikan kepada pelanggan. Hasil implementasi algoritma FP-Growth untuk mengolah 2038 data transaksi pada Cafe Over Limit dan mencantumkan nilai dari minimum support sebesar 10% dan nilai minimum confidence sebesar 50% didapati 3 rule atau pola transaksi pembelian, diantaranya adalah “Jika memesan mariam cokelat keju susu maka akan memesan kopsus overlimit”, dari rule tersebut membentuk nilai support sebesar 10.79%, nilai confidence sebesar 54.19% dan lift ratio sebesar 0.93. Selanjutnya “Jika memesan kopsus overlimit maka akan memesan tahu rumah nenek”, dari rule tersebut membentuk nilai support sebesar 34.69%, nilai confidence sebesar 59.76% dan lift ratio sebesar 1.15. Rule yang terakhir “Jika memesan tahu rumah nenek maka akan memesan kopsus overlimit”, dari rule tersebut membentuk nilai support sebesar 34.69%, nilai confidence sebesar 66.7% dan lift ratio sebesar 1.15. Dari hasil uji coba tersebut didapatkan dua pola transaksi atau rule yang terbaik yaitu “Jika memesan kopsus overlimit maka akan memesan tahu rumah nenek” dan “Jika memesan tahu rumah nenek maka akan memesan kopsus overlimit”, karena semakin tinggi nilai support, nilai confidence dan nilai Lift Ratio yang dihasilkan oleh rule yang terbentuk maka akan semakin baik rule tersebut.