ANALISIS DATA PENJUALAN SOTO DI TOKO CHAVIE BATURAJA MENGGUNAKAN TEKNIK DATA MINING

Abstrak

Penelitian ini dilatarbelakangi oleh permasalahan pada Toko Chavie Baturaja, sebuah usaha kuliner yang memiliki data transaksi melimpah namun belum dimanfaatkan secara optimal untuk strategi bisnis. Manajemen menghadapi kesulitan dalam mengidentifikasi pola pembelian konsumen secara akurat, sehingga pengelolaan stok dan penentuan paket menu masih bersifat intuitif. Penelitian ini bertujuan untuk menggali pola asosiasi antar menu menggunakan teknik data mining dengan algoritma Apriori. Metode penelitian yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM), meliputi tahap pemahaman bisnis hingga evaluasi hasil. Analisis dilakukan terhadap 500 data transaksi dengan menetapkan ambang batas minimal support 10% dan minimal confidence 50%. Hasil penelitian menunjukkan adanya aturan asosiasi yang sangat kuat antara menu utama dan minuman, khususnya kombinasi Soto Ayam dan Es Teh Manis dengan nilai confidence tertinggi sebesar 88,8%. Selain itu, ditemukan pola signifikan pada item pendamping seperti Sate Uritan dan Kerupuk Putih (57,8%). Temuan ini memberikan kontribusi praktis bagi Toko Chavie dalam merancang strategi pemasaran berbasis data, seperti pembuatan paket menu "Soto Segar" dan optimalisasi tata letak item pendamping guna meningkatkan pembelian impulsif. Kesimpulannya, implementasi algoritma Apriori terbukti efektif dalam mengubah data transaksi mentah menjadi informasi strategis untuk meningkatkan daya saing UMKM kuliner.

This research is motivated by the challenges faced by Toko Chavie Baturaja, a culinary business with abundant transaction data that has not been optimally utilized for business strategy. Management faces difficulties in accurately identifying consumer purchasing patterns, leading to stock management and menu bundling decisions being based solely on intuition. This study aims to explore association patterns between menus using data mining techniques with the Apriori algorithm. The research methodology follows the Cross-Industry Standard Process for Data Mining (CRISP-DM), encompassing stages from business understanding to result evaluation. The analysis was conducted on 500 transaction records with a minimum support threshold of 10% and a minimum confidence of 50%. The results reveal a very strong association rule between the main course and beverages, specifically the combination of Soto Ayam and Iced Sweet Tea, with the highest confidence value of 88.8%. Furthermore, significant patterns were found in side items such as Sate Uritan and White Crackers (57.8%). These findings provide practical contributions for Toko Chavie in designing data-driven marketing strategies, such as creating "Soto Segar" menu bundles and optimizing the layout of side items to stimulate impulsive buying. In conclusion, the implementation of the Apriori algorithm is proven effective in transforming raw transaction data into strategic information to enhance the competitiveness of local culinary SMEs.