ANALISIS POLA PEMBELIAN KONSUMEN COFFEE SHOP CANDA TAWA MENGGUNAKAN ALGORITMA APRIORI

Authors

  • Charles Yandhika Universitas Multi Data Palembang
  • Dien Novita Universitas Multi Data Palembang

DOI:

https://doi.org/10.31849/yfcpa982

Keywords:

Algoritma Apriori, Data Transaksi, Pola Pembelian, Rekomendasi Produk

Abstract

Pemanfaatan data transaksi menjadi kebutuhan penting bagi bisnis kuliner untuk meningkatkan efektivitas pengambilan keputusan dan strategi pemasaran. PT Multi Boga Prima Sehati (Canda Tawa) sebagai pengelola coffee shop modern menghasilkan data penjualan harian yang belum dimanfaatkan secara optimal sehingga perusahaan belum mampu mengidentifikasi keterkaitan menu, perilaku pembelian konsumen, maupun pola penjualan yang dapat digunakan untuk meningkatkan kinerja operasional. Penelitian ini bertujuan menerapkan algoritma apriori untuk menemukan pola produk yang sering dibeli secara bersamaan serta memberikan rekomendasi menu yang relevan bagi perusahaan. Pendekatan ini digunakan karena mampu menghasilkan aturan asosiasi yang mudah dipahami dan sesuai untuk data berskala kecil hingga menengah. Hasil analisis diharapkan mampu memberikan informasi mengenai kombinasi menu yang paling diminati, menu yang jarang terjual, serta peluang penyusunan bundling dan promosi silang. Penelitian ini menyimpulkan bahwa pemanfaatan analisis data transaksi melalui algoritma apriori dapat membantu perusahaan dalam meningkatkan efektivitas pemasaran, mengoptimalkan pengelolaan stok, dan mendukung pengambilan keputusan yang lebih terukur.

References

[1] X. Wibisono, Novianto Aldo Pranoto, Yosep Agus Ariwibisono, F, “Sistem Rekomendasi Pembelian Pembelian Paket Makanan Dan Minuman Menggunakan Algoritma Apriori,” JINTEKS, vol. 7, no. 1, hal. 272–281, 2025.

[2] A. Kristianto dan M. Rahardjo, “Analisis Pengaruh Brand Kopi Startup.pdf,” 2021.

[3] M. Rajagukguk, R. Dewi, E. Irawan, J. T. Hardinata, dan I. S. Damanik, “Implementasi Association Rule Mining Untuk Menentukan Pola Kombinasi Makanan Dengan Algoritma Apriori,” J. Fasilkom, vol. 10, no. 3, hal. 248–254, 2020, doi: 10.37859/jf.v10i3.2308.

[4] Y. Husain, E. D. Oktaviyani, dan S. Christina, “Analisis Perbandingan Algoritma Apriori, FP-Growth, Dan Eclat dalam Menemukan Pola Pembelian Konsumen,” KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 3, no. 2, hal. 231–243, 2023, doi: 10.24002/konstelasi.v3i2.7007.

[5] D. M. Sinaga, A. P. Windarto, H. S. Tambunan, dan I. S. Damanik, “Data Mining Menggunakan Metode Asosiasi Apriori untuk Merekomendasi Pola Obat Pada Puskesmas,” J. Inf. Syst. Res., vol. 3, no. 2, hal. 143–149, 2022, doi: 10.47065/josh.v3i2.1237.

[6] N. D. Sari dan S. Khoiriah, “Penerapan Metode Asosiasi Pada Toko Afifa Dengan Algoritma Apriori,” Instink Inov. Pendidikan, Teknol. Inf. dan Komput., vol. 1, no. 1, hal. 8–17, 2022, doi: 10.30599/instink.v1i1.1498.

[7] P. M. S. Tarigan, J. T. Hardinata, H. Qurniawan, M. Safii, dan R. Winanjaya, “Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang,” J. Janitra Inform. dan Sist. Inf., vol. 2, no. 1, hal. 9–19, 2022, doi: 10.25008/janitra.v2i1.142.

[8] O. Pratama dan J. Haerul Jaman, “Penerapan Data Mining Menggunakan Algoritma Apriori Untuk Mengetahui Kebiasaan Konsumen Dan Prediksi Stok Produk,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 3, hal. 1837–1844, 2023, doi: 10.36040/jati.v7i3.7016.

[9] I. Mawardi, O. Revianti, H. M. Nur, dan Sunanto, “Implementasi Data Mining Pada Penjualan Barang Di Toko Dengan Menggunakan Algoritma Apriori,” J. Peqguruang Conf. Ser., vol. 7, no. 1, hal. 428, 2025, doi: 10.35329/jp.v7i1.5685.

[10] I. Rosmayati, W. Wahyuningsih, E. F. Harahap, dan H. S. Hanifah, “Implementasi Data Mining pada Penjualan Kopi Menggunakan Algoritma Apriori,” J. Algoritm., vol. 20, no. 1, hal. 99–107, 2023, doi: 10.33364/algoritma/v.20-1.1259.

[11] I. S. Hidayat, S. Defit, dan G. W. Nurcahyo, “Jurnal Sistim Informasi dan Teknologi https://jsisfotek.org/index.php Simulasi dalam Optimalisasi Pengadaan Barang menggunakan Metode K-Mean Clustering,” J. Sistim Inf. dan Teknol., vol. 3, hal. 281–287, 2021, doi: 10.37034/jsisfotek.v3i3.79.

[12] Event dan I. Utnasari, “Jurnal Comasie Jurnal Comasie,” Sist. Pakar Untuk Mendeteksi Kerusakan Pompa Utama Elektr. Pemadam Gedung Bertingkat Berbas. Web, vol. 6, no. 2, hal. 40–51, 2021, [Daring]. Tersedia pada: http://ejournal.upbatam.ac.id/index.php/comasiejournal%0AJurnal Comasie ISSN (Online) 2715-6265%0APERANCANGAN

[13] K. Gustipartsani, N. Rahaningsih, R. Danar Dana, dan I. Yulia Mustafa, “Data Mining Clustering Menggunakan Algoritma K-Means Pada Data Kunjungan Wisatawan Di Kabupaten Karawang,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, hal. 3595–3601, 2024, doi: 10.36040/jati.v7i6.8282.

[14] M. S. Alfandi dan Z. Fatah, “Penerapan Data Mining Menggunakan Metode K-Means Clustering Untuk Analisa Penjualan Toko Umama Hijab Kaliwates Jember,” J. JISSI (Jurnal Ris. Sist. Informasi), vol. 1, no. 4, hal. 94–102, 2024, [Daring]. Tersedia pada: https://journal.smartpublisher.id/index.php/jissi

[15] F. Alghifari dan D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,” J. Ilm. Inform., vol. 9, no. 02, hal. 75–81, 2021, doi: 10.33884/jif.v9i02.3755.

[16] M. Qamal, F. Syah, dan A. Z. I. Parapat, “Implentasi Data Mining Untuk Rekomendasi Paket Menu Makanan Dengan Menggunakan Algoritma Apriori,” TECHSI - J. Tek. Inform., vol. 14, no. 1, hal. 42, 2023, doi: 10.29103/techsi.v14i1.6747.

[17] A. Farah dan E. R. Syahputra, “Analisis Sentimen terhadap Ulasan Cashless Menggunakan Metode Knowledge Discovery Databases Berbasis Web,” J. Ilm. Sist. Inf. dan Ilmu Komput., vol. 5, no. 1, hal. 344–360, 2025, doi: 10.55606/juisik.v5i1.1507.

[18] A. Wijaya, A. Faqih, D. Solihudin, C. L. Rohmat, dan S. E. Permana, “PENERAPAN ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI UNTUK IDENTIFIKASI POLA PEMBELIAN,” vol. 7, no. 6, hal. 3871–3878, 2023.

[19] S. W. Harjono, N. W. Utami, dan I. G. A. P. D. Putri, “Klasterisasi Tingkat Penjualan pada Startup Panak.id dengan Algoritma K-Means,” J. Ilm. Teknol. Inf. Asia, vol. 17, no. 1, hal. 55–66, 2023, doi: 10.32815/jitika.v17i1.888.

[20] N. Manullang, R. W. Sembiring, I. Gunawan, I. Parlina, dan I. Irawan, “Implementasi Teknik Data Mining untuk Prediksi Peminatan Jurusan Siswa Menggunakan Algoritma C4.5,” J. Ilmu Komput. dan Teknol., vol. 2, no. 2, hal. 1–5, 2021, doi: 10.35960/ikomti.v2i2.700.

[21] R. Anggiat Mangasi Siahaan, M. Zunaidi, dan Azlan, “Implementasi Data Mining Untuk Menganalisa Pola Pembelian Toko Terhadap Produk Minuman dengan Menggunakan Metode Algoritma FPGrowth pada PT. Graha Prima Mentari (CCOD),” Cyber Tech, vol. 1, hal. 14, 2020, [Daring]. Tersedia pada: www.trigunadharma.ac.id

[22] S. Listanto dan Y. M. Kristania, “Implementasi Data Mining Terhadap Data Penjualan Dengan Algoritma Apriori Pada Pt. Duta Kencana Swaguna,” J. Teknoinfo, vol. 16, no. 2, hal. 364, 2022, doi: 10.33365/jti.v16i2.1973.

[23] A. Harist N, I. R. Munthe, dan A. P. Juledi, “Implementasi Data Mining Algoritma Apriori untuk Meningkatkan Penjualan,” J. Tek. Inform. UNIKA St. Thomas, vol. 06, hal. 188–197, 2021, doi: 10.54367/jtiust.v6i1.1276.

[24] A. Triono, A. S. Budi, R. Abdillah, dan Wahyudi, “Implementasi Peretasan Sandi Vigenere Chipper Menggunakan Bahasa Pemograman Python,” J. JOCOTIS - J. Sci. Inform. Robot., vol. 1, no. 1, hal. 1–9, 2023, [Daring]. Tersedia pada: https://jurnal.ittc.web.id/index.php/jumri

[25] M. Romzi dan B. Kurniawan, “Implementasi Pemrograman Pyhton Menggunakan Visual studio Code,” J. Pengabdi. Masy., vol. 2, no. 3, hal. 253–258, 2022.

Downloads

Published

2026-01-23

Issue

Vol. 8 No. 1 (2026): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode Januari 2026

Section

Articles

License

Copyright (c) 2026 ZONAsi: Jurnal Sistem Informasi

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

CC BY-SA 4.0


Attribution-ShareAlike 4.0

You are free to:

  1. Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
  2. Adapt — remix, transform, and build upon the material for any purpose, even commercially.
  3. The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:

  1. Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  2. ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
  3. No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:

You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation .

No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.

How to Cite

[1]
“ANALISIS POLA PEMBELIAN KONSUMEN COFFEE SHOP CANDA TAWA MENGGUNAKAN ALGORITMA APRIORI”, zn, vol. 8, no. 1, pp. 174–185, Jan. 2026, doi: 10.31849/yfcpa982.