Penerapan Clustering Dengan K-Means Untuk Pemilihan Menu Favorit Di Tetra Coffeeshop

Penelitian ini bertujuan untuk mengembangkan aplikasi yang menerapkan algoritma K-means clustering pada data menu di Tetra Coffee Shop, guna mengelompokkan menu berdasarkan karakteristik tertentu. Data yang digunakan mencakup nama menu, harga, transaksi, dan stok.
Proses pengelompokan melibatkan tahap pengunggahan file Excel berisi data, preprocessing data, dan proses clustering. Hasil analisis menunjukkan bahwa menu dapat dikelompokkan secara efektif dengan menggunakan algoritma K-means, dengan jumlah cluster optimal yang ditentukan dengan metode Elbow dan Silhouette Score.
Visualisasi hasil clustering dalam bentuk scatter plot, histogram distribusi harga, penjualan, dan stok memberikan gambaran yang jelas tentang pola dalam data. Temuan ini membantu memahami preferensi pelanggan dan pengelolaan stok, sehingga dapat diimplementasikan untuk meningkatkan efisiensi operasional di Tetra Coffee Shop. Penelitian ini menunjukkan pentingnya penggunaan analisis data dalam pengambilan keputusan bisnis.

https://jurnal.mdp.ac.id/index.php/jatisi/index