Perkembangan bisnis kuliner, khususnya cafe, menuntut pelaku usaha untuk menerapkan strategi pemasaran yang lebih efektif dalam meningkatkan penjualan. Salah satu strategi yang dapat diterapkan adalah penyusunan paket menu bundling berdasarkan pola pembelian pelanggan. Namun, data transaksi penjualan di NDAA & B Cafe belum dimanfaatkan secara optimal sebagai dasar pengambilan keputusan. Penelitian ini bertujuan untuk menganalisis data transaksi penjualan dan menghasilkan rekomendasi menu bundling menggunakan algoritma Frequent Pattern Growth (FP-Growth). Metode penelitian yang digunakan adalah Knowledge Discovery in Database (KDD) yang meliputi tahapan pengumpulan data, preprocessing, transformasi data, data mining, dan evaluasi. Algoritma FP-Growth digunakan untuk menemukan frequent itemset dan association rule berdasarkan nilai minimum support, confidence, dan lift ratio. Sistem dibangun menggunakan bahasa pemrograman Python dengan framework Streamlit serta database MySQL. Hasil penelitian menunjukkan bahwa sistem mampu mengidentifikasi pola pembelian pelanggan dan menghasilkan rekomendasi menu bundling yang dapat digunakan sebagai pendukung strategi promosi serta meningkatkan efektivitas penjualan. Berdasarkan hasil pengujian menggunakan metode Black Box Testing, seluruh fitur pada aplikasi telah berjalan sesuai dengan fungsi yang dirancang.
References
[1] Agrawal, R., Imieliński, T., & Swami, A. (1993). Mining Association Rules Between Sets of Items in Large Databases. Proceedings of the ACM SIGMOD International Conference on Management of Data, pp. 207–216.
[2] Han, J., Pei, J., & Yin, Y. (2000). Mining Frequent Patterns Without Candidate Generation. Proceedings of the 2000 ACM SIGMOD International Conference on Management of Data, pp. 1–12.
[6] Yanto, R., & Khoiriah, R. (2015). Implementasi Data Mining dengan Metode Algoritma FP-Growth dalam Menentukan Pola Pembelian Obat. Creative Information Technology Journal, Vol. 2, No. 2.
[7] Liansyah, O., & Destiana, H. (2020). The Use of Apriori Algorithm in the Formation of Association Rule at Lotteria Cibubur. SinkrOn: Jurnal dan Penelitian Teknik Informatika, Vol. 4, No. 2.
[8] Wahyuni, E. D., Harby, M. F., & Wibowo, N. C. (2024). Rekomendasi Strategi Penjualan Bundling di Cafe SZ Point Menggunakan Algoritma Frequent Pattern Growth. Jurnal Informatika dan Teknik Elektro Terapan (JITET).
[9] Raihan, M., & Sutisna. (2024). Analisis Perbandingan Algoritma Apriori dan FP-Growth untuk Menentukan Strategi Penjualan pada Maestro Jakarta Cafe & Space. Jurnal Indonesia: Manajemen Informatika dan Komunikasi (JIMIK), Vol. 5, No. 3.
[10] Hafizah, A. S., dkk. (2024). Analisis Menggunakan Algoritma FP-Growth untuk Mencari Pola Penjualan Produk Makanan dan Minuman di RMK Coffee. Juwarta, Vol. 4, No. 2.
[11] Muharam, A. A., Suarna, N., Ali, I., & Effendy, D. I. (2025). Metode FP-Growth untuk Mengoptimalkan Rekomendasi Penjualan Makanan dan Minuman di Piknik Café. Jurnal Informatika dan Teknik Elektro Terapan (JITET), Vol. 13, No. 1.
[12] Khadijah, A. S., dkk. (2025). Implementasi Algoritma FP-Growth untuk Menganalisis Pola Pembelian Konsumen di Balcos Compound Coffee. JUTISI: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi.
[13] Romadlon, H. N., Wahyuni, E. D., & Wibowo, N. C. (2025). Sistem Rekomendasi Paket Menu Menggunakan Algoritma FP-Growth di Teré Café and Bar Seminyak. JUPIKOM: Jurnal Publikasi Ilmu Komputer dan Multimedia.