PREDIKSI MINAT KONSUMEN SESUAI MUSIM MENGGUNAKAN ALGORITMA K-MEANS PADA PERANGKAT LUNAK PEMESANAN TEMPAT DAN MAKANAN ONLINE

Abstract

Banyak menu makanan yang tidak terjual menyebabkan restoran merugi dikarenakan bahan makanan yang ada jadi tidak terpakai. Maka dalam hal ini K-Means dapat digunakan untuk meng-cluster minat konsumen dimana minat tersebut akan disesuaikan dengan musim. Algoritma K-Means akan digunakan pada perangkat lunak untuk menemukan minat konsumen dari data penjualan yang ada, dalam hal ini bisa dikatakan sebagai data mining dimana data tersebut akan dibuat dan diurutkan berdasarkan minat pelanggan seperti musim panas ataupun musim hujan. Dan penentuan permasalahan tadi berdasarkan musim dikarenakan minat konsumen akan lebih mudah dikalkulasikan mengikuti musim yang ada di Indonesia dimana Indonesia sendiri adalah negara beriklim tropis yang dimana memiliki menu makanan yang beragam.  Dengan adanya pengelompokan data dari data penjualan diharapkan rumah makan atau restoran dapat menentukan menu makanan dan minuman yang sesuai dengan minat konsumen dimana menu makanan tersebut akan disesuaikan dengan musim yang ada di Indonesia yaitu musim panas dan musim hujan. Dan hasil pengolahan data tadi akan diimplementasikan pada perangkat lunak pemesanan tempat dan makanan online yang sebelumnya sudah dibuat pada penelitian sebelumnya yang berjudul Perangkat Lunak Pemesanan Tempat dan Makanan Online. Hal ini dimaksudkan untuk memudahkan pihak restoran dalam menentukan dalam pengaturan pembelian bahan baku makan. Apabila terdapat menu yang banyak terjual maka bahan baku akan diperbanyak dan apabila terdapat menu makanan yang kurang peminat atau penjualannya terbilang kurang atau sedikit maka bahan baku tersebut akan dikurangi.

Kata Kunci : K-Means, Minat, Konsumen, Prediksi, Season.