Pemanfaatan Bussiness Intelegent untuk Menganalisis Menu Favorit dalam Meningkatkan Omset pada Restoran Payo

  • Euis Nurninawati
  • Luthfia Fauzia Dewi Aryanti
  • Syarif Hidayatullah
Abstract views: 2103 , PDF downloads: 760

Abstract

Makanan dan minuman merupakan hal yang sangat dibutuhkan oleh manusia dengan sajian yang beraneka ragam. Oleh karena itu, banyak restoran yang berlomba-lomba menyediakan aneka menu makanan dan minuman yang menarik dengan variasi harga yang bersaing. Dengan banyaknya restoran di Indonesia khususnya dikota besar, menyebabkan persaingan yang sangat ketat. Sehingga restoran harus memiliki menu utama atau menu favorit sebagai menu andalannya. Untuk mencari menu favorit disebuah restoran dapat melakukan analisis terhadap history data-data penjualan. History data penjualan yang sangat besar tidak mungkin dilakukan secara manual. Bisnis Intelegent (BI) merupakan solusi yang tepat dalam melakukan proses analisis untuk menjawab permasalahan tersebut. Business Intelligent (BI) merupakan sistem dan aplikasi yang berfungsi untuk mengubah data dalam suatu perusahaan atau organisasi (data operasional, data transaksional, atau data lainnya) ke dalam bentuk pengetahuan. Metode dalam menerapkan bisnis intelegent ini menggunakan data mining dengan algoritma Naive Bayes dan algoritma Farthest First. Dengan dilakukannya penelitian ini diharapkan dapat membantu restoran dalam pengambilan keputusan untuk menetapkan menu favorit yang tepat, sesuai dengan menu yang digemari konsumennya, berdasarkan pada historis penjualan, sehingga target pencapaian omset restoran setiap bulannya dapat tercapai

Downloads

Download data is not yet available.

References

Tim Studi BPPM-RI. 2013. Impementasi Bussiness Intelegent. Jakarta

PT KPEI. 2007. Business Intelligence, Presentation. Jakarta

Rifai Noverino, Gupta Kharitz Attria. 2004. Bussiness Intelegent. ITB: Bandung

Hermawati, Fajar Astuti. 2013. Data Mining. Andi:Yogyakarta

Kusumadewi, Sri. 2009. Klasifikasi Status Gizi Menggunakan Algoritma Naive Bayes Classification. Jurusan Teknik Informatika, universitas Islam Indonesia.

Natalius, Samuel. 2010. Metode Naive Bayes Classifier dan Penggunaannya Pada Klasifikasi Dokumen, Program Studi Sistem dan teknologi Informasi, Sekolah Teknik Elektro dan Informatika. Institut Teknologi Bandung: Bandung

Bustami.Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi. Teknik Informatika Universitas Malikussaleh.

Mardiana Tari, Nyoto Rudy Dwi.2015. Kluster Bag-of-Word Menggunakan Weka. UGM, Universitas Tanjungpura: Yogyakarta, Pontianak

PlumX Metrics