Penilaian Preferensi Pelanggan Terhadap Menu Seafood Pada Warung Seafood 68 Soka 2 Muara Karang
Abstract
Preferensi pelanggan ialah sesuatu yang penting dalam pemasaran karena mempengaruhi keputusan pembelian yang
dilakukan pelanggan, sehingga hal tersebut berkaitan dengan keberhasilan suatu perusahaan dalam mencapai tujuannya. Preferensi
pelanggan digunakan untuk menentukan pembelian jumlah bahan baku untuk mengurangi kerugian dari bahan produk yang sia-sia
karena produknya yang kurang laku sedangkan seafood adalah makanan laut yang memiliki karakteristik gampang rusak dan cepat
basi. Warung seafood 68 Soka 2 adalah warung makan seafood yang berada di Muara karang Kota Jakarta Utara. Penelitian dilakukan
selama dua bulan yakni bulan Juli dan Agustus 2023. Data dikumpulkan dengan melakukan wawancara kepada pemilik warung serta
megambil dari data transaski penjualan selama bulan Juli dan Agustus 2023. Metode yang digunakan dalam penelitian ini
menggunakan algoritma FP Growth, yaitu algoritma yang dihasilkan dari pengembangan algoritma Apriori dengan menggunakan
konsep FP-Tree. Penelitian ini dilakukan untuk membantu memberikan rekomendasi kombinasi menu kepada pemilik warung yang
membantu proses pembelian bahan dasar untuk meningkatkan keuntungan. Analisis dilakukan empat kali dengan menggunakan nilai
minimum support 0,05, 0,1, 0,15, 0,2 dan satu nilai minimum confidence 0,3. Analisis pertama menghasilkan sepuluh rule kombinasi
menu, kedua menghasilkan sepuluh rule kombinasi menu, keempat menghasilkan tiga kombinasi menu, dan keempat menghasilkan
dua kombinasi menu. Hasil penelitian menunjukkan kombinasi menu terbaik adalah kerang ijo dan cumi dengan nilai confidence 0,6
dan menu yang paling sering dibeli pelanggan adalah cumi karena memiliki consequent yang paling sering muncul. Dapat disimpulkan
bahwa Cumi merupakan menu yang menjadi preferensi pelanggan dengan pertimbangan tingkat kepuasan dalam membeli produkl
sehingga dapat dijadikan rekomendasi untuk pemilik warung Seafood 68 Soka 2 Muara Karang untuk menjadi pertimbangan
pembelian bahan baku.
References
Abdullah, A., Hidayat, T., & Seulalae, A. V. (2021). Moluska: Karakteristik, Potensi dan Pemanfaatan Sebagai Bahan Baku Industri Pangan dan Non Pangan. Retrieved from https://books.google.co.id/books?id=uE0iEAAAQBAJ
Anas, A. (2020). Penerapan Algoritma Fp-Growth Dalam Menentukan Perilaku Konsumen Ghania Mart Muara Bulian. Jurnal Ilmiah Media Sisfo, 14(2), 120–129. https://doi.org/10.33998/mediasisfo.2020.14.2.879
Anggun Pastika Sandi, & Vina Widya Ningsih. (2022). Implementasi Data Mining Sebagai Penentu Persediaan Produk Dengan Algoritma Fp-Growth Pada Data Penjualan Sinarmart. Jurnal Publikasi Ilmu Komputer Dan Multimedia, 1(2), 111–122. https://doi.org/10.55606/jupikom.v1i2.343
Ardianto MY, Adinugroho S, Indriati. 2021. Penentuan tata letak produk menggunakan Algoritma FP-Growth pada toko ATK. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. 5(9) : 3826-3832.
Atikah, N., Ariani, N., & Nastiti, H. (2020). Analisis Preferensi Konsumen Produk Teh Celup. Business Management, Economic, and Accounting National Seminar, 2(1), 239–251.
Buulolo, E. (2020). Data Mining Untuk Perguruan Tinggi. Deepublish.
Erinda, A., Kumadji, S., & Sunarti. (2016). Studi Terhadap Pe langgan McDonald ’ s di Indonesia dan Malaysia. Jurnal Administrasi Bisnis (JAB), 30(1), 87–95.
Febrianti, A. N. (2022). Bab 2 Pengukuran, Penilaian, Tes, Dan Evaluasi. Evaluasi Pembelajaran, 17.
Halim, E. S. (2017). Pengaruh Perceived Quality dan Store Location terhadap Customer Preference pada pelanggan Takoyaqta di Surabaya. Jurnal Strategi Pemasaran, 1(1), 1–9.
Hasan MM, Mishu SZ. 2018. An adaptive method for mining frequent itemsets based on Apriori and FP-Growth Algorithm. International Conference on Computer, Communication, Chemical, Material and Electronic Engineering; 2018 February; Rajshahi, Bangladesh. Bangladesh : University of Rajshahi.
Imani, A. S. (2023). Penilaian Preferensi Pelanggan Terhadap Menu Seafood Pada Rumah Lobster Depok Annisa Surya Imani.
Magdalena, I. (2020). Evaluasi pembelajaran SD: teori dan praktik. CV Jejak (Jejak Publisher).
Pasirulloh, M. A., & Suryani, E. (2017). Pemodelan Dan Simulasi Sistem Industri Manufaktur Menggunakan Metode Simulasi Hybrid (Studi Kasus: PT. Kelola Mina Laut). Jurnal Teknik ITS, 6(2). https://doi.org/10.12962/j23373539.v6i2.23141
Rahmawati, F., & Merlina, N. (2018). Metode Data Mining Terhadap Data Penjualan Sparepart Mesin Fotocopy Menggunakan Algoritma Apriori. PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic, 6(1), 9–20. https://doi.org/10.33558/piksel.v6i1.1390
Rama Novta Miraldi, Antonius Rachmat, B. S. (2014). lmplementasi Algoritma FP-GROWTH untuk Sistem Rekomendasi Buku di Perpustakaan UKDW. 10(l).
Saefudin, B. R., Deanier, A. N., & Rasmikayati, E. (2020). Kajian Pembandingan Preferensi Konsumen pada Dua Kedai Kopi di Cibinong, Kabupaten Bogor. AGROVITAL : Jurnal Ilmu Pertanian, 5(1), 39. https://doi.org/10.35329/agrovital.v5i1.637
Sari, R., & Apridamayanti, P. (2015). Cemaran Eshericia coli dalam makanan laut yang beredar di pasar tradisional Kota Pontian. Jurnal Kesehatan Khatulistiwa, 1(1), 44. https://doi.org/10.26418/jurkeswa.v1i1.42974
Sianturi, F. A., Hasugian, P. M., Simangunsong, A., & Nadeak, B. (2019). DATA MINING: Teori dan Aplikasi Weka (Vol. 1). IOCS Publisher.
Taluke, D., Lakat, R. S. M., Sembel, A., Mangrove, E., & Bahwa, M. (2019). Analisis Preferensi Masyarakat Dalam Pengelolaan Ekosistem Mangrove Di Pesisir Pantai Kecamatan Loloda Kabupaten Halmahera Barat. Spasial, 6(2), 531–540.
