Prediksi Penjualan Kopi Berdasarkan Cuaca Menggunakan Association Rule dan Algoritma FP-Growth

Abstract

Untuk dapat bersaing dengan kompetitor, pemilik cofee shop menyediakan berbagai varian menu kopi. Bahan baku kopi apabila disimpan terlalu lama mengakibatkan berkurangnya kualitas dan aroma sehingga mengakibatkan kerugian. Penelitian ini menggunakan data cuaca dan pola penjualan menu kopi menggunakan metode association rule dengan algoritma FP-Growth. Penelitian menggunakan data transaksi penjualan dan data historis perkiraan cuaca mulai bulan September sampai Maret. Atribut cuaca di menjadi 3 kategori yaitu fair, overcast, dan rain. Atribut suhu dikategorikan menjadi 3 berdasarkan rata-rata suhu tinggi dan suhu rendah menjadi panas, sedang, dan dingin. Data transaksi penjualan dan data cuaca digabungkan berdasarkan tanggal pada setiap bulannya. Data periode September sampai  Februari digunakan sebagai data training dan data Maret digunakan sebagai data evaluasi. Hasil penelitian ini adalah penambahan minimal support item dapat meningkatkan akurasi aturan-aturan yang dibentuk. Aturan dengan minimal support item 4 menghasilkan 35.14% no data, 29.73% akurasi lebih dari atau sama dengan 60%, dan 35.14% akurasi kurang dari 60%. Aturan dengan minimal support item 5 menghasilkan 31.25 % no data, 56.25 % akurasi lebih dari atau sama dengan 60%, dan 12.50% akurasi kurang dari 60%. Penggabungan data transaksi dengan data cuaca belum terlihat pengaruh yang signifikan dalam pembentukan aturan asosiasi menggunakan algoritma FP-Growth.