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

Abstrak

Salah satu cara yang dilakukan pemilik coffee shop untuk dapat bersaing seiring peningkatan persaingan adalah dengan menyediakan varian menu kopi yang beragam. Bahan baku kopi apabila disimpan terlalu lama dapat mengakibatkan berkurangnya kualitas dan aroma mengakibatkan pemilik harus dapat menyediakan bahan baku kopi secara tepat untuk menghindari kerugian. Pada Penelitian ini, kami mencoba untuk menambahkan data cuaca terhadap pola penjualan menu kopi menggunakan metode association rule dengan algoritma FP-Growth. Penelitian dilakukan dengan mengumpulkan data transaksi penjualan dan data historis perkiraan cuaca mulai pada bulan September sampai Maret. Atribut cuaca di kategorikan 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 peridoe September sampai dengan Februari digunakan sebagai data training dan data Maret digunakan sebagai data evaluasi. Hasil dari 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.