SISTEM INFORMASI UNTUK PEMILIHAN PRODUK KULINER MENGGUNAKAN METODE CLUSTERING K-MEANS DAN WEIGHTED PRODUCT

Abstract

Makanan khas merupakan makanan yang memiliki ciri khas yang tidak ditemukan di wilayah lain. Banyaknya rumah makan yang menjual makanan khas, memicu perlunya strategi dalam pemasaran. Penelitian ini bertujuan membangun sistem informasi untuk meningkatkan strategi pemasaran dengan memberikan rekomendasi produk kuliner berdasarkan kriteria yang diinginkan oleh konsumen. Digunakan teknik clustering k-means untuk memberikan rekomendasi berdasarkan pengelompokan rumah makan berdasarkan kategori makanan menggunakan data jumlah menu yang terdapat pada rumah makan tersebut. Berdasarkan data jumlah menu, data di cluster menjadi 6 kelompok. Kategori makanan yang diinginkan oleh konsumen dibagi menjadi enam kategori yaitu hidangan pembuka, sup, hidangan penutup, makanan ringan dan minuman. Setelah data dikelompokkan, data hasil pengelompokan digunakan sebagai proses filter rumah makan yang akan diolah pada proses perankingan menggunakan metode weighted product. Selain kategori menu, kriteria yang digunakan adalah jumlah menu, harga, jarak dan fasilitas. Data tersebut kemudian dihitung dan menghasilkan perankingan rekomendasi rumah makan sesuai dengan kriteria yang diinginkan oleh konsumen. Studi kasus dilakukan pada 105 rumah makan yang menjual makanan khas di Kota Semarang. Sistem informasi untuk memilih produk kuliner menggunakan weighted product dapat memberikan rekomendasi dengan baik. Pada pengujian akurasi dengan pakar, diperoleh skor 87,61% pada pengelompokan rumah makan berdasarkan kategori menu menggunakan metode clustering k-means dan skor 100% untuk perankingan rekomendasi rumah makan menggunakan metode weighted product. Sedangkan pada pengujian beta, diperoleh kesimpulan bahwa sistem yang dibangun berfungsi sesuai dengan yang diinginkan konsumen dengan skor 78,84%. Dengan adanya sistem yang sesuai dengan keinginan konsumen, diharapkan penjual dapat menjadikan sistem sebagai salah satu strategi dalam pemasaran. Kata kunci : sistem pendukung keputusan, data mining, k-means, weighted product, kuliner Typical food is a food that has characteristics that are not found in other regions. The number of restaurants that sell typical food, trigger the need for strategy in marketing. This study aims to build information systems to improve marketing strategies by providing culinary product recommendations based on the criteria desired by consumers. K-means clustering technique is used to provide recommendations based on restaurant groupings based on food category using the number of menu data found in the restaurant. Based on the number of data menus, the data in the cluster into 6 groups. The categories of food desired by consumers are divided into six categories: appetizers, soups, desserts, snacks and drinks. After the data are grouped, the result data of grouping is used as the process of restaurant filter to be processed in the ranking process using weighted product method. In addition to menu categories, the criteria used are the number of menus, prices, distances and facilities. The data is then calculated and resulted in the ranking of restaurant recommendations in accordance with the criteria desired by consumers. The case study was conducted on 105 restaurants that sell typical food in Semarang City. Information systems for choosing culinary products using weighted products can provide a good recommendation. In the test of accuracy with the expert, obtained a score of 77.14% in the clustering restaurant based on the menu category using k-means clustering method and a score of 100% for ranking restaurant recommendations using weighted product method. While in the beta test, obtained the conclusion that the system built functioned in accordance with the desired consumer with a score of 78.84%. With the system in accordance with the wishes of consumers, it is expected the seller can make the system as one of the strategies in marketing. Keywords : decision support system, data mining, k-means, weighted product, culinary