Penerapan Algoritma Apriori Dalam Analisis Pola Pembelian Pelanggan Pada Usaha Kafe

Fransiska Diana Hermanto; Agrienta Bellanov

doi:10.37477/isejou.v4i1.888

Authors

Fransiska Diana Hermanto Universitas Katolik Darma Cendika
Agrienta Bellanov Universitas Katolik Darma Cendika

DOI:

https://doi.org/10.37477/isejou.v4i1.888

Keywords:

Algoritma Apriori, Market Basket Analysis, Data Transaksi, Aturan Asosiasi, Kafe

Abstract

The increasing volume of sales transaction data in café businesses requires proper data management so that it can be utilized to support business decisionmaking. However, transaction data are often not optimally analyzed, causing customer purchasing patterns to remain unidentified. This study aims to identify customer purchasing patterns at Little Flock Cafe using the Apriori algorithm. The method employed is applied research with a quantitative approach. The data analyzed consist of one month of sales transaction records obtained through documentation of café sales data. The transaction data are represented in a boolean table and processed using the R software with the arulespackage. Minimum support and confidence parameters are applied to generate association rules among products. The results indicate several menu combinations that are frequently purchased together with lift values greater than one, indicating positive relationships among items. These purchasing patterns can be utilized to support menu arrangement strategies, promotional bundle development, and marketing effectiveness improvement. Therefore, the application of the Apriori algorithm is proven to provide useful insights for data-driven decision-making in café sales management.

References

Ansori, Manual, U., Brämswig, K., Ploner, F., Martel, A., Bauernhofer, T., Hilbe, W., Kühr, T., Leitgeb, C., Mlineritsch, B., Petzer, A., Seebacher, V., Stöger, H., Girschikofsky, M., Hochreiner, G., Ressler, S., Romeder, F., Wöll, E.,

Brodowicz, T., … Baker, D. (2022). No 主観的健康感を中心とした在宅高齢者における健康関連指標に関する共分散構造分析Title. Science, 7(1), 1–8. http://link.springer.com/10.1007/s00232-014-9701-9%0Ahttp://link.springer.com/10.1007/s00232-014-9700-x%0Ahttp://dx.doi.org/10.1016/j.jmr.2008.11.017%0Ahttp://linkinghub.elsevier.com/retrieve/pii/S1090780708003674%0Ahttp://www.ncbi.nlm.nih.gov/pubmed/1191

Apriana, D., & Yuliansyah, C. (2024). Mengoptimalkan Penjualan Online Melalui Teknik Data Mining (Studi Kasus E-Commerce). AL-MIKRAJ Jurnal Studi Islam Dan Humaniora (E-ISSN 2745-4584), 4(02), 514–527. https://doi.org/10.37680/almikraj.v4i02.4774

Apriyanto, B., & Sitio, S. L. M. (2025). Penerapan K-Means dalam Menganalisis Pola Pembelian Pelanggan Pada Data Transaksi E-Commerce. Bit-Tech, 7(3), 790–797. https://doi.org/10.32877/bt.v7i3.2195

Brighton, K., & Hariyanto, S. (2024). Penerapan Metode Market Basket Analisis Dengan Algoritma Apriori Pada Toko Ritel Elektronik. Bit-Tech, 7(1), 37–46. https://doi.org/10.32877/bt.v7i1.1417

Endrayanto Eko Christmawan, P., Kussuma Adiputra, A., Ilmu Sosial dan Ekonomi, F., & Respati Yogyakarta, U. (2023). Faktor-Faktor yang Mempengaruhi Usaha Mikro, Kecil dan Menengah (UMKM) dalam Menggunakan Informasi Akuntansi (Studi Kasus Pada UMKM Kuliner di Kecamatan Depok). Equilibrium Jurnal Bisnis & Akuntansi, XVII(1), 1–17.

Harjoseputro, Y., & Thomas Adi Purnomo Sidhi. (2021). Pemanfaatan Sistem Informasi Pada Usaha Kecil Menengah Untuk Pencatatan dan Pelaporan Transaksi Penjualan. Dinamisia : Jurnal Pengabdian Kepada Masyarakat, 5(5), 1305–1317. https://doi.org/10.31849/dinamisia.v5i5.4209

Hofsah, T. P., & Anggoro, T. (2024). 1999-2014. Journal Of Social Science Research, 4, 1999–2014.

Irwan, M., & Nasution, P. (2025). Data Management Sebagai Kunci Keunggulan. Jurnal Ilmiah Nusantara ( JINU), 2(4), 419–428.

Maoulana, R., Irawan, B., & Bahtiar, A. (2024). Data Mining Dalam Konteks Transaksi Penjualan Hijab Dengan Menggunakan Algoritma Clustering K-Means. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 515–521. https://doi.org/10.36040/jati.v8i1.8504

Natasya, A., Irwan, M., Nasution, P., Ekonomi, F., Bisnis, D., Islam, U., Sumatera, N., Ekonomi, F., Bisnis, D., Islam, U., & Sumatera, N. (2025). Sistem informasi manajemen pemasaran sebagai strategi peningkatan penjualan di era digital. 02, 73–78.

Rahman, I. F., & Riana, D. (2025). Market Basket Analysis untuk Penjualan Retail: Perbandingan Akurasi Algoritma Apriori dan FP-Growth Berbasis CRISP-DM. Jurnal Algoritma, 22(1), 468–479. https://doi.org/10.33364/algoritma/v.22-1.2303

Rahmawati, S. D., Oktavia, A. B., Putri, F. S. A., & Fithri, D. L. (2025). Penerapan Algoritma Apriori Untuk Menemukan Pola Asosiasi Pada Data Penjualan Retail Fashion. Simkom, 10(2), 289–295.

https://doi.org/10.51717/simkom.v10i2.910

Robby Suganda, & Achmad Solichin. (2024). Analisis Transaksi Penjualan Produk Minuman Kopi Menggunakan Metode Association Rule Dengan Algoritma Apriori. KRESNA: Jurnal Riset Dan Pengabdian Masyarakat, 4(1), 23–32. https://doi.org/10.36080/kresna.v4i1.132

Wijaya, A., Faqih, A., Solihudin, D., Rohmat, C. L., & Eka Permana, S. (2024). Penerapan Association Rules Menggunakan Algoritma Apriori Untuk Identifikasi Pola Pembelian. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3871–3878. https://doi.org/10.36040/jati.v7i6.8270