Analisis DatAnalisis Data Mining untuk Klasifikasi Kafe Populer di Jakarta Menggunakan Decision Tree dan Visualisasi dengan Tableaua Mining untuk Klasifikasi Kafe Populer di Jakarta Menggunakan Decision Tree dan Visualisasi dengan Tableau
Abstract
The rapid growth of the café business in Jakarta has increased competition in this sector. Cafes are now not only places to enjoy food and drinks, but also function as cross-generational social spaces. This condition encourages the need for research to understand the factors that influence the popularity of a cafe. This study aims to analyze popular cafes in Jakarta using the C4.5 Decision Tree algorithm and present the results visually through Tableau. The data used includes price, number of reviews, rating, population density, location, address and neighborhood. Using RapidMiner, a classification process was performed to identify the variables that have the most influence on the popularity of a cafe. The Decision Tree algorithm was chosen because it can produce models that are easy to understand and visualize. The results of the analysis showed an accuracy rate of 95.69%, with high precision and recall values in each of the popular and less popular classes.
Keyword: Classification; Decision Tree C4.5; Cafe Popularity; Data Visualisation; Tableau
Abstrak
Pesatnya pertumbuhan bisnis kafe di Jakarta meningkatkan persaingan yang semakin ketat di sektor ini. Kafe kini bukan hanya tempat menikmati makanan dan minuman, tetapi juga berfungsi sebagai ruang sosial lintas generasi. Kondisi ini mendorong perlunya penelitian untuk memahami faktor-faktor yang mempengaruhi popularitas sebuah kafe. Penelitian ini bertujuan untuk menganalisis kafe-kafe populer di Jakarta menggunakan algoritma Decision Tree C4.5 dan menyajikan hasilnya secara visual melalui Tableau. Data yang digunakan meliputi harga, jumlah ulasan, rating, kepadatan penduduk, lokasi, alamat dan kelurahan. Dengan menggunakan RapidMiner, proses klasifikasi dilakukan untuk mengidentifikasi variabel yang paling berpengaruh terhadap popularitas suatu kafe. Algoritma Decision Tree dipilih karena mampu menghasilkan model yang mudah dipahami dan divisualisasikan. Hasil analisis menunnjukkan tingkat akurasi model sebesar 95,69%, dengan nilai precision dan recall yang tinggi di masing-masing kelas popular dan kurang popular.
Keywords
References
A. Nisa, M. R. Widhiasti, and E. P. Dewi, “Indoor to outdoor: Transformation of Coffee Shops in Jakarta,” Int. J. Built Environ. Sci. Res., vol. 6, no. 1, pp. 17–30, 2022, doi: 10.24853/ijbesr.6.1.17-32.
M. Bitutomo and D. R. S. Ambarwati, “Konsep Sustainable Design Pada Interior Loma Kafe Prambanan,” Sungging, vol. 2, no. 1, pp. 67–79, 2023, doi: 10.21831/sungging.v2i1.60661.
F. M. Ayu Riska Salsabillah, Habib Bahari K, “Product Quality, Service Quality, Price, and Location Influence Towards Coffee Shop Customer’s Satisfaction,” Manag. Stud. Entrep. J., vol. 5, no. 1, pp. 1408–1423, 2024, [Online]. Available: http://journal.yrpipku.com/ index.php/msej
R. N. Hikmah, S. S. Putra, and K. Digdowiseiso, “The Influence Of Product Quality, Price Perception, And Service Quality On Consumer Satisfaction At Inspirasi Coffee Jatinegara,” Manag. Stud. Entrep. J., vol. 4, no. 6, pp. 9027–9034, 2023, [Online]. Available: http://journal.yrpipku.com/index.php/msej
L. T. Halila Titin Hariyanto, “Analisis Pengaruh Online Customer Review, Online Customer Rating, dan Star Seller terhadap Kepercayaan Pelanggan Hingga Keputusan Pembelian pada Toko Online di Shopee,” vol. 9, no. 2, pp. 71–78, 2020, doi: 10.1145/1133890.1133898.
B. P. Statistik, “Provinsi DKI Jakarta dalam Angka 2024,” vol. 54, 2024.
K. Safitri and E. Widiati, “Pengaruh Online Customer Review, Rating, dan Kepercayaan terhadap Niat Beli Konsumen pada Aplikasi Tokopedia,” Manajerial J. Manaj. dan Sist. Inf., vol. 21, no. 2, pp. 153–160, 2022, [Online]. Available: http://ejournal.upi.edu/index.php/ manajerial/
B. Aktavera and H. O. L. Wijaya, “Klasifikasi Produk Menggunakan Algoritma Decision Tree,” J. Teknol. Inf. Mura, vol. 15, no. 1, pp. 24–29, 2024, doi: 10.32767/jti.v15i1.2264.
S. Nuraeni, “Analisis Visualisasi Pendapatan Perusahaan Sektor Industri Manufaktur Menggunakan Tableau Public,” vol. 3, pp. 11494–11505, 2024.
R. M. Parthe, “Comparative Analysis of Data Visualization Tools: Power BI and Tableau,” Interantional J. Sci. Res. Eng. Manag., vol. 07, no. 10, pp. 1–11, 2023, doi: 10.55041/ijsrem26272.
S. Hinggit, “Klasifikasi Kepuasan Pelanggan Coffee Shop Paturupa Menggunakan Decision Tree,” In Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, 2023, Vol. 4, No. 2, pp. 510-518.
U. H. Muhammad Fihir, Martanto, “Klasifikasi Tingkat Kepuasan Pelanggan Kopi Kenangan Menggunakan Metode Decision Tree Pada Aplikasi Kopi Kenangan,” vol. 7, no. 6, pp. 3830–3833, 2023.
F. Dwi, P. Tanjung, A. P. Windarto, and E. Irawan, “Penerapan Datamining Klasifikasi Pada Faktor Pemilihan Café Bagi Anak Millineal,” Bull. Data Sci., vol. 1, no. 3, pp. 90–98, 2022.
M. Iqbal, S. Miskiyah, S. L. Sham, S. Anwar, and M. H. Fuad, “Perbandingan Metode Decision Tree dan Naive Bayes Pada Tingkat Penjualan Minuman Kopi di Kopi Pawon Nusantara,” J. Insa. J. Inf. Syst. Manag. Innov., vol. 4, no. 1, pp. 27–34, 2024, doi: 10.31294/jinsan.v4i1.3682.
N. T. Kenidy, T. Sutrisno, and I. Lewenusa, “Visualisasi Data Penjualan dengan Tableau,” vol. 14, no. 2, pp. 143–147, 2024, [Online]. Available: https://jurnal.ubl.ac.id/index.php/ expert/article/download/4050/2870
Dinas Kependudukan dan Pencatatan Sipil DKI Jakarta, “Data Kepadatan Penduduk DKI Jakarta,” 2024. [Online]. Available: https://satudata.jakarta.go.id/open-data/detail? kategori=dataset&page_url=data-kepadatan-penduduk-provinsi-dki-jakarta&data_no=1
I. N. Dwi Vernanda, Tri Herdiawan, Erika Rachmawati, “Analisis Tingkat Pengunduran Diri Dan Strategi Peningkatan Partisipasi Mahasiswa Menggunakan Metode Decision Tree,” vol. 9, no. 2, pp. 145–154, 2023.
S. S. A. Larasati, E. N. K. Dewi, B. H. Farhansyah, F. A. Bachtiar, and F. Pradana, “Penerapan Decision Tree dan Random Forest dalam Deteksi Tingkat Stres Manusia Berdasarkan Kondisi Tidur,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 7, pp. 1503–1510, 2023, doi: 10.25126/jtiik.1077993.
E. Prasetyo and B. Prasetiyo, “Peningkatan Akurasi Klasifikasi Algoritma C 4.5 Menggunakan Teknik Bagging pada Diagnosis Penyakit Jantung,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 5, pp. 1035–1040, 2020, doi: 10.25126/jtiik.2020752379.
D. Lie, M. Butarbutar, S. Simatupang, E. Efendi, H. A. Damanik, and M. F. Silaen, “Pengaruh Lokasi Terhadap Kepuasan Konsumen Pada Kedai Kopi Baravi Pematangsiantar,” Strateg. J. Manag. Sci., vol. 1, no. 2, pp. 32-41, 2021, doi: 10.37403/strategic.v1i2.19.
How To Cite This :
Refbacks
- There are currently no refbacks.
