Perbandingan Algoritma K-Means dan K-Medoids Clustering Penjualan Menu Restoran Bebek Cak Selem Gresik
DOI:
https://doi.org/10.55606/jutiti.v6i2.7608Keywords:
Clustering, CRISP-DM, K-Means, K-Medoids, RestaurantAbstract
Restoran Bebek Cak Selem Gresik in Gresik, East Java, recorded 11,339 transactions across 39 menu items from January to May 2025, yet this data had never been used as a basis for sales strategy. This study applies and compares K-Means and K-Medoids to group menu items by units sold and price, using the CRISP-DM framework. The optimal number of clusters was determined via the Elbow Method and evaluated using Silhouette Score, Davies-Bouldin Index, and Adjusted Rand Index (ARI). K=3 was found optimal, with both algorithms producing an identical Silhouette Score of 0.5368, Davies-Bouldin Index of 0.5861, and ARI of 1.0, proving both generate exactly the same cluster partition. Three menu segments were formed: 8 high-selling, 19 medium-selling, and 12 low-selling menus, each with a distinct sales-strategy recommendation, translated into an interactive HTML dashboard in owner-friendly language. K-Means is the more practical choice for restaurant-scale data, delivering equal clustering quality at substantially lower computation cost.
Downloads
References
Akbar, R., & Octaviany, M. (2021). Perancangan visualisasi dashboard dan clustering dengan menerapkan business intelligence pada Dinas DPMPTSP Kabupaten Dharmasraya. JEPIN (Jurnal Edukasi dan Penelitian Informatika, 7(3), 340-350. https://doi.org/10.26418/jp.v7i3.49719
Alfarizi, M. R. S., Al-Farish, M. Z., Taufiqurrahman, M., Ardiansah, G., & Elgar, M. (2023). Penggunaan Python sebagai bahasa pemrograman untuk machine learning dan deep learning. KARIMAH TAUHID: Karya Ilmiah Mahasiswa Bertauhid, 2(1), 1-6.
Ana, E. S., Anwar, S., & Fuad, M. H. (2024). Analisa tingkat penjualan makanan dan minuman dengan klasterisasi menggunakan algoritma K-Means. Jurnal INSAN: Journal of Information System Management and Innovation, 4(1), 45-54. https://doi.org/10.31294/jinsan.v4i1.3763
Anggraeni, N. L., & Tresnawati, S. (2020). Komparasi algoritma K-Means dan K-Medoids untuk menangani strategi promosi di Politeknik TEDC Bandung. Jurnal TEDC, 14(2), 337-342.
Ansori, Y., & Wulandari, C. (2022). CRISP-DM method on Indonesian micro industries (UMKM) using K-Means clustering algorithm. MATICS: Jurnal Ilmu Komputer dan Teknologi Informasi, 14(2), 35-40. https://doi.org/10.18860/mat.v14i2.13760
Badan Pusat Statistik. (2023). Statistik industri mikro dan kecil 2023. https://www.bps.go.id/id/publication/2023/11/30/statistik-industri-mikro-dan-kecil-2023.html
Farissa, R. A., Mayasari, R., & Umaidah, Y. (2021). Perbandingan algoritma K-Means dan K-Medoids untuk pengelompokkan data obat dengan Silhouette Coefficient di Puskesmas Karangsambung. Journal of Applied Informatics and Computing, 5(2), 119-125. https://doi.org/10.30871/jaic.v5i2.3237
Fathurrahman, F., Harini, S., & Kusumawati, R. (2023). Evaluasi clustering K-Means dan K-Medoids pada persebaran COVID-19 di Indonesia dengan metode Davies-Bouldin Index (DBI). Jurnal Mnemonic, 6(2), 117-128. https://doi.org/10.36040/mnemonic.v6i2.6642
Gantara, N. P., & Ali, I. (2023). Penerapan metode K-Means clustering pada penjualan barang di Sports Station. E-Link: Jurnal Teknik Elektro dan Informatika, 18(1), 28-39. https://doi.org/10.30587/e-link.v18i1.5339
Hasan, Y. (2024). Pengukuran Silhouette Score dan Davies-Bouldin Index pada hasil cluster K-Means dan DBSCAN. Jurnal Informatika dan Teknik Elektro Terapan, 12(3S1). https://doi.org/10.23960/jitet.v12i3S1.5001
Iswavigra, D. U., Zen, L. E., Okfalisa, & Hanim, H. (2023). Marketing strategy UMKM dengan CRISP-DM clustering dan promotion mix menggunakan metode K-Medoids. Jurnal Informasi dan Teknologi, 5(1), 45-54.
Kamila, I., Khairunnisa, U., & Mustakim, M. (2019). Perbandingan algoritma K-Means dan K-Medoids untuk pengelompokan data transaksi bongkar muat di Provinsi Riau. Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, 5(1), 119-125. https://doi.org/10.24014/rmsi.v5i1.7381
Maori, N. A., & Evanita, E. (2023). Metode elbow dalam optimasi jumlah cluster pada K-Means clustering. Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, 14(2), 277-288. https://doi.org/10.24176/simet.v14i2.9630
Marlina, D., Lina, N., Fernando, A., & Ramadhan, A. (2018). Implementasi algoritma K-Medoids dan K-Means untuk pengelompokkan wilayah sebaran cacat pada anak. Jurnal CoreIT, 4(2), 64-70. https://doi.org/10.24014/coreit.v4i2.4498
Mulyani, H., Setiawan, R. A., & Fathi, H. (2023). Optimization of K value in clustering using Silhouette Score (Case study: Mall customers data). Journal of Information Technology and Its Utilization, 6(2), 45-50. https://doi.org/10.56873/jitu.6.2.5243
Sibarani, B. E., Setiawan, S., Hadi, T., Williams, T., & Mkhize, T. (2024). Penggunaan data analitik dalam strategi pemasaran untuk mempertahankan loyalitas pelanggan. Jurnal MENTARI: Manajemen, Pendidikan dan Teknologi Informasi, 3(1), 30-39. https://doi.org/10.33050/mentari.v3i1.592
Singgalen, Y. A. (2023). Penerapan metode CRISP-DM dalam klasifikasi data ulasan pengunjung destinasi Danau Toba menggunakan algoritma Naïve Bayes Classifier (NBC) dan Decision Tree (DT). JURIKOM (Jurnal Riset Komputer, 10(3). https://doi.org/10.30865/mib.v7i3.6461
Triyandana, G., Putri, L. A., & Umaidah, Y. (2022). Penerapan data mining pengelompokan menu makanan dan minuman berdasarkan tingkat penjualan menggunakan metode K-Means. Journal of Applied Informatics and Computing, 6(1), 40-46. https://doi.org/10.30871/jaic.v6i1.3824
Tsani, A. J. B., Mahardika, F., & Santika, D. (2025). Pembuatan web dashboard interaktif untuk analisis data penjualan vending machine. Modem: Jurnal Informatika dan Sains Teknologi, 3(2), 51-61. https://doi.org/10.62951/modem.v3i2.406
Wakhidah, N. (2010). Clustering menggunakan algoritma K-Means. Jurnal Transformatika, 8(1), 33-36. https://doi.org/10.26623/transformatika.v8i1.45
Wisudawati, N., Rahmawati, D., & Amelia, S. (2024). Strategi pengambilan keputusan berbasis data analytics pada UMKM untuk meningkatkan penjualan. Data Sciences Indonesia (DSI), 4(2), 88-97.
Yolandari, N. A., Butarbutar, L. E., Rajagukguk, G. C. H., Zulfi, M. F., Arnita, & Ramadhani, F. (2025). Analisis perbandingan K-Means dan DBSCAN dalam pengelompokan travel review ratings menggunakan evaluasi Silhouette Index dan Davies-Bouldin Index. Jurnal Informatika dan Teknik Elektro Terapan, 13(3), 470-481. https://doi.org/10.23960/jitet.v13i3.6884
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Jurnal Teknik Informatika dan Teknologi Informasi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
