Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Penerapan Metode Two Step Cluster dalam Analisis Menu Engineering pada Usaha Kuliner

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 7 No. 2 (2020) · pp. 359–366

DOI
10.25126/jtiik.2020722012
ISSN
2528-6579, 2355-7699
Published
2020-02-18
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id

Abstract

Dalam usaha kuliner, analisis menu perlu dilakukan untuk melihat keseimbangan antara food cost, harga menu, popularitas item, juga pertimbangan finansial dan pemasaran. Menu engineering merupakan metodologi untuk mengelompokkan menu berdasar pada margin kontribusi dan popularitas. Pada penelitian ini dilakukan analisis menu engineering pada suatu Usaha Mikro Kecil dan Menengah (UMKM) di Kota Salatiga yang bergerak di bidang kuliner menggunakan Two-Step Cluster yang dapat menggali cluster alami sesuai dengan kumpulan data menu yang ada sehingga akan ditemukan jumlah cluster yang optimal. Two-Step Cluster adalah metode yang dapat menangani variabel kategori dan kontinu, oleh karena itu dilakukanlah adaptasi model menu engineering yang diusulkan Kasavana dan Smith (1982) dengan menambahkan variabel category, sehingga dengan menggunakan Two-Step Cluster dapat dilihat mayoritas kategori menu yang menjadi anggota pada setiap cluster. Adaptasi juga dilakukan dalam kelompok variabel kontinu, yaitu dengan menambahkan variabel revenue yang digunakan untuk perbandingan pada hasil cluster. Dengan indikator Schwarz's Bayesian Information Criterion (BIC) dihasilkanlah jumlah cluster optimal yaitu 4 cluster dengan anggota paling sedikit pada cluster “popularitas tinggi dan mempunyai margin kontribusi yang berada di atas rata-rata”. Pengujian clustering dilakukan dengan menggunakan metode Silhoutte dan menunjukkan kualitas cluster yang dihasilkan memiliki nilai Silhoutte yang besar yaitu 0,7. Hal ini membuktikan cluster-cluster yang terbentuk telah terklasterisasi dengan baik. Adapun manfaat dari penelitian ini adalah didapatkannya rekomendasi kebijakan baru untuk setiap cluster yang dihasilkan sehingga dapat digunakan pemilik UMKM dalam upaya peningkatan revenue usaha. AbstractIn culinary business, menu analysis is needed to see the balance of food cost, menu item prices, item popularity, as well as the financial and marketing considerations. Menu engineering is a method to group menu according to the contribution margin and popularity. The present study conducts a menu analysis to a Small Medium Enterprise (SME) in culinary business in Salatiga by implementing Two-Step Cluster analysis. It aims to find the natural clusters based on the existing menu data set to discover the optimal cluster number. Two-Step Cluster is a method that can be used to process categorical and continuous variables. In this study, the menu engineering model by Kasavana and Smith (1982) was adapted by adding the categorical variable. Therefore, by using the Two-Step Cluster method, the majority of menu category in each cluster can be seen. This adaption was also implemented in the continuous variable group by adding the revenue variable used for the comparison of the cluster results. With Schwarz's Bayesian Information Criterion (BIC) indicator, the results of the study show there are four clusters, in which “the highest popularity and the contribution margin above the average” cluster has the least members. Using Silhouette method, clustering testing was conducted, indicating the cluster quality result with 0,7 Silhouette value. As for the benefit of the study, new strategic recommendations can be generated for the resulted clusters based on which SME owners can improve their revenue.

Collaboration network of the authors

2 authors · 1 co-authorship link · 1 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Satya Wacana Christian University
  • University of Bunda Mulia
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Penerapan Metode Two Step Cluster dalam Analisis Menu Engineering pada Usaha Kuliner</dc:title>
	<dc:creator xml:lang="id">Setiyawati, Nina</dc:creator>
	<dc:creator xml:lang="id">Bangkalang, Dwi Hosanna</dc:creator>
	<dc:description xml:lang="id">Dalam usaha kuliner, analisis menu perlu dilakukan untuk melihat keseimbangan antara food cost, harga menu, popularitas item, juga pertimbangan finansial dan pemasaran. Menu engineering merupakan metodologi untuk mengelompokkan menu berdasar pada margin kontribusi dan popularitas. Pada penelitian ini dilakukan analisis menu engineering pada suatu Usaha Mikro Kecil dan Menengah (UMKM) di Kota Salatiga yang bergerak di bidang kuliner menggunakan Two-Step Cluster yang dapat menggali cluster alami sesuai dengan kumpulan data menu yang ada sehingga akan ditemukan jumlah cluster yang optimal. Two-Step Cluster adalah metode yang dapat menangani variabel kategori dan kontinu, oleh karena itu dilakukanlah adaptasi model menu engineering yang diusulkan Kasavana dan Smith (1982) dengan menambahkan variabel category, sehingga dengan menggunakan Two-Step Cluster dapat dilihat mayoritas kategori menu yang menjadi anggota pada setiap cluster. Adaptasi juga dilakukan dalam kelompok variabel kontinu, yaitu dengan menambahkan variabel revenue yang digunakan untuk perbandingan pada hasil cluster. Dengan indikator Schwarz's Bayesian Information Criterion (BIC) dihasilkanlah jumlah cluster optimal yaitu 4 cluster dengan anggota paling sedikit pada cluster “popularitas tinggi dan mempunyai margin kontribusi yang berada di atas rata-rata”. Pengujian clustering dilakukan dengan menggunakan metode Silhoutte dan menunjukkan kualitas cluster yang dihasilkan memiliki nilai Silhoutte yang besar yaitu 0,7. Hal ini membuktikan cluster-cluster yang terbentuk telah terklasterisasi dengan baik. Adapun manfaat dari penelitian ini adalah didapatkannya rekomendasi kebijakan baru untuk setiap cluster yang dihasilkan sehingga dapat digunakan  pemilik UMKM dalam upaya peningkatan revenue usaha. AbstractIn culinary business, menu analysis is needed to see the balance of food cost, menu item prices, item popularity, as well as the financial and marketing considerations. Menu engineering is a method to group menu according to the contribution margin and popularity. The present study conducts a menu analysis to a Small Medium Enterprise (SME) in culinary business in Salatiga by implementing Two-Step Cluster analysis. It aims to find the natural clusters based on the existing menu data set to discover the optimal cluster number. Two-Step Cluster is a method that can be used to process categorical and continuous variables. In this study, the menu engineering model by Kasavana and Smith (1982) was adapted by adding the categorical variable. Therefore, by using the Two-Step Cluster method, the majority of menu category in each cluster can be seen. This adaption was also implemented in the continuous variable group by adding the revenue variable used for the comparison of the cluster results. With Schwarz's Bayesian Information Criterion (BIC) indicator, the results of the study show there are four clusters, in which “the highest popularity and the contribution margin above the average” cluster has the least members. Using Silhouette method, clustering testing was conducted, indicating the cluster quality result with 0,7 Silhouette value. As for the benefit of the study, new strategic recommendations can be generated for the resulted clusters based on which SME owners can improve their revenue. </dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2020-02-18</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/2012</dc:identifier>
	<dc:identifier>10.25126/jtiik.2020722012</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 7 No 2: April 2020; 359-366</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 7 No. 2: April 2020; 359-366</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.202072</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/2012/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2020 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>