Implementasi Data Mining dalam Memprediksi Produk AC Terlaris untuk Meningkatkan Penjualan Menggunakan Metode Naive Bayes

Penulis

  • Fitriana Harahap Universitas Potensi Utama
  • Wirhan Fahrozi Universitas Potensi Utama
  • Robiatul Adawiyah Universitas Potensi Utama
  • Elida Tuti Siregar Universitas Potensi Utama
  • Ahir Yugo Nugroho Harahap Universitas Potensi Utama

DOI:

https://doi.org/10.52072/unitek.v16i1.541

Kata Kunci:

Data Mining, Nave Bayes, Penjualan, AC

Abstrak

Amanah Elektronik adalah perusahaan yang bergerak di bidang elektronik khususnya penjualan AC. Untuk membantu perusahaan ini maju maka diperlukan suatu sistem yang akan membantu kemajuan perusahaan dalam memaksimalkan penjualan produknya, maka peneliti mencoba melakukan penelitian terhadap data produk dengan menggunakan metode Naive Bayes Classifier. Tujuannya untuk mengetahui penerapan data mining menggunakan algoritma Naive Bayes dalam menentukan klasifikasi produk terlaris dan hasil akurasi data pada penjualan AC. Data yang digunakan sebanyak 32 data yang terdiri dari 4 atribut yaitu nama product, kapasitas, daya, dan harga. Tingkat akurasi klasifikasi menghasilkan nilai Accuracy sebesar 75%, nilai Precision sebesar 66,67%, dan nilai Recall sebesar 66,67% sehingga metode Naive Bayes merupakan metode yang cukup baik dalam penelitian ini.

Unduhan

Data unduhan belum tersedia.

Biografi Penulis

Fitriana Harahap, Universitas Potensi Utama

 

 

 

Wirhan Fahrozi , Universitas Potensi Utama

 

 

Robiatul Adawiyah, Universitas Potensi Utama

 

 

Elida Tuti Siregar, Universitas Potensi Utama

 

 

Ahir Yugo Nugroho Harahap, Universitas Potensi Utama

 

 

Referensi

Adek, A. P., Syafria, F., Haerani, E., & Budianita, E. (2022). Diagnosa Awal Disgrafia pada Anak Menggunakan Metode Bacpropagation. Jurnal Unitek, 15(2), 123–132. https://doi.org/10.52072/unitek.v15i2.391

Annur, H. (2018). Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes. ILKOM Jurnal Ilmiah, 10(2), 160–165. https://doi.org/10.33096/ilkom.v10i2.303.160-165

Harahap, F., Harahap, A. Y. N., Ekadiansyah, E., Sari, R. N., Adawiyah, R., & Harahap, C. B. (2019). Implementation of Naïve Bayes Classification Method for Predicting Purchase. 2018 6th International Conference on Cyber and IT Service Management, CITSM 2018, Citsm, 1–5. https://doi.org/10.1109/CITSM.2018.8674324

Jafar Hamid, A., & Ahmed, T. M. (2016). Developing Prediction Model of Loan Risk in Banks Using Data Mining. Machine Learning and Applications: An International Journal, 3(1), 1–9. https://doi.org/10.5121/mlaij.2016.3101

Karim, M., & Rahman, R. M. (2013). Decision Tree and Naïve Bayes Algorithm for Classification and Generation of Actionable Knowledge for Direct Marketing. Journal of Software Engineering and Applications, 06(04), 196–206. https://doi.org/10.4236/jsea.2013.64025

Kawani, G. P. (2019). Implementasi Naive Bayes. Journal of Informatics, Information System, Software Engineering and Applications (INISTA), 1(2), 73–81. https://doi.org/10.20895/inista.v1i2.73

Khedr, A. E., Salama, S. E., & Yaseen, N. (2017). Predicting stock market behavior using data mining technique and news sentiment analysis. International Journal of Intelligent Systems and Applications, 9(7), 22–30. https://doi.org/10.5815/ijisa.2017.07.03

Rahangdale, G., Ahirwar, M., & Motwani, M. (2016). Application of k-NN and Naïve Bayes Algorithm in Banking and Insurance Domain. International Journal of Computer Science Issues, 13(5), 69–75. https://doi.org/10.20943/01201605.6975

Sahwari, S., & Seituni, S. (2022). Sistem Informasi Pelayanan Bimbingan Konseling Menggunakan Visual Basic 2010 di SMK Farida Adzdzikraa. Jurnal Unitek, 15(2), 173–180. https://doi.org/10.52072/unitek.v15i2.460

##submission.downloads##

Diterbitkan

2023-06-30

Cara Mengutip

Harahap, F., Fahrozi , W., Adawiyah, R., Siregar, E. T., & Harahap, A. Y. N. (2023). Implementasi Data Mining dalam Memprediksi Produk AC Terlaris untuk Meningkatkan Penjualan Menggunakan Metode Naive Bayes. JURNAL UNITEK, 16(1), 41–51. https://doi.org/10.52072/unitek.v16i1.541

Terbitan

Bagian

Articles

Artikel paling banyak dibaca berdasarkan penulis yang sama