Keywords
Peningkatan Penjualan Produk
Naïve Bayes
How to Cite
Abstract
Segala bidang kehidupan sekarang dipengaruhi oleh kemajuan teknologi informasi yang semakin pesat. Kemajuan ini memungkinkan jumlah data yang sangat besar dan beragam diakses dari berbagai bidang kehidupan, termasuk industri, ekonomi, ilmu pengetahuan, dan teknologi. Banyak hal yang mendorong kemajuan luar biasa dalam data mining .Tujuan dari dilakukan penelitian ini adalah untuk memudahkan mengetahui hasil prediksi dengan metode klasifikasi menerapkan data mining pada data penjualan dan transaksi penjualan dan mengetahui sejauh mana algoritma naive bayes untuk menghasilkan informasi atau pengetahuan baru yang dapat membantu peningkatan penjualan produk yang baik, efisien, dan efektif dalam menghadapi pesaing bisnis lainnya dan menambah omset penjualan untuk tiap bulannya.Berdasarkan hasil Analisa pada penelitian yang dilakukan, didapatkan hasil prediksi dalam menetukan penjualan produk , dari pengujian yang dilakukan dengan membandingkan data training dengan data testing menggunakan tools RapidMiner menunjukkan bahwa algoritma Naïve Bayes menghasilkan akurasi yang sangat tinggi, terbukti dengan akurasi sebesar 98,98%.
References
“PERAN TEKNOLOGI INFORMASI DAN KOMUNIKASI DALAM PENDIDIKAN”, doi: http://dx.doi.org/10.24042/atjpi.v8i1.2095.
R. Alhapizi, M. Nasir, and I. Effendy, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru Universitas Bina Darma Palembang,” 2020. doi: 10.51519/journalsea.v1i1.10.
S. Kanti et al., “IMPLEMENTASI DATA MINING PENJUALAN HANDPHONE OPPO STORE SDC TANGGERANG DENGAN ALGORITMA APPRIORI.”
S. Rahmatullah et al., “DATA MINING UNTUK MENENTUKAN PRODUK TERLARIS MENGGUNAKAN METODE NAIVE BAYES.” doi: https://doi.org/10.35959/jik.v7i2.150.
Y. Asriningtias and R. Mardhiyah, “APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA,” 2014. doi: http://dx.doi.org/10.26555/jifo.v8i1.a2082.
“ANALISIS PERSEPSI HARGA, KUALITAS PELAYANAN, CUSTOMER RELATIONSHIP MARKETING, DAN KEPERCAYAAN TERHADAP PENINGKATAN PENJUALAN DIMEDIASI LOYALITAS PELANGGAN PADA UMKM AYAM POTONG ONLINE ELMONSU”, doi: https://doi.org/10.36778/jesya.v3i1.66.
P. B. N. Setio, D. R. S. Saputro, and B. Winarno, “Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5,” vol. 3, pp. 64–71, 2020, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
E. Apriliyani and Y. Salim, “Analisis performa metode klasifikasi Naïve Bayes Classifier pada Unbalanced Dataset,” Indonesian Journal of Data and Science (IJODAS), vol. 3, no. 2, pp. 47–54, 2022, doi: 10.56705/ijodas.v3i2.45.
M. Fahmi Nugraha and S. B. Rahayu, “Penerapan Naïve Bayes dalam Mengklasifikasi Calon Penerima Bantuan Pangan Non Tunai di Desa Nanjung Mekar,” INTERNAL (Information System Journal, vol. 5, no. 2, pp. 137–146, doi: 10.32627.
O. Nurdiawan and N. Salim, “PENERAPAN DATA MINING PADA PENJUALAN BARANG MENGGUNAKAN METODE METODE NAIVE BAYES CLASSIFIER UNTUK OPTIMASI STRATEGI PEMASARAN,” Jurnal Teknologi Informasi dan Komunikasi STMIK Subng, 2018.
A. Fauzi Sistem Informasi, F. H. Universitas Buana Perjuangan Karawang Jl Ronggowaluyo, T. Timur, and K. priati, Data Mining dengan Teknik Clustering Menggunakan Algoritma K-Means pada Data Transaksi Superstore. 2017. [Online]. Available: http://community.tableau.com.
S. Mujahidin and M. C. Cahyo Utomo, “Implementasi Analisis Sentimen Masyarakat Mengenai Kenaikan Harga BBM Pada Komentar Youtube Dengan Metode Gaussian naïve bayes”, doi: 10.24036/voteteknika.v10i3.118299.
B. Rahmat et al., “IMPLEMETASI K-MEANS CLUSTERING PADA RAPIDMINER UNTUK ANALISIS DAERAH RAWAN KECELAKAAN.”
S. Wibowo, “Penerapan Logika Fuzzy Dalam Penjadwalan Waktu Kuliah.” doi: https://doi.org/10.26877/jiu.v1i1%20Juni.809.
R. Darmawan and A. Surahmat, “Optimalisasi Support Vector Machine (SVM) Berbasis Particle Swarm Optimization (PSO) Pada Analisis Sentimen Terhadap Official Account Ruang Guru Di Twitter,” 2022. [Online]. Available: http://ejurnal.ubharajaya.ac.id/index.php/JKI
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Cinta Azzaria, Mieta Silvia Aviva, Ela Esti Susanti, Erna Daniati, Aidina Ristyawan