Implementasi Data Mining untuk Memprediksi Penjualan Produk Terlaris pada Petshop Menggunakan Algoritma Naive Bayes
Total View This Week0
Total View This Week0
Institusion
Universitas Putera Batam
Author
Gaho, Ibrani
Subject
004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Datestamp
2024-11-02 03:00:53
Abstract :
Penelitian ini dilakukan untuk memprediksi penjualan produk terlaris di petshop Berry Catszone Batam menggunakan algoritma Naïve Bayes, sebuah metode data mining yang efektif untuk analisis pola dan tren data. Masalah utama yang dihadapi adalah sulitnya memprediksi penjualan produk terlaris karena beragamnya produk yang dijual dan analisis manual yang memakan waktu serta sumber daya besar. Dengan metode ini, penelitian bertujuan untuk mengelola stok produk lebih efisien, mengurangi biaya penyimpanan, dan meningkatkan kepuasan pelanggan. Data yang digunakan berasal dari penjualan satu tahun terakhir. Hasil penelitian menunjukkan bahwa implementasi algoritma Naïve Bayes dapat meningkatkan akurasi prediksi penjualan dan memberikan wawasan yang bermanfaat bagi manajemen petshop, Pengolahan data dengan RapidMiner menghasilkan akurasi prediksi sebesar 90,41%. Class precision untuk prediksi produk laris adalah 88,24%, sedangkan untuk produk yang tidak laris adalah 90,00%. Class recall untuk prediksi produk laris mencapai 90,91%, sementara untuk produk yang tidak laris mencapai 92,31%. Implementasi menggunakan RapidMiner efektif dalam memproses data penjualan dan menghasilkan model prediksi yang akurat, membantu pemilik petshop dalam mengelola stok produk, mengurangi biaya penyimpanan, dan meningkatkan rotasi stok serta kepuasan pelanggan.
Penelitian ini dilakukan untuk memprediksi penjualan produk terlaris di petshop Berry Catszone Batam menggunakan algoritma Naïve Bayes, sebuah metode data mining yang efektif untuk analisis pola dan tren data. Masalah utama yang dihadapi adalah sulitnya memprediksi penjualan produk terlaris karena beragamnya produk yang dijual dan analisis manual yang memakan waktu serta sumber daya besar. Dengan metode ini, penelitian bertujuan untuk mengelola stok produk lebih efisien, mengurangi biaya penyimpanan, dan meningkatkan kepuasan pelanggan. Data yang digunakan berasal dari penjualan satu tahun terakhir. Hasil penelitian menunjukkan bahwa implementasi algoritma Naïve Bayes dapat meningkatkan akurasi prediksi penjualan dan memberikan wawasan yang bermanfaat bagi manajemen petshop, Pengolahan data dengan RapidMiner menghasilkan akurasi prediksi sebesar 90,41%. Class precision untuk prediksi produk laris adalah 88,24%, sedangkan untuk produk yang tidak laris adalah 90,00%. Class recall untuk prediksi produk laris mencapai 90,91%, sementara untuk produk yang tidak laris mencapai 92,31%. Implementasi menggunakan RapidMiner efektif dalam memproses data penjualan dan menghasilkan model prediksi yang akurat, membantu pemilik petshop dalam mengelola stok produk, mengurangi biaya penyimpanan, dan meningkatkan rotasi stok serta kepuasan pelanggan.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
