Implementasi Data Mining Untuk Mengklasifikasikan Data Penjualan Pada Supermarket Menggunakan Algoritma Naïve Bayes
DOI:
https://doi.org/10.54066/jmbe-itb.v1i1.70Keywords:
Data Mining, Supermarket, Naive Bayes.Abstract
Teknologi semakin berkembang atau berkembang sangat pesat. Perkembangan teknologi juga mempengaruhi tuntutan masyarakat yang semakin meningkat sehingga toko atau supermarket berlomba-lomba menyediakan berbagai jenis produk atau kebutuhan sehari-hari. Walau supermarket pasar moderen yang menyaingi pasar tradisional, akan tetapi supermarket pun pasti akan tersaingi oleh supermarket yang lain. Setiap kota pasti ada trial yang berbeda- beda,yang dimana pelanggan pasti akan memilih mana yang sangat pantas mereka kunjungi untuk berbelanja dan mana yang tidak. Namun, di setiap toko dan supermarket perlu diketahui jenis produk apa saja yang diminati oleh pelanggan yang akan dituju dan pelayanan yang bagaimana yang mereka inginkan. Dataset supermarket ini mempunyai histori penjualan di 3 (tiga) cabang berbeda selama 3 bulan. Membutuhkan klasifikasi penjualan supaya supermarket tersebut bisa menigkatkan perkembangnya dalam menjual barangnya. Dari hasil riset yang dilakukan di supermarket 3 cabang tersebut terdapat 16 artibut dan 1000 record, Supermarket menjual barang umum, elektronik, fashion, makanan dan minuman, kesehatan dan kecantikan, kebutuhan rumah dan gaya hidup, olahraga dan perjalanan. Untuk membantu toko dan supermarket, penulis akan melakukan analisis dengan mengklasifikasikan data mining pada supermarket sort dengan menggunakan algoritma naive bayes untuk mengetahui jenis produk yang disukai pelanggan di 3 cabang dalam 3 bulan. Kategori produk yang diperoleh dari mengklasifikasikan produk penjualan dapat meghasilan akurasi mencapai 98.5%. Penggunaan metode algoritma naive bayes dan confusional matrix memberikan pengaruh yang sangat penting dalam mendapatkan klasifikasi penjualan supermarket yang akurasi dan signifikat.
References
Bertalya. (2009). Konsep Data Mining, Klasifikasi: Pohon Keputusan. Universitas Gunadarma.
C, D. A., Bayes, N., & Svm, D. A. N. (2019). Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika. 13(1), 16–25.
Evania Dini, A. R. S. . (2021). Optimalisasi Pembelajaran Jarak Jauh Dengan Memanfaatkan Sarana Teknologi Informasi Dan Komunikasi. Didaktik : Jurnal Ilmiah PGSD STKIP Subang, 7(02), 348–363. https://doi.org/10.36989/didaktik.v7i02.222
Faid, M. (2019). Perbandingan Kinerja Tool Data Mining Weka dan Rapidminer Dalam Algoritma Klasifikasi. 8. https://doi.org/10.34148/teknika.v8i1.95
Hadianto, N., Novitasari, H. B., & Rahmawati, A. (2019). Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network. Jurnal Pilar Nusa Mandiri, 15(2), 163–170. https://doi.org/10.33480/pilar.v15i2.658
Prawiyogi, A. G., Sadiah, T. L., Purwanugraha, A., & Elisa, P. N. (2021). Penggunaan Media Big Book untuk Menumbuhkan Minat Membaca di Sekolah Dasar. Jurnal Basicedu, 5(1), 446–452. https://doi.org/10.31004/basicedu.v5i1.787
Purba, W., Siawin, W., & . H. (2019). Implementasi Data Mining Untuk Pengelompokkan Dan Prediksi Karyawan Yang Berpotensi Phk Dengan Algoritma K-Means Clustering. Jurnal Sistem Informasi Dan Ilmu Komputer Prima(JUSIKOM PRIMA), 2(2), 85–90. https://doi.org/10.34012/jusikom.v2i2.429
Shafarindu, A. I., Patimah, E., Siahaan, Y. M., & Wardhana, A. W. (2021). Klasifikasi Data Penjualan pada Supermarket dengan Metode Decision Tree. April, 660–667.
Sugianto, C. A., Maulana, F. R., & Mining, D. (2019). Algoritma Naïve Bayes Untuk Klasifikasi Penerima Bantuan Pangan Non Tunai ( Studi Kasus Kelurahan Utama ). 18(4), 321–331.
Sulistiani, H., Utami, Y. T., Informatika, J., & Indonesia, U. T. (2018). Penerapan algoritma klasifikasi sebagai pendukung keputusan pemberian beasiswa mahasiswa. 300–305.