PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK PREDIKSI PRODUK TERLARIS

NATIAR, ERLANDA (2023) PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK PREDIKSI PRODUK TERLARIS. S1 thesis, Universitas Mercu Buana Bekasi.

Preview	Text 41519210074 - Erlanda Natiar - 01 Cover.pdf Download (357kB) | Preview
Preview	Text 41519210074 - Erlanda Natiar - 02 Abstrak.pdf Download (31kB) | Preview
	Text 41519210074 - Erlanda Natiar - 03 Bab 1.pdf Restricted to Registered users only Download (285kB)
	Text 41519210074 - Erlanda Natiar - 04 Bab 2.pdf Restricted to Registered users only Download (368kB)
	Text 41519210074 - Erlanda Natiar - 05 Bab 3.pdf Restricted to Registered users only Download (285kB)
	Text 41519210074 - Erlanda Natiar - 06 Bab 4.pdf Restricted to Registered users only Download (625kB)
	Text 41519210074 - Erlanda Natiar - 07 Bab 5.pdf Restricted to Registered users only Download (228kB)
	Text 41519210074 - Erlanda Natiar - 08 Daftar Pustaka.pdf Restricted to Registered users only Download (189kB)
	Text 41519210074 - Erlanda Natiar - 09 Lampiran.pdf Restricted to Registered users only Download (590kB)

Abstract

Prediksi produk terlaris merupakan salah satu hal yang penting bagi sebuah petshop. Dengan mengetahui produk apa yang paling laris, petshop dapat mempersiapkan stok barang yang cukup dan mengoptimalkan penjualan. Data mining merupakan suatu teknik untuk mengekstraksi informasi yang berharga dari data. Salah satu algoritma yang paling populer digunakan untuk tujuan ini adalah algoritma Naïve Bayes. Algoritma ini didasarkan pada teori probabilitas Bayes dan dikenal karena kesederhanaan dan keefektifannya. Metode ini dapat digunakan untuk memprediksi produk terlaris pada petshop dengan memanfaatkan data transaksi yang ada. Tujuan dari penelitian ini adalah untuk mengetahui tingkat performa dari algoritma Naïve Bayes dalam membantu pemilik toko saat mengambil keputusan untuk memprediksi produk yang sedikit dan banyak diminati oleh pelanggan khususnya pada kategori makanan kucing. Dalam penelitian ini, data transaksi yang digunakan mulai dari bulan Mei 2022 sampai dengan Februari 2023 di Spot Petshop yang digunakan sebagai studi kasus. Hasil dari penelitian ini menunjukkan bahwa algoritma Naïve Bayes dapat digunakan untuk memprediksi produk terlaris pada petshop dengan nilai accuracy sebesar 97,28%. Kata kunci : Data Mining, Klasifikasi, Naïve Bayes Predicting the best-selling products is one of the most important things for a pet shop. By knowing what products are the best sellers, petshop can prepare enough stock and optimize sales. Data mining is a technique to extract valuable information from data. One of the most popular algorithms used for this purpose is the Naïve Bayes algorithm. This algorithm is based on Bayes probability theory and is known for its simplicity and effectiveness. This method can be used to predict the bestselling products in petshop by utilizing existing transaction data. The purpose of this study is to determine the performance level of the Naïve Bayes algorithm in helping store owners when making decisions to predict products that are in little and high demand by customers, especially in the cat food category. In this study, transaction data used from May 2022 to February 2023 at Spot Petshop was used as a case study. The results of this study show that the Naïve Bayes algorithm can be used to predict the best-selling products in petshop with an accuracy value of 97.28%. Keywords : Data Mining, Classification, Naïve Bayes

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO 23 037
NIM/NIDN Creators:	41519210074
Uncontrolled Keywords:	Data Mining, Klasifikasi, Naïve Bayes
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	siti maisyaroh
Date Deposited:	27 Sep 2023 04:53
Last Modified:	27 Sep 2023 04:53
URI:	http://repository.mercubuana.ac.id/id/eprint/81529

Actions (login required)

View Item