Prediksi Status Konsumen Produk Celana Menggunakan Naïve Bayes

Authors

  • Din Syamsudin Universitas Narotama
  • Yosia Chrismas Decky Halundaka Universitas Narotama
  • Aryo Nugroho Universitas Narotama

DOI:

https://doi.org/10.31328/jointecs.v5i3.1435

Keywords:

prediksi, klasifikasi, naïve bayes, data mining, penjualan,

Abstract

Celana bahan merupakan kebutuhan pokok sehari-hari, permasalahan yang dihadapi ketidak pastian pembeli dikalangan antara Mahasiswa, Karyawan, dan Pelajar. Oleh karena itu penelitian ini bertujuan untuk memprediksi Status Konsumen Produk Celana menggunakan metode Naïve Bayes. karena metode Naïve Bayes yang dinilai baik melakukan klasifikasi dan akurasi dibandingkan metode Algoritma C4.5 yang memiliki ketidakstabilan dalam melakukan klasifikasi. Pengambilan data pada penelitian ini dari hasil wawancara pada penjual dibulan januari hingga desember tahun 2019 kemudian dilakukan penginputan pada excel dengan total 731 data. Dengan menseleksi data agar mendapatkan hasil yang sempurna dan akurat dilakukan pemangkasan variable dengan awal 10 variable menjadi 5 variable. Pada tahap preprocessing sebelum melakukan proses data mining untuk mengetahui jumlah data per-attribute lalu melakukan proses data mining menggunakan algoritma naïve bayes, dengan percentage split kombinasi 60 hingga 90 persen menunjukkan hasil masing-masing nilai akurasi 80,137%, 78,0822%, 81,5060%, dan 83,5616%. terbaik di angka kombinasi percentage split 90% dengan presentase akurasi 83,5616%. Dan hasil evaluasi menggunakan confusion matrix menampilkan bahwa status konsumen yang terbanyak dan lebih unggul dari class karyawan dan class pelajar ialah menunjukkan Class Mahasiswa.

Author Biographies

Din Syamsudin, Universitas Narotama

Program Studi Sistem Informasi

Yosia Chrismas Decky Halundaka, Universitas Narotama

Program Studi Sistem Informasi

Aryo Nugroho, Universitas Narotama

Program Studi Sistem Informasi

References

F. Rosi, M. A. Fauzi, and R. S. Perdana, “Prediksi Rating Pada Review Produk Kecantikan Menggunakan Metode Naïve Bayes dan Categorical Proportional Difference (CPD),†Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2018. .

G. Schuh, J.-P. Prote, and P. Hünnekes, “Data mining methods for macro level process planning,†Procedia CIRP, vol. 88, pp. 48–53, Jan. 2020.

S. F. Rodiyansyah, “Algoritma Apriori untuk Analisis Keranjang Belanja pada Data Transaksi Penjualan,†Infotech, vol. 1, no. 1, pp. 36–39, 2015.

S. Syarli and A. A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi),†J. Ilmu Komput., vol. 2, no. 1, pp. 22–26, 2018.

D. Hastuti et al., “Algoritma Naïve Baiyes Untuk Prediksi Profesi Berdasarkan Skill Job Seeker,†in Seminar Nasional Riset Kuantitatif Terapan 2017, 2017, vol. 1, no. April, pp. 63–67.

A. Khoerunnisa, B. Irawan, and M. R. Rumani, “Analisis dan implementasi perbandingan algoritma c.45 dengan naïve bayes untuk prediksi penawaran produk,†E-Proceeding Eng., vol. 3, no. 3, pp. 5029–5035, 2016.

T. I. Andini, W. Witanti, and F. Renaldi, “Prediksi Potensi Pemasaran Produk Baru dengan Metode Naïve Bayes Classifier dan Regresi Linear,†Semin. Nas. Apl. Teknol. Inf., pp. 27–32, 2016.

Y. S. Nugroho, “Penerapan Data Mining Untuk Prediksi Rating Penjualan Buku Menggunakan Metode Naive Bayes Sulastri * , Yusuf Sulistyo Nugroho,†Duta.com, vol. 12, no. 2, pp. 57–72, Apr. 2017.

S. Kom, E. Dewi, S. Mulyani, S. Kom, and I. R. Nurhasanah, “Penerapan Data Mining Classification Untuk Prediksi Perilaku Pola Pembelian Terhadap Waktu Transaksi Menggunakan Metode Naïve Bayes,†Konf. Nas. Sist. dan Inform., pp. 9–10, 2015.

F. Xu, Z. Pan, and R. Xia, “E-commerce product review sentiment classification based on a naïve Bayes continuous learning framework,†Inf. Process. Manag., vol. 57, no. 5, p. 102221, Sep. 2020.

C. Catur, “Prediksi Kegagalan Siswa Dalam Data Mining Dengan,†vol. 3, no. 1, pp. 42–46, 2019.

J. Singh, S. Bagga, and R. Kaur, “Software-based Prediction of Liver Disease with Feature Selection and Classification Techniques,†in Procedia Computer Science, 2020, vol. 167, pp. 1970–1980.

S. Alfarisi, “Sistem Prediksi Penjualan Gamis Toko QITAZ Menggunakan Metode Single Exponential Smoothing,†JABE (Journal Appl. Bus. Econ., vol. 4, no. 1, pp. 80–95, 2017.

W. Hadi, Q. A. Al-Radaideh, and S. Alhawari, “Integrating associative rule-based classification with Naïve Bayes for text classification,†Appl. Soft Comput. J., vol. 69, pp. 344–356, Aug. 2018.

R. Andrean, S. Fendy, and A. Nugroho, “Klasterisasi Pengendalian Persediaan Aki,†J. Inf. Technol. Comput. Sci., vol. 4, no. 1, pp. 5–11, 2019.

B. As’ad, “Prediksi Kehadiran Menggunakan Metode Klasifikasi Naïve Bayes, One-r, Decision Tree,†J. Penelit. Komun. dan Opini Publik, vol. 20, no. 1, pp. 1–10, 2016.

D. Laia, E. Buulolo, and M. J. F. Sirait, “Implementasi Data Mining Untuk Memprediksi Pemesanan Driver Go-Jek Online Dengan Menggunakan Metode Naive Bayes (Studi Kasus: Pt. Go-Jek Indonesia),†in KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), 2018, vol. 2, no. 1, pp. 434–439.

Y. Ko, “How to use negative class information for Naive Bayes classification,†Inf. Process. Manag., vol. 53, no. 6, pp. 1255–1268, Nov. 2017.

H. M and S. M.N, “A Review on Evaluation Metrics for Data Classification Evaluations,†Int. J. Data Min. Knowl. Manag. Process, vol. 5, no. 2, pp. 01–11, 2015.

Downloads

Additional Files

Published

2020-09-30

Issue

Vol. 5 No. 3 (2020)

Section

Articles

License

Pernyataan Hak Cipta dan Lisensi

Hak Cipta :

Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:

Hak cipta pada setiap artikel adalah milik penulis.

  1. Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
  2. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);

Lisensi :

JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.

This work is Under licensed

Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)