IMPLEMENTASI DATA MINING UNTUK PREDIKSI PENJUALAN PESTISIDA PADA CV MITRA ARTHA SEJATI MENGGUNAKAN ALGORITMA NAIVE BAYES
Keywords:
Prediksi, Penjualan, Data Mining, Algoritma Naive Bayes, Prediction, Sales, Naive Bayes Algorithm Naive BayesAbstract
Salah satu faktor penting untuk terciptanya perusahaan yang sehat dan berkembang adalah dengan adanya penjualan. Prediksi adalah salah satu kunci dari keberhasilan penjualan karena dengan nilai prediksi penjualan bisa dijadikan panduan sebagai acuan menentukan suatu penjualan produk. Salah satu cara untuk membuat prediksi penjualan yang agar lebih baik adalah dengan cara memanfaatkan pengolahan data mining menggunakan algoritma Naive Bayes. Algoritma Naive Bayes menghitung nilai probabilitas dari masing-masing atribut yang di teliti. Dari data penjualan CV Mitra Artha Sejati pada tahun 2017, 2018, 2019, dan 2020. Hasil perhitungan prediksi menggunakan algoritma Naive Bayes menghasilkan tingkat akurasi prediksi mencapai 94,59% dengan class precision yaitu “YA” 100.00%, “TIDAK” 94.44%, dan untuk class recall yaitu “YA” 33.33%, dan “TIDAK” 100.00%.
References
Ahmadi. (2018). Perancangan Aplikasi Prediksi Penjualan Handphone Dengan Menerapkan Metode Mancova. 17(April), 150–152.
Alfarisi, S. (2017). Sistem Prediksi Penjualan Gamis Toko Qitaz Menggunakan Metode Single Exponential Smoothing. 4(1), 80–95.
Bulolo, E. (2020). Data Mining Untuk Perguruan Tinggi (pertama). Deppublish.
Fuad, N., & Sulistiono, E. (2016). Prediksi Penjualan Kerudung Rabbani Di Griya Muslim Store Dukun Gresik Dengan Trend Moment. 49–53.
Manalu, E., Sianturi, F. A., & Manalu, M. R. (2017). Penerapan Algoritma Naive Bayes Untuk Memprediksi Jumlah Produksi Barang Berdasarkan Data Persediaan Dan Jumlah Pemesanan Pada CV . Papadan Mama Pastries. 1(2).
Tiara, B., Tinggi, S., Informatika, M., & Pembangunan, K. I. (2018). Prediksi Penjualan Menggunakan Algoritma Neural Network. 6(1).
Downloads
Published
Issue
Section
License
Seluruh artikel yang diterbitkan dalam eProsiding Teknik Informatika (PROTEKTIF) dilisensikan di bawah ketentuan Prodi. Dengan lisensi ini, penulis tetap memegang hak cipta atas karyanya, sementara pihak lain diizinkan untuk menyalin, mendistribusikan, menampilkan, dan membuat karya turunan dari artikel yang diterbitkan, baik untuk keperluan komersial maupun non-komersial, selama memberikan pengakuan yang layak kepada penulis asli dan eProsiding Teknik Informatika (PROTEKTIF) sebagai sumber publikasi.
Setiap karya turunan wajib disebarluaskan menggunakan lisensi yang sama. Lisensi ini mendukung prinsip akses terbuka (open access) untuk mendorong diseminasi ilmu pengetahuan secara bebas dan bertanggung jawab.