Penerapan Algoritma Naïve Bayes Untuk Prediksi Penjualan Motor Terlaris Pada PT. Ramayana Mitra Sejahtera

Nazla Ainayah, Pera Anjela Laoly, Fadhiya Cintana Soleka Putri, Mulyadi Mulyadi, Kartika Mariskhana

Sari


Penjualan adalah aktivitas penting yang dapat meningkatkan pendapatan perusahaan. Namun, PT. Ramayana Mitra Sejahtera masih mengandalkan sistem manual dan belum memiliki metode yang efektif untuk mengidentifikasi produk terlaris. Hal ini menjadi kendala dalam menghadapi ketidakstabilan penjualan yang dipengaruhi oleh permintaan konsumen yang beragam. Penelitian ini bertujuan untuk membantu perusahaan dalam menentukan produk motor yang paling diminati menggunakan Algoritma Naïve Bayes. Berdasarkan hasil evaluasi, pada model yang menggunakan 60% data training (805 data) dan 40% data testing (537 data) menunjukkan kinerja yang sangat baik dengan akurasi mencapai 94,97%. Hasil ini menunjukkan bahwa model dengan perbandingan 60% data training dan 40% data testing merupakan paling optimal dalam mengukur akurasi pada data penjualan sepeda motor di PT. Ramayana Mitra Sejahtera.

Sales is an important activity that can increase company revenue. However, PT. Ramayana Mitra Sejahtera still relies on a manual system and does not have an effective method for identifying best-selling products. This becomes an obstacle in dealing with sales instability which is influenced by varying consumer demand. This research aims to help companies determine the most popular motorbike products using the Naïve Bayes algorithm. Based on the evaluation results, the model that uses 60% training data (805 data) and 40% testing data (537 data) shows very good performance with an accuracy of 94.97%. These results show that a model with a ratio of 60% training data and 40% testing data is the most optimal in measuring accuracy in motorbike sales data at PT. Ramayana Mitra Sejahtera.

Teks Lengkap:

pdf: 119-125

Referensi


Apriyani, H., & Kurniati, K. (2020). Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus. Journal of Information Technology Ampera, 1(3), 133–143. https://doi.org/10.51519/journalita.volume1.isssue3.year2020.page133-143

Butsianto, S., & Mayangwulan, N. T. (2020). Penerapan Data Mining Untuk Prediksi Penjualan Mobil Menggunakan Metode K-Means Clustering. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 3(3), 187–201. https://doi.org/10.32672/jnkti.v3i3.2428

Dewi, S. P., Nurwati, N., & Rahayu, E. (2022). Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor. Building of Informatics, Technology and Science (BITS), 3(4), 639–648. https://doi.org/10.47065/bits.v3i4.1408

igual L. (2020). Penerapan data science. Вестник Росздравнадзора, 4(1), 9–15.

Pramana, I., Sudiarsa, I. W., & ... (2023). Penerapan Algoritma Naive Bayes Untuk Prediksi Penjualan Produk Terlaris Pada CV Akusara Jaya Abadi. JATISI (Jurnal Teknik …, 10(4), 518–534. https://jurnal.mdp.ac.id/index.php/jatisi/article/view/6498%0Ahttps://jurnal.mdp.ac.id/index.php/jatisi/article/download/6498/1694

Rafi Nahjan, M., Nono Heryana, & Apriade Voutama. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101–104. https://doi.org/10.36040/jati.v7i1.6094

Rezekika, D. (2020). Penerapan Algoritma Naïve Bayes Untuk Memprediksi Penjualan Spare Part Sepeda Motor. Jurnal Pelita Informatika, 8(3), 326–329.

Rianti, W., & Harahap, E. (2021). Pengolahan Data Hasil Penjualan Online Menggunakan Aplikasi Microsoft Excel. Matematika: Jurnal Teori Dan Terapan Matematika, 20(2), 69–76. https://journals.unisba.ac.id/index.php/matematika/article/view/1553

Ridho Handoko, M. (2021). Sistem Pakar Diagnosa Penyakit Selama Kehamilan Menggunakan Metode Naive Bayes Berbasis Web. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(1), 50–58. http://jim.teknokrat.ac.id/index.php/JTSI

Ridwan, A. (2020). Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 4(1), 15–21. https://doi.org/10.47970/siskom-kb.v4i1.169

Rokhanah, S., Hermawan, A., & Avianto, D. (2023). Pengaruh Principal Component Analysis Pada Naïve Bayes dan K-Nearest Neighbor Untuk Prediksi Dini Diabetes Melitus Menggunakan Rapidminer. EVOLUSI : Jurnal Sains Dan Manajemen, 11(1). https://doi.org/10.31294/evolusi.v11i1.14728

Shinta, R., Fairul, P., & Saputri, G. (2023). Penerapan Data Mining Untuk Prediksi Penjualan Cat Menggunakan Metode Naïve ( Studi Kasus : Mitra 10 Gading Serpong ). LOGIC: Jurnal Ilmu Komputer Dan …, 1(3), 571–578.




DOI: https://doi.org/10.31294/ijcit.v9i2.23145

##submission.copyrightStatement##

##submission.license.cc.by-sa4.footer##

P-ISSN: 2527-449X E-ISSN: 2549-7421
Statistik Pengunjung Jurnal IJCIT
 

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License