Penerapan Data Mining untuk Memprediksi Penjualan Bahan Bangunan (Ud Kiki Fatmala) Dengan Menggunakan Metode Naive Bayes
DOI:
https://doi.org/10.57250/ajst.v3i1.1213Kata Kunci:
Naïve Bayes, prediksi penjualan, data mining, bahan bangunan, pengelolaan stok.Abstrak
Penjualan bahan bangunan merupakan bidang usaha yang memiliki prospek menjanjikan dengan permintaan yang terus meningkat seiring pertumbuhan populasi dan pembangunan. Namun, permasalahan yang dihadapi oleh toko bahan bangunan, khususnya UD KIKI FATMALA, adalah kurangnya pemahaman terhadap minat pembeli, yang dapat menyebabkan penumpukan stok barang dan memperlambat perputaran modal. Untuk mengatasi permasalahan ini, penelitian ini menerapkan metode Naïve Bayes untuk memprediksi penjualan bahan bangunan berdasarkan data historis. Penelitian ini bertujuan untuk menggunakan teknik data mining sebagai pendukung keputusan dalam menentukan barang yang memiliki potensi penjualan tinggi guna mengoptimalkan stok dan meningkatkan efisiensi penjualan. Metode penelitian mencakup pengumpulan data penjualan, preprocessing data, pembagian data menjadi training dan testing, serta penerapan algoritma Naïve Bayes. Model yang dibangun dievaluasi menggunakan confusion matrix untuk menilai tingkat akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Naïve Bayes mampu memprediksi penjualan bahan bangunan dengan akurasi sebesar 84%. Implementasi model ini dilakukan menggunakan Microsoft Excel untuk pengolahan data awal dan Jupyter Notebook untuk analisis lebih lanjut. Kesimpulan dari penelitian ini adalah bahwa metode Naïve Bayes dapat digunakan secara efektif untuk memprediksi produk yang memiliki peluang besar untuk terjual, sehingga membantu pengelolaan stok yang lebih optimal di UD KIKI FATMALA
Referensi
Ali Muthohar, A. D., Pribadi, T., & Sulistiawan, A. (2024). PENERAPAN METODE NAIVE BAYES UNTUK PREDIKSI STOK BARANG BANGUNAN DI TOKO BANGUNAN REJO MULYO. Multidisciplinary Applications of Quantum Information Science (Al-Mantiq), 4(1), 1-7.
Apriansyah, M. R. (2019). Pengembangan Media Pembelajaran Video Berbasis Animasi Mata Kuliah Ilmu Bahan Bangunan Di Program Studi Pendidikan Teknik Bangunan Fakultas Teknik Universitas Negeri Jakarta (Doctoral dissertation, UNIVERSITAS NEGERI JAKARTA).
Ardiansyah, D. (2019). Algoritma c4. 5 untuk klasifikasi calon peserta lomba cerdas cermat siswa smp dengan menggunakan aplikasi rapidminer. Jurnal Inkopar, 1(2).
Asyrofi, R. R., & Asyrofi, R. (2023). Implementasi Aplikasi Jupyter Notebook Sebagai Analisis Kreteria Plagiasi Dengan Teknik Simantik. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 8(2), 627-637.
Djamaludin, M. A., Triayudi, A., & Mardiani, E. (2022). Analisis sentimen tweet kri nanggala 402 di twitter menggunakan metode naïve bayes classifier. Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 6(2), 161-166.
Fairul, R. S. P., & Saputri, G. (2023). PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN CAT MENGGUNAKAN METODE NAIVE BAYES: STUDI KASUS: MITRA 10 GADING SERPONG. LOGIC: Jurnal Ilmu Komputer dan Pendidikan, 1(3), 571-578.
Fatmawati, K., & Windarto, A. P. (2018). Data Mining: Penerapan rapidminer dengan K-means cluster pada daerah terjangkit demam berdarah dengue (DBD) berdasarkan provinsi. Comput. Eng. Sci. Syst. J, 3(2), 173.
Hayami, R., & Oktaviandi, I. (2021). Penerapan metode single exponential smoothing pada prediksi penjualan bed sheet. Jurnal CoSciTech (Computer Science and Information Technology), 2(1), 32-39.
Hutahaean, M. (2022). Penerapan Data Mining untuk Memprediksi Penjualan Obat di Klinik Harapan Kita Batam (Doctoral dissertation, Prodi Teknik Informatika).
Jollyta, D., Siddik, M., Mawengkang, H., & Efendi, S. (2021). Teknik Evaluasi Cluster Solusi Menggunakan Python Dan Rapidminer. Deepublish.
Kalua, A. L., Mantiri, R., Rumondor, C., & Mogogibung, E. (2024). Sistem Informasi Pendaftaran Beasiswa dan Jadwal Legalisir Berbasis Website Responsif (Studi Kasus: Dinas Pendidikan Sulawesi Utara). Journal of Information Technology, Software Engineering and Computer Science, 2(2), 58-74.
Komariyah, K., Dasuki, R., Saputra, D. B., Anwar, S., & Dwilestari, G. (2020). Klasifikasi Stok Barang Menggunakan Algoritma Naïve Bayes Pada Pt. Dharma Electrindo Manufacturing. KOPERTIP: Scientific Journal of Informatics Management and Computer, 4(2), 35-41.
Laluan, N. T., & Raintung, M. C. (2022). PENGARUH STRATEGI PEMASARAN UNTUK MENINGKATKAN VOLUME PENJUALAN BAHAN BANGUNAN (STUDI KASUS UD BANGUN NUSANTARA MINAHASA). Jurnal EMBA: Jurnal Riset Ekonomi, Manajemen, Bisnis dan Akuntansi, 10(3), 783-794.
Panennungi, P., & Pertiwi, N. (2018). Ilmu Bahan Bangunan.
Salmawati, Yuyun, H. (2021). Klasifikasi Mahasiswa Berpotensi Drop Out Menggunakan Algoritma Decision Tree C4 . 5 Dan Naive Bayes Di Universitas Jambi. Jurnal Ilmiah Ilmu Komputer, 8(2), 115032. https://repository.unja.ac.id/25341/
Samasil, S., Yuyun, Y., & Hazriani, H. (2022). Klasifikasi Mahasiswa Berpotensi Drop Out Menggunakan Algoritma Naive Bayes Dan Decision Tree. Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar, 8(2), 108-114.
Sandy, S. (2022). Penerapan Algoritma Naive Bayes dalam Memprediksi Penjualan Material Bangunan (Doctoral dissertation, Prodi Teknik Informatika).
Susanti, N. A., Walid, M., & Hoiriyah, H. (2022). Klasifikasi Data Tweet Ujaran Kebencian Di Media Sosial Menggunakan Naive Bayes Classifier. JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 538-543.
