Data Mining Untuk Memprediksi Penjualan

Rahayu Mayang  Sari; Yori  Apridonal M

doi:10.33395/jmp.v14i2.15690

Authors

Rahayu Mayang Sari Universitas Pembangunan Panca Budi
Yori Apridonal M Univeritas Royal

DOI:

10.33395/jmp.v14i2.15690

Keywords:

Naive Bayes Classifier, Data Mining Penjualan

Abstract

Pendekatan yang digunakan pada paper ini ialah metode Naive Bayes Classifier. Metode ini bekerja dalam himpunana data kemudian di ekstrak menjadi pengetahuan baru yang akan digunakan untuk optimasi strategi pemasaran. Algoritma Naive Bayes Classifier juga bekerja dalam tipe data numerik yang dapat memudahkan dalam proses analisa. Proses pada metode ini yaitu proses analisa pola data penjualan yang telah ada sebelumnya (Learning Phase) berdasarkan atribut-atribut yaitu jenis, waktu, ukuran yang di ujikan dan proses dari analisa. Penelitian ini menghasilkan pengetahuan baru. Selain hal tersebut dari proses analisa dengan metode Naive Bayes Classifier yaitu menghasilkan pola penjualan berdasarkan atribut-atribut yang telah di tentukan. Hasil dari proses analisa ini akan di gunakan untuk kepentingan perusahan dalam upaya optimasi strategi pemasaran. Pengetahuan baru ini juga dapat memberikan informasi penting seperti hasil prediksi minat pembeli yang dapat digunakan dalam efektivitas dan efisiensi pemasaran dan peningkatan penjualan.

GS Cited Analysis

References

Effendi, M. R. (2015). Akurasi Data Mining Untuk Menghasilkan Pola Kelulusan Mahasiswa dengan Metode Naive Bayes, 101–106.

Ginting, S. L. B., & Trinanda, R. P. (2015). Teknik Data Mining Menggunkan Metode Bayes Classifier Untuk Optimalisasi Pencarian Pada Aplikasi Perpusatakan, 1–14.

Nusantara, B. M., Gunawan, A., & Wijaya, D. A. (2016). Srategi Pemasaran Kampung Wisata Baluwati Sebagai Destinasi Wisata Budaya di Kota Surakarta.

Rahimi, A., Sugriwan, I., & Manik, T. N. (n.d.). Optimasi Common Mode Rejection Ratio ( Cmrr ) Pada Penguat Instrumentasi, 110–118.

Saleh, A. (2015). Implementasi Metode Klasifikasi Naïve Bayes dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Citec Journal, 2(3), 207–217.

Sari, M. K., Ernawati, & Wisnubhadra, I. (2015). Pembangunan Aplikasi Klasifikasi Mahasiswa Baru untuk Prediksi Hasil Studi Menggunakan Naïve Bayes Classifier. Buana Informatika, 7(April), 135–142.

Book K-Means. (n.d.).

Hendrastuty, N. (2024). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa. Jurnal Ilmiah Informatika Dan Ilmu Komputer (JIMA-ILKOM), 3(1), 46–56. https://doi.org/10.58602/jima-ilkom.v3i1.26

Sari, R. M., Kom, S., Kom, M., Rizka, A., Kom, S., & Kom, M. (n.d.). Perhitungan Metode Clustering Penerbit Serasi Media Teknologi.

Sari, R. M., Rizka, A., Putri, N. A., & Efriana, A. (2024). Penerapan Data Mining Untuk Analisis Stunting Pada Balita. Jurnal Minfo Polgan, 13(2), 1717–1728. https://doi.org/10.33395/jmp.v13i2.14218

Sari, R. M., Wahyuni, S., & Rizka, A. (2023a). Implementasi Algoritma K-Means Untuk Guru Berprestasi. Jurnal Minfo Polgan, 12(1), 531–538. https://doi.org/10.33395/jmp.v12i1.12453

Yusman, Y., Nadriati, S., & Putra, N. (2022). Sistem Pendukung Keputusan Seleksi Penerimaan Karyawan Pada Pt Pelindo I Mengunakan Metode Simple Additive Weighting (Saw). Jurnal Digit, 12(1), 12. https://doi.org/10.51920/jd.v12i1.213