ANALISIS DAN PREDIKAT TINGKAT KELARISAN PRODUK HANDPHONE MENGGUNAKAN METODE NAIVE BAYES DI JW CELULER

AULIA ZULKARNAIN, NPM 2109100015 (2025) ANALISIS DAN PREDIKAT TINGKAT KELARISAN PRODUK HANDPHONE MENGGUNAKAN METODE NAIVE BAYES DI JW CELULER. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (911kB)
	Text BAB I.pdf Download (211kB)
	Text BAB II.pdf Download (385kB)
	Text BAB III.pdf Download (336kB)
	Text BAB IV.pdf Download (743kB)
	Text BAB V.pdf Download (144kB)
	Text DAFTAR PUSTAKA.pdf Download (165kB)

Abstract

Dalam era digital saat ini, pemanfaatan teknologi data mining menjadi salah satu strategi penting dalam meningkatkan efisiensi bisnis, termasuk dalam mengidentifikasi pola kelarisan produk. Penelitian ini dilakukan untuk membangun model klasifikasi yang mampu memprediksi tingkat kelarisan handphone di toko JW Celuler menggunakan algoritma Naive Bayes. Metode Naive Bayes merupakan salah satu teknik klasifikasi berbasis probabilitas yang bekerja dengan asumsi independensi antar atribut, dan telah terbukti efektif dalam menangani berbagai jenis data kategorikal. Teori ini menjadi dasar untuk mengolah atribut seperti merek, harga, jumlah penjualan, dan kualitas produk dalam menghasilkan prediksi yang akurat. Proses analisis dan perancangan sistem dimulai dari pengumpulan dan pembersihan data, dilanjutkan dengan pembagian data menjadi training dan testing yang kemudian diolah dalam aplikasi Orange untuk membangun model klasifikasi. Model ini dirancang secara visual dengan menghubungkan beberapa widget seperti File, Naive Bayes, dan Predictions agar dapat mengolah data secara otomatis dan efisien. Hasil klasifikasi menunjukkan bahwa dari 100 data testing, sebanyak 71 produk termasuk kategori laris dan 29 Tidak Laris, dengan evaluasi melalui confusion matrix menghasilkan akurasi, presisi, dan recall sebesar 100%. Temuan ini memperlihatkan bahwa model Naive Bayes memiliki performa sangat baik dalam mengklasifikasikan kelarisan produk berdasarkan atribut-atribut yang tersedia. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode Naive Bayes efektif dalam memetakan potensi kelarisan produk dan dapat dijadikan alat bantu pengambilan keputusan yang handal. Selain itu, model ini mampu memberikan informasi strategis bagi toko dalam pengelolaan stok dan penentuan fokus pemasaran yang lebih tepat sasaran. Kata Kunci: Klasifikasi, Naive Bayes, Data Mining, Kelarisan Produk, Penjualan Handphone ============================================================= In today's digital era, the use of data mining technology has become an important strategy in improving business efficiency, including in identifying product sales patterns. This research was conducted to build a classification model capable of predicting the level of sales of mobile phones in JW Celuler stores using the Naive Bayes algorithm. The Naive Bayes method is a probability-based classification technique that works with the assumption of independence between attributes, and has proven effective in handling various types of categorical data. This theory is the basis for processing attributes such as brand, price, sales volume, and product quality in producing accurate predictions. The analysis and system design process begins with data collection and cleaning, followed by dividing the data into training and testing data which are then processed in the Orange application to build a classification model. This model is designed visually by connecting several widgets such as File, Naive Bayes, and Predictions to process data automatically and efficiently. The classification results show that out of 100 testing data, 71 products are included in the best-selling category and 29 are not. Evaluation through a confusion matrix produces 100% accuracy, precision, and recall. These findings demonstrate that the Naive Bayes model performs very well in classifying product sales based on available attributes. Based on these results, it can be concluded that the Naive Bayes method is effective in mapping potential product sales and can be used as a reliable decision-making tool. Furthermore, this model can provide strategic information for stores in managing inventory and determining more targeted marketing focus. Keywords: Classification, Naive Bayes, Data Mining, Product Sales, Mobile Phone Sales

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Klasifikasi, Naive Bayes, Data Mining, Kelarisan Produk, Penjualan Handphone=================Classification, Naive Bayes, Data Mining, Product Sales, Mobile Phone Sales
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	25 Aug 2025 03:42
Last Modified:	25 Aug 2025 03:42
URI:	http://repository.ulb.ac.id/id/eprint/1656

Actions (login required)

View Item