IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI PENJUALAN PRODUK PADA COFFEESHOP BOBSKUY

M FIKRI ALHAFIZ CHANIAGO, NPM 2209100073 (2026) IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI PENJUALAN PRODUK PADA COFFEESHOP BOBSKUY. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (623kB)
	Text BAB I.pdf Download (324kB)
	Text BAB II.pdf Download (420kB)
	Text BAB III.pdf Download (589kB)
	Text BAB IV.pdf Download (934kB)
	Text BAB V.pdf Download (121kB)
	Text DAFTAR PUSTAKA.pdf Download (171kB)
	Text LAMPIRAN.pdf Download (138kB)

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan tingkat penjualan produk menjadi kategori laris dan tidak laris pada Coffeeshop Bobskuy dengan menggunakan algoritma Naïve Bayes. Permasalahan dalam penelitian ini adalah belum optimalnya pemanfaatan data transaksi penjualan dalam mendukung pengambilan keputusan, khususnya dalam pengelolaan stok dan strategi pemasaran produk. Data yang digunakan merupakan data historis transaksi penjualan periode September hingga November 2025 yang diperoleh melalui observasi, wawancara, dan dokumentasi. Variabel yang digunakan meliputi jumlah produk terjual, harga produk, total pendapatan, kategori produk, dan promosi. Metode penelitian yang digunakan adalah pendekatan Knowledge Discovery in Databases (KDD) yang terdiri dari tahapan seleksi data, pembersihan data, transformasi data, proses data mining, serta evaluasi dan interpretasi hasil. Proses pemodelan dilakukan menggunakan aplikasi Orange Data Mining dengan teknik cross-validation untuk menguji kinerja model. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan data penjualan dengan baik. Berdasarkan hasil evaluasi, diperoleh nilai Accuracy sebesar 86,7%, Precision sebesar 87,4%, Recall sebesar 86,7%, dan F1-score sebesar 86,7%, serta nilai AUC sebesar 0,830 yang menunjukkan bahwa model memiliki kemampuan klasifikasi yang cukup baik . Model ini mampu mengidentifikasi pola penjualan berdasarkan data historis sehingga dapat digunakan sebagai dasar dalam pengambilan keputusan bisnis. Kata kunci : Data Mining, Naïve Bayes, Klasifikasi, Penjualan Produk, Kdd, Orange Data Mining ================================================================================================= This study aims to classify product sales levels into “best-selling” and “less-selling” categories at Bobskuy Coffeeshop using the Naïve Bayes algorithm. The main problem addressed in this research is the suboptimal utilization of sales transaction data in supporting decision-making, particularly in inventory management and product marketing strategies. The data used consist of historical sales transaction data from September to November 2025, collected through observation, interviews, and documentation. The variables include the number of products sold, product price, total revenue, product category, and promotion. The research method adopts the Knowledge Discovery in Databases (KDD) approach, which consists of data selection, data cleaning, data transformation, data mining, and evaluation and interpretation stages. The modeling process was conducted using Orange Data Mining software with a cross-validation technique to evaluate model performance. The results show that the Naïve Bayes algorithm is capable of classifying sales data effectively. Based on the evaluation, the model achieved an accuracy of 86.7%, precision of 87.4%, recall of 86.7%, and an F1 score of 86.7%, with an AUC value of 0.830, indicating a good classification performance. The model is able to identify sales patterns based on historical data and can be used as a basis for business decision-making. Keywords : Data Mining, Naïve Bayes, Classification, Product Sales, KDD, Orange Data Mining

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Data Mining, Naïve Bayes, Klasifikasi, Penjualan Produk, Kdd, Orange Data Mining ================================================ Data Mining, Naïve Bayes, Classification, Product Sales, KDD, Orange Data Mining
Subjects:	H Social Sciences > HF Commerce Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Sains Dan Teknologi > Sistem Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	27 Apr 2026 09:48
Last Modified:	27 Apr 2026 09:50
URI:	http://repository.ulb.ac.id/id/eprint/2176

Actions (login required)

View Item