UMGUMG

E-Link: Jurnal Teknik Elektro dan InformatikaE-Link: Jurnal Teknik Elektro dan Informatika

Toko Pelangi Jaya Motor menghadapi kesulitan dalam mengelola stok sparepart akibat ketidaksesuaian antara jumlah persediaan dan permintaan pelanggan. Untuk mengatasi hal ini, penelitian ini menggunakan algoritma Naïve Bayes guna mengklasifikasikan barang laris dan tidak laris berdasarkan data penjualan. Dataset yang digunakan berjumlah 9.081 transaksi dengan preprocessing mencakup pembersihan data, pelabelan kategori, serta seleksi fitur menggunakan Weight by Information Gain. Hasil analisis menunjukkan bahwa atribut jumlah penjualan (Qty) memiliki pengaruh terbesar dalam klasifikasi dengan akurasi model mencapai 97.17%. Penelitian ini memberikan solusi berbasis data untuk meningkatkan efisiensi pengelolaan stok dan kepuasan pelanggan.

Penelitian ini berhasil mengidentifikasi barang Laris menggunakan algoritma Naïve Bayes, membantu Toko Pelangi Jaya Motor dalam memahami pola permintaan pelanggan.Penerapan model ini dapat mengoptimalkan pengelolaan stok, mengurangi risiko kelebihan atau kekurangan barang, serta meningkatkan kepuasan pelanggan.Meskipun model memiliki akurasi tinggi, precision untuk kelas Laris masih perlu ditingkatkan.

Penelitian mendatang dapat mengeksplorasi metode ensemble, seperti Random Forest, untuk meningkatkan performa klasifikasi dan mengatasi keterbatasan algoritma Naïve Bayes dalam menangani hubungan kompleks antar fitur. Selain itu, penerapan validasi silang akan memperkuat generalisasi model, memastikan bahwa model dapat bekerja dengan baik pada data baru yang belum pernah dilihat sebelumnya. Terakhir, pengembangan sistem rekomendasi yang terintegrasi dengan model klasifikasi dapat membantu toko mengoptimalkan stok secara otomatis berdasarkan prediksi pola permintaan pelanggan, sehingga meningkatkan efisiensi operasional dan mengurangi potensi kerugian akibat kelebihan atau kekurangan stok. Integrasi ini akan memungkinkan toko untuk secara proaktif menyesuaikan tingkat persediaan berdasarkan tren penjualan yang diprediksi, sehingga memastikan ketersediaan barang yang tepat pada waktu yang tepat dan meningkatkan kepuasan pelanggan secara keseluruhan.

  1. KLASIFIKASI ULASAN PELANGGAN SHOPEE MALL TERHADAP E-COMMERCE PENJUALAN BAJU BATIK METODE NAÏVE BAYES... doi.org/10.36080/idealis.v7i2.3178KLASIFIKASI ULASAN PELANGGAN SHOPEE MALL TERHADAP E COMMERCE PENJUALAN BAJU BATIK METODE NAyaVE BAYES doi 10 36080 idealis v7i2 3178
  2. Array | Journal of Informatics and Computer Science (JINACS). array journal informatics computer science... ejournal.unesa.ac.id/index.php/jinacs/article/view/58743Array Journal of Informatics and Computer Science JINACS array journal informatics computer science ejournal unesa ac index php jinacs article view 58743
  3. Sistem Pendukung Keputusan Kenaikan Jabatan Menggunakan Metode Algoritma Naive Bayes Classifier | Jurnal... ojs.unikom.ac.id/index.php/jati/article/view/3593Sistem Pendukung Keputusan Kenaikan Jabatan Menggunakan Metode Algoritma Naive Bayes Classifier Jurnal ojs unikom ac index php jati article view 3593
  4. Prediksi Penjualan Obat Dan Alat Kesehatan Terlaris Menggunakan Algoritma K-Nearest Neighbor | Jurnal... jurnal.unidha.ac.id/index.php/jteksis/article/view/1078Prediksi Penjualan Obat Dan Alat Kesehatan Terlaris Menggunakan Algoritma K Nearest Neighbor Jurnal jurnal unidha ac index php jteksis article view 1078
Read online
File size381.83 KB
Pages6
DMCAReport

Related /

ads-block-test