The Analysis of Product Sales in the Application of Data Mining with Naive Bayes Classification

M. Hannata Zahri; Aswan S. Sunge; Ahmad Turmudi Zy

doi:10.47709/cnahpc.v6i3.4255

Authors

M. Hannata Zahri Universitas Pelita Bangsa
Aswan S. Sunge Universitas Pelita Bangsa
Ahmad Turmudi Zy Universitas Pelita Bangsa

DOI:

10.47709/cnahpc.v6i3.4255

Keywords:

Data Mining, Classification, Naive Bayes, Product Sales, Retail Stores

Dimension Badge Record

Abstract

H&F Shoe Store is a privately owned Micro, Small, and Medium Enterprises retail store that sells merchandise. The owner serves customers directly and also acts as a cashier. In this store, the business owner is less aware of what types or categories of products are most in demand by customers, making sales operations less than optimal. Because of this, special expertise is needed to handle the problems in the retail store, namely data mining or Data Mining with the aim of digging up information related to sales problems, in this case the author will use the Classification method with the Naive Bayes algorithm. In this study, the author uses secondary data obtained from sales notebooks and re-collected into Microsoft Excel according to research needs. The data that has been collected on the software is 121 data which have 10 attributes, namely “Nama Produk”, “Size Produk”, “Kategori Produk”, “Jenis Produk”, “Gender Produk”, “Merek Produk”, “Stok Awal”, “Stok Terjual”, “Stok Sisa”, and “Penjualan”. The Naive Bayes Classifier method has successfully produced good results in classifying sales on a type or category of marketed products, the results obtained are in the form of product sales analysis and Naive Bayes model evaluation values. The results of the model evaluation values on the Confusion Matrix obtained are accuracy of 86.11%, recall of 84.62% and precision of 84.62%.

Downloads

Download data is not yet available.

Author Biographies

Aswan S. Sunge, Universitas Pelita Bangsa

Kontak : 082299218720

E-Mail : aswan.sunge@pelitabangsa.ac.id

Ahmad Turmudi Zy, Universitas Pelita Bangsa

Kontak : 085959187527

E-Mail : turmudi@pelitabangsa.ac.id

Google Scholar Cite Analysis
Abstract viewed = 120 times

References

Abdullah, R. W., Hartanti, D., Permatasari, H., Septyanto, A. W., & Abi Bagaskara, Y. (2022). Penerapan Data Mining untuk Memprediksi Jumlah Produk Terlaris Menggunakan Algoritma Naive Bayes Studi Kasus (Toko Prapti). Jurnal Ilmiah Informatika Global, 13(1).

Al Faridzi, S., Azizah, F. S., Mustafa, F., Putri, A. N., Ramadhika, G., Aditya, F. R., Fadilah, R. S., Habibi, Y., Sutrisno, M., & Jumail, J. (2024). PENGOLAHAN DATA: Pemahaman Gempa Bumi Di Indonesia Melalui Pendekatan Data Mining. Jurnal Pengabdian Kolaborasi Dan Inovasi IPTEKS, 2(1), 262–270.

Apriliah, W., Kurniawan, I., Baydhowi, M., & Haryati, T. (2021). Prediksi kemungkinan diabetes pada tahap awal menggunakan algoritma klasifikasi Random Forest. Sistemasi: Jurnal Sistem Informasi, 10(1), 163–171.

Dewi, S. M., Windarto, A. P., & Hartama, D. (2019). Penerapan Datamining Dengan Metode Klasifikasi Untuk Strategi Penjualan Produk Di Ud. Selamat Selular. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1).

Fansyuri, M. (2020). Analisa algoritma klasifikasi k-nearest neighbor dalam menentukan nilai akurasi terhadap kepuasan pelanggan (study kasus pt. Trigatra komunikatama). Jurnal Ilmiah Humanika, 3(1), 29–33.

Harahap, F., Fahrozi, W., Adawiyah, R., Siregar, E. T., & Harahap, A. Y. N. (2023). Implementasi Data Mining dalam Memprediksi Produk AC Terlaris untuk Meningkatkan Penjualan Menggunakan Metode Naive Bayes. Jurnal Unitek, 16(1), 41–51.

Hartanto, B. W., & Subagyo, S. (2019). Kerangka kerja perencanaan pengembangan produk sebagai peningkatan daya saing industri kecil menengah. Jurnal Teknosains, 8(1), 26–38.

Haryadi, D., & Mandala, R. (2019). Prediksi Harga Minyak Kelapa Sawit Dalam Investasi Dengan Membandingkan Algoritma Naïve Bayes, Support Vector Machine dan K-Nearest Neighbor. IT for Society, 4(1).

Hasyim, A., Fatchan, M., & Hadikristanto, W. (2022). Penerapan Algoritma Naïve Bayes Dalam Memprediksi Tingkat Penjualan Mobil Tahun 2022. Jurnal Ilmiah Intech: Information Technology Journal of UMUS, 4(02), 207–215.

Mahesh, B. (2020). Machine learning algorithms-a review. International Journal of Science and Research (IJSR).[Internet], 9(1), 381–386.

Novianti, D. (2019). Implementasi Algoritma Naïve Bayes Pada Data Set Hepatitis Menggunakan Rapid Miner. Paradig.-J. Komput. Dan Inform, 21(1), 49–54.

Pramana, I. M. A. A., Sudiarsa, I. W., & Nugraha, P. G. S. C. (2023). Penerapan Algoritma Naive Bayes Untuk Prediksi Penjualan Produk Terlaris Pada CV Akusara Jaya Abadi. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 10(4).

Prast, T. P., Zakaria, H., & Wiliantoro, P. (2022). Analisis Layanan Pelanggan PT PLN Berdasarkan Media Sosial Twitter Dengan Menggunakan Metode Naïve Bayes Classifier. OKTAL: Jurnal Ilmu Komputer Dan Sains, 1(06), 573–582.

Purba, R. S., & Syaifullah, S. (2020). Pengaruh Promosi Penjualan Dan Kualitas Produk Terhadap Keputusan Pembelian Produk Carvil Di Kota Batam. Akrab Juara: Jurnal Ilmu-Ilmu Sosial, 5(3), 228–239.

Ramadhani, D., A’yuniyah, Q., Elvira, W., Nazira, N., Ambarani, I., & Intan, S. F. (2023). Analisa Algoritma Naïve Bayes Classifier (NBC) Untuk Prediksi Penjualan Alat Kesehatan: Naïve Bayes Classifier (NBC) Algorithm Analysis for Prediction Medical Device Sales. Indonesian Journal of Informatic Research and Software Engineering (IJIRSE), 3(2), 119–126.

Rusdi, M. (2019). Strategi Pemasaran untuk Meningkatkan Volume Penjualan pada Perusahaan Genting UD. Berkah Jaya. Jurnal Studi Manajemen Dan Bisnis, 6(2), 83–88.

Sihombing, P. R., & Arsani, A. M. (2021). Comparison of Machine Learning Methods in Classifying Poverty in Indonesia in 2018. Jurnal Teknik Informatika (Jutif), 2(1), 51–56.

Siradjuddin, H. K. (2015). Penerapan Algoritma Naïve Bayes Untuk Memprediksi Tingkat Kualitas Kesuburan (Fertility). J. Ilm., No. September, 1–14.

Soliha, E. (2008). Analisis industri ritel di Indonesia. Jurnal Bisnis Dan Ekonomi, 15(2), 24251.

Sulastiyono, R., Setiawan, A., & Nugroho, S. (2023). Sentimen Analisis Pembatalan Indonesia Menjadi Tuan Rumah Piala Dunia U-20 Menggunakan Metode Naïve Bayes. Journal of Information System Research (JOSH), 4(4), 1387–1394.

Susanto, A. B., Wiharjo, S., & Liyana, T. (2023). ANALISIS DATA MINAT CUSTOMER TERHADAP PRODUK DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER: STUDI KASUS: PT JELLYFISH EDUCATION INDONESIA. Scientia Sacra: Jurnal Sains, Teknologi Dan Masyarakat, 3(2), 234–241.

Wardani, N. W., Nugraha, P. G. S. C., & Mahendra, G. S. (2023). Implementasi Naïve Bayes Pada Data Mining Untuk Mengklasifikasikan Penjualan Barang Terlaris Pada Perusahaan Ritel. JST (Jurnal Sains Dan Teknologi), 12(3).

Widodo E, S. P. (2019). KLASIFIKASI DATA PENJUALAN ALAT TULIS KANTOR (ATK) TERLARIS UNTUK OPTIMASI STRATEGI PEMASARAN DI TOKO CITRAMEDIA MENGGUNAKAN METODE NAIVE BAYES. SIGMA – Jurnal Teknologi Pelita Bangsa, 10(2), 138–152.