Klasifikasi Tingkat Penjualan Produk pada Toko Jati Karebet Menggunakan Algoritma Naïve Bayes
DOI:
https://doi.org/10.37859/jf.v15i2.9614
Abstract
Penelitian ini bertujuan menerapkan algoritma Naive Bayes untuk mengklasifikasikan tingkat penjualan produk di Toko Jati Karebet selama tahun 2024. Latar belakang penelitian ini adalah belum optimalnya pemanfaatan strategi penjualan berbasis data dalam menentukan prioritas stok dan promosi, yang sering menyebabkan inefisiensi persediaan pada Usaha Mikro, Kecil, dan Menengah (UMKM). Data penjualan historis dianalisis menggunakan pendekatan data mining untuk mengenali pola penjualan dan membangun model prediksi. Tahap awal meliputi preprocessing data, seleksi pesanan yang berstatus selesai, agregasi penjualan per produk, dan pelabelan kategori kelarisan menjadi tiga kelas: laris (>100 unit), kurang laris (20–100 unit), dan tidak laris (<20 unit). Model Gaussian Naive Bayes dilatih dan diuji dengan metode supervised learning menggunakan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Evaluasi model dilakukan dengan confusion matrix dan metrik klasifikasi. Hasil pengujian menunjukkan akurasi sebesar 76%, dengan precision 0,79, recall 0,98, dan F1-score 0,87 pada kategori laris. Temuan ini membuktikan bahwa Naive Bayes mampu memberikan hasil prediksi yang cukup andal untuk kategori mayoritas, namun kinerjanya menurun pada kategori minoritas akibat ketidakseimbangan distribusi data. Penelitian ini menyimpulkan bahwa algoritma Naive Bayes dapat digunakan sebagai alat bantu pengambilan keputusan dalam manajemen stok dan strategi penjualan UMKM, serta merekomendasikan penerapan teknik penyeimbangan data atau eksplorasi algoritma lain pada penelitian berikutnya untuk meningkatkan performa di semua kategori
Downloads
References
Hamsiah, “Implementasi Data Mining Dalam Penerapan Clustering Algoritma K-Medoid Sebaran Mahasiwa Baru Pada STIE-SAK,” vol. 8, no. 1, pp. 2621– 4962, 2025
D. Agustina Cahyaningrum, D. Arviana Wulan Prastika, and F. Sains dan Teknologi, “Rancangan Sistem Informasi Pemantauan Stok Barang Dan Penentuan Manajemen Akuntansi Penggajian Karyawan pada UMKM Bakpia,” Jurnal Teknologi dan Manajemen Industri Terapan (JTMIT), vol. 2, no. 3, pp. 182–190, 2023.
D. Christine, Apriwandi, A. N. Fathonah, E. Sherlita, A. Wijaya, and E. Kartadjumena, “Analisis Penganggaran Modal pada Usaha Mikro Kecil dan Menengah (UMKM) di Kabupaten Bandung Barat,” Jurnal EMT KITA, vol. 7, no. 7(1), pp. 179–190, Jan. 2023.
A. Handojo, M. Christian Wibisono, A. Noertjahyana, and T. Octavia, “Inventory Control Application on Indonesia Small Medium Enterprises Using Smartphone,” KnE Life Sciences, pp. 1–13, Mar. 2020.
Repan, B. Ceasar Octariadi, and Sucipto, “Penerapan Algoritma (Naïve Bayes) Untuk Memprediksi Penyakit Diare,” no. 15 (1), pp. 49–56, Apr. 2025.
J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. Elsevier, 2011.
Tukino, A. Hananto, R. A. Nanda, E. Novalia, E. Sediyono, and J. Sanjaya, “LSTM and Word Embedding: Classification and Prediction of Puskesmas Reviews Via Twitter,” in E3S Web of Conferences, EDP Sciences, Mar. 2024.
Suwati, Y. Rolly, and S. Andy, “Prediksi Kelancaran Pembayaran Angsuran Pada Koperasi Dengan Metode Naive Bayes Classifier,” no. 11(2), pp. 635–644, Aug. 2022.
A. L. Hananto, A. Hananto, and B. Huda, “Analisis dan Pemodelan Proses Bisnis Katering pada UMKM Menggunakan BPMN,” INTERNAL (Information System Journal, vol. 7, no. 7(1), pp. 8–17, 2024, [Online]. Available: http://jurnal.masoemuniveristy.ac.id/index.php/internal
I. Hassandi and Effiyaldi, “Analisis Pengelolaan Persediaan Bahan Baku Pada UMKM Tabib Jamu Untuk Peningkatan Efisiensi,” no. 4(1), Jan. 2025.
M. Thoriq, F. Maulan, Y. Septi Eirlangga, N. Hayati, M. Ashim Madani, and F. Maulana, “Implementasi Algoritma Naïve Bayes dalam Prediksi Penerimaan Mahasiswa Penerima Beasiswa KIP di Universitas Adzkia,” no. 15(1), pp. 108–114, Apr. 2025.
A. L. Hananto, A. Y. Rahman, T. Paryono, B. Priyatna, A. Hananto, and B. Huda, “Classification of Starling Images Using a Bayesian Network,” Journal of Applied Data Sciences, vol. 6, no. 6(1), pp. 34–46, 2025, [Online]. Available: https://doi.org/10.47738/jads.v5i4.423
Nadia Tiara Rahman, “Analisa Algoritma Decision Tree Dan Naïve Bayes Pada Pasien Penyakit Liver,” no. 10(2), pp. 144–151, Jul. 2020.
Hidayatunnisa, Kusrini, and Kusnawi, “Perbandingan Kinerja Metode Naive Bayes dan Support Vector Machine dalam Analisis Soal,” Agustus, vol. 13, no. 2, pp. 173–180, 2023.
M. Jannah, M. Arief, H. M. Kom, M. Al Fajar, and M. A. Hasan, “Perbandingan Metode Naïve Bayes Dan K-Nearest Neighbor Dalam Mengklasifikasi Status Pertumbuhan Anak
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Revi Setiawan, Bayu Priyatna, Elfina Novalia, Baenil Huda
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.
_(1).png)
