Penerapan Data Mining Classification Untuk Prediksi Perilaku Pola Pembelian Terhadap Waktu Transaksi Menggunakan Metode Naïve Bayes

Susanto Susanto, Evi Dewi Sri Mulyani, Irma Ratnasari Nurhasanah

Abstract


Data Mining adalah cabang ilmu baru untuk mengatasi masalah penggalian informasi atau pola yang penting dari data dalam jumlah yang besar. Jumlah pembeli memiliki pengaruh yang besar terhadap transaksi penjualan. Semakin banyak pembeli, semakin besar kemungkinan transaksi yang dapat diperoleh. Jumlah pembeli setiap harinya berbeda-beda dan memiliki persentase yang tidak sama dalam melakukan transaksi penjualan. Salah satu cara dalam meningkatkan pendapatan penjualan adalah dengan memprediksi penjualan berdasarkan rata-rata jumlah pembeli. Pada penelitian ini, penulis berusaha menambang data (data mining) transaksi penjualan untuk memprediksi prilaku pola pembeli pada tahun berikutnya (2015) dengan menggunakan data tahun sebelumnya (2014). Data yang ada dianalisis menggunakan perhitungan Rapid Miner 5.1 dengan algoritma Naïve Bayes. Naïve Bayes merupakan salah satu metode pada Probabilistic Reasonig. Algoritma Naïve Bayes bertujuan untuk melakukan klasifikasi data pada kelas tertentu, kemudian pola tersebut dapat digunakan untuk memperkirakan data transaksi penjualan dalam memprediksi prilaku pola pembeli.

Full Text:

PDF

References


Sandi Fajar Rodiyansyah dan Edi Winarko, "Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota

Bandung Menggunakan Naive Bayes Classification," IJCCS, vol. 7, no. ISSN, pp. 13-22, Jan. 2013.

J. F. Ulysses, "Data Mining Classification Untuk Prediksi Lama Masa Studi Mahasiswa Berdasarkan

Jalur Penerimaan Dengan Metode Naive Bayes".

Y. Salim, "Penerapan Algoritma Naive Bayes Untuk Penentuan Turn Over Pegawai," Media Sains,

vol. 4, no. ISSN, 2012.

Bustami, "Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi".

I. B. Sangadji, "Prediksi Prilaku Pola Pengujung Terhadap Transaksi Pada Toko Buku Gramedia

menggunakan jaringan syaraf tiruann metode Back Propagation," Junral Informatika, vol. 5, pp. 135-

, 2009.

E. Prasetyo, DATA MINIG Mengolah Data Informasi Menggunakan Matlab, A. Sahala, Ed.

Yogyakarta: ANDI, 2014.

F. A. Hermawati, Data Mining. Yogyakarta: Andi, 2013.

R. S. Wahono, Data Mining. 2012.

(2010) Sejarah dan Pengertian Microsoft Excel. [Online].

ttp://mairatnasari.blogspot.com/2013/01/sejarah-pengertian-microsoft-excel-2010.html

Mengoptimalkan Microsoft Excel 2010 Untuk Analisis Data. Yogyakarta: ANDI, 2011.

I. ,. M. ,. B. Hariyanto, Rekayasa Sistem Berorientasi Objek. Bandung, 2004.

P. D. Sugiyono, Memahami Penelitian Kualitatif. Bandung: ALFABETA, 2009.

Z. F. &. D. M. A. H. Nurhadi, Metodologi Penelitian Kualitatif: Teori dan Paradigma. Bandung: CV

Alfabeta, 2012.


Refbacks

  • There are currently no refbacks.