Skripsi/Tugas Akhir
Implementasi Data Mining dalam Menentukan Pembelian Terlaris pada Pakaian Muslim Menggunakan Naive Bayes Berbasis Web
ABSTRAK
Toko Distro Muslim merupakan salah satu perusahaan yang bergerak dibidang bisnis penjualan pakaian muslim yang ada di kota makassar. Pakaian muslim yang ada di Toko tersebut, setiap pekannya terdapat banyak pembeli atau pelanggan. Toko Distro Muslim mengalami permasalahan dalam menentukan pembelian pakaian muslim, banyaknya data penjualannya yang mengakibatkan sulitnya mengetahui merek apa saja yang banyak terjual. Berdasarkan permasalahan tersebut maka penulis akan membuat sistem data mining dalam menentukan pola pembelian barang yang terjual menggunakan metode naive bayes dengan melakukan proses klasisifikasi data barang yang terjual sebagai dataset. Penelitian ini telah melakukan uji akurasi sistem dengan melakukan 20 kali percobaan dan menghasilkan tingkat akurasi sebesar 78%.
Kata Kunci: Transaksi Pakaian Distro, Naive Bayes dan Klasifikasi
ABSTRACT
Muslim distribution store is one of the companies engaged in the business of selling Muslim clothing in the city of Makassar. Muslim clothing in the store, every week there are many buyers or customers. Muslim distribution stores have problems in
determining the purchase of Muslim clothing, the large number of sales data makes it difficult to know which brands are sold a lot. Based on these problems, the author will create a data mining system in determining the pattern of purchasing goods sold using the Naive Bayes method by conducting a data classification process for goods sold as datasets. This study has tested the accuracy of the system by conducting 20 experiments and producing an accuracy rate of 78%.
Keywords: Distro Clothing Transactions, Naive Bayes and Classification
Tidak ada salinan data
Universitas DIPA Makassar
NPP 7371142D1000002
Jln. Perintis Kemerdekaan KM.9
Telp. (0411)587194
Hotline: +6281228221994
WhatsApp Admin: +6281342092072
e-Mail: perpustakaan@undipa.ac.id
© 2024 — Perpustakaan UNDIPA Makassar - SLiMS