JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
ISSN: 2828-9102 (Prin.
| 2828-9099 (Onlin.
DOI: 10.
55123/jomlai.
Algoritma Nayve Bayes Untuk Memprediksi Penjualan Pada Toko VJCakes Pematang Siantar Nayve Bayes Algorithm For Predicting Sales at the Pematang Siantar VJCakes Store Juwita1.
Safii2.
Bahrudi Efendi Damanik3 STIKOM Tunas Bangsa.
Pematangsiantar.
Indonesia
Article Info
ABSTRAK
Genesis Artikel:
Seiring dengan berkembangan zaman persaingan dalam dunia bisnis dan teknologi semakin berkembang pesat, sehingga para pelaku bisnis berlomba-lomba untuk mengembangkan bisnis mereka dengan memanfaatkan teknologi yang ada untuk mengembangkan usahanya, dan juga agar usaha mereka selalu bertahan dan berkembang dalam pesatnya persaingan bisnis.
Penjualan produk cake diharapkan dapat terus meningkatkan keuntungan, salah satunya dengan menyediakan produk sesuai permintaan pasar supaya tidak terjadi kerugian.
Selama ini perusahaan sering mengalami kerugian karena tidak mempunyai suatu system yang dapat memprediksi penjualan.
Adapun penulisan ini dilakukan untuk mengimplementasikan dan membuktikan bahwa Algoritma Nayve Bayes dapat digunakan untuk memprediksi penjualan cakes di toko VJCakes Pematangsiantar.
Data penelitian adalah data penjualan cakes yang terdiri dari 10 jenis cakes dengan berbagai macam ukuran, rasa dan bentuk, yang diperoleh dari Toko VJCakes Pematangsiantar dari Juni 2021 Ae Maret 2022.
Hasil dari perhitungan yang telah dilakukan diketahui bahwa proses perhitungan manual dan dibantu dengan software Rapid Miner adalah sama yang artinya perhitungan dapat dikatakan berhasil, dengan menghasilkan tabel probabilitas dari setiap variabel dan tingkat akurasi sebesar 83,44 % terhadap data testing yang telah dilakukan, dan dengan diketahui hal tersebut dapat di informasikan kepada pihak VJCakes untuk mengambil keputusan untuk lebih baik kedepan.
Diterima, 30 November 2022 Direvisi, 28 Desember 2022 Disetujui, 25 Januari 2023 Kata Kunci:
Data Mining Nayve Bayes Penjualan Prediksi Toko VJCakes ABSTRACT Keywords:
Data Mining Nayve Bayes Sales Prediction VJCakes Store Along with the development of the era, competition in the world of business and technology is overgrowing, so business people are competing to develop their business by utilizing existing technology to develop their business, and also so that their business always survives in the rapid business competition.
Sales of cake products are expected to continue to increase profits, one of which is by providing products according to market demand so that there are no losses.
So far, companies often experience losses because they do not have a system that can predict This writing is done to implement and prove that the Nayve Bayes Algorithm can be used to predict sales of cakes at the VJCakes Pematangsiantar store.
The research data is cake sales data consisting of 10 types of cakes with various sizes, tastes, and shapes, which were obtained from the VJCakes Pematangsiantar Store from June 2021 Ae March 2022.
The results of the calculations that have been carried out show that the calculation process is manual and assisted with Rapid software.
Miner is the same, which means that the calculation can be said to be successful by producing a probability table of each variable and an accuracy rate of 44% of the testing data that has been carried out, and knowing this can be informed to VJCakes to make better decisions in the future.
This is an open access article under the CC BY-SAlicense.
Penulis Korespondensi:
Juwita.
Program Studi Sistem Informasi.
STIKOM Tunas Bangsa.
Pematangsiantar.
Indonesia Email: jjuwita966@gmail.
Journal homepage: https://journal.
id/index.
php/jomlai/ ISSN : 2828-9099
PENDAHULUAN
Seiring dengan berkembangan zaman persaingan dalam dunia bisnis dan teknologi semakin berkembang pesat, sehingga para pelaku bisnis berlomba-lomba untuk mengembangkan bisnis mereka dengan memanfaatkan teknologi yang ada untuk mengembangkan usahanya, dan juga agar usaha mereka selalu bertahan dan berkembang dalam pesatnya persaingan bisnis .
Untuk memenuhi kebutuhan konsumen, pedagang harus meningkatkan kualitas produk dan menambah variasi produk yang paling disukai dan paling sering dibeli konsumen, perkembangan dunia usaha yang pesat dan system perekonomian ini menyebabkan pelaku usaha mengalami kendala dalam menjual produknya di pasar.
Hal ini menyebabkan perusahaan berlomba-lomba dalam meningkatkan kualitas produk serta dapat mengetahui produk apa saja yang paling diminati oleh Setiap daerah di Indonesia banyak di jumpai toko-toko yang menjual berbagai macam produk makanan terutama jenis Kota Pematangsiantar banyak terdapat toko cake yang tersebar di berbagai tempat salah satunya adalah toko VJCakes.
VJCakes merupakan usaha yang bergerak di bidang industry makanan seperti berbagai bentuk lotus cake , brownies, dessert box, slice cake dan bento cake.
Banyaknya toko lain yang bergerak di bidang yang sama, hal tersebut tentu saja menimbulkan persaingan bisnis antar toko penjual cakes.
Penjualan produk cakes diharapkan dapat terus meningkatkan keuntungan, salah satunya dengan menyediakan produk sesuai permintaan pasar supaya tidak terjadi kerugian, dan meningkatkan kualitas rasa serta dapat penyesuaian harga terhadap cakes sehingga penjualan akan maksimal.
Selama ini toko sering mengalami kerugian karena tidak mempunyai suatu sistem yang dapat memprediksi penjualan, disebabkan cakes yang diproduksi tidak terjual sedangkan cakes yang sedang diminati konsumen malah tidak di produksi.
Banyak cabang ilmu komputer yang dapat memecahkan masalah yang kompleks, sehingga penelitian-penelitian menggunakan teknologi yang ter sistem dan terkomputerisasi sangat penting dilakukan, karena telah mampu memecahkan banyak masalah yang sifatnya statistik, kelompok, rumit dan saling berkaitan .
Ae.
Baik yang berkaitan dengan Pendukung Keputusan .
Ae.
Kecerdasan Buatan .
Ae.
, hingga Data Mining .
Ae.
Keilmuan terakhir ini lah yang akan diusulkan sebagai solusi dalam mengatasi masalah penelitian ini.
Data mining adalah proses analisis yang bertujuan untuk memeriksa data dalam jumlah besar untuk menemukan pengetahuan tersembunyi yang berharga dan konsisten .
AuData mining mampu mengolah data dengan jumlah yang besar dan dapat melakukan pencarian data secara otomatis, oleh karena itu data mining memiliki peranan yang sangat penting dalam beberapa bidang kehidupan diantaranya yaitu bidang industri, keuangan, cuaca, ilmu dan teknologiAy .
Ae.
Nayve Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya.
Metode Nayve Bayes juga dinilai berpotensi baik dalam pengklasifikasian lain dalam hal akurasi dan efisiensi .
Ae.
Ada beberapa penelitian terdahulu yang berkaitan dengan Nayve Bayes dalam menyelesaikan Salah satunya penelitian yang membahas tentang Penerapan data mining untuk memprediksi jumlah produk terlaris menggunakan algoritma Nayve Bayes dengan kesimpulan perhitungan peluang dari masing-masing atribut adalah triwulan 1, triwulan 2, triwulan 3, dan triwulan 4.
Keterkaitan suatu barang yang dibeli oleh konsumen bisa dihitung dengan teknik algoritma Nayve Bayes classifier.
Keakuratan system menggunakan confusion matriks dengan nilai accuracy sebesar 83,3%, precision sebesar 84,2% dan recall sebesar 88,9% .
Berdasarkan uraian tersebut, maka dilakukan penelitian untuk membantu pengelola toko VJCakes dalam memberikan kemudahan untuk menyelesaikan masalah pola penjualan di toko dengan menggunakan algoritma Nayve Bayes.
METODE PENELITIAN
Rancangan Penelitian Mulai Analisis Masalah Mempelajari Literatur Penetapan Metode Pengolahan Data Pengumpulan Data Pengujian Data Kesimpulan Selesai Gambar 1.
Rancangan Penelitian JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
JOMLAI: Journal of Machine Learning and Artificial Intelligence Adapun penjelasan berdasarkan gambar adalah sebagai berikut:
Analisis Masalah Untuk memprediksi penjualan cakes serta dapat mengetahui produk apa saja yang paling diminati oleh konsumen VJCakes Pematangsiantar.
Mempelajari Literatur Penelitian ini harus didasari rujukan yang digunakan untuk mendapatkan rujukan yang digunakan untuk mendapatkan informasi dalam penelitian.
Menetapkan Metode Menetapkan metode untuk memecahkan masalah.
Pada penelitian ini metode yang digunakan yaitu Nayve Bayes.
Mengumpulkan Data Data yang dikumpulkan oleh peneliti diperoleh dari hasil observasi dan wawancara dengan pemilik Toko.
Mengolah Data Pengolahan data dilakukan dengan menggunakan Rapid Miner versi 5.
3 Pengolahan data disini menggunakan Ms.
Excel 2010.
Menguji Data Pengujian data dilakukan dengan menggunakan aplikasi Rapid Miner versi 5.
Kesimpulan Kesimpulan yang didapatkan dalam menentukan prediksi penjualan ini adalah untuk meminimalisir kerugian pada penjualan dan toko dapat menyiapkan stok Cake sesuai permintaan pasar.
Pengumpulan Data Prosedur pengumpulan data merupakan proses yang di lakukan untuk memperoleh informasi yang dibutuhkan dalam rangka mencapai tujuan penelitian.
Metode pengumpulan data yang digunakan pada penelitian ini adalah observasi, dan juga peneliti melakukan pengumpulan data dengan mengambil sampel data langsung dari catatan penjualan harian.
Sumber data pada peneliti ini diperoleh dari hasil observasi yang dilakukan peneliti di toko VJCakes Pematangsiantar.
Kemudian hasil observasi ini di input ke dalam Microsoft Excel untuk dilakukan perhitungan sementara.
Pemodelan Nayve Bayes Metode yang digunakan pada penelitian ini merupakan salah satu metode data mining yaitu Nayve Bayes.
Algoritma Nayve Bayes merupakan metode yang mengklasifikasi suatu data dengan cara efektif dengan mengoptimalkan pengawasan perkiraan dalam probabilitas akurat dengan asumsi penyederhanaan nilai atribut kondisional yang saling bebas jika diberikan nilai output.
Berikut langkah-langkah penyelesaian yang dilakukan penulis dalam memprediksi penjualan menggunakan metode Nayve Bayes.
Mulai Input Data Baca Data Training Jumlah Data Probabilitas Tabel Probabilitas Solusi Selesai Gambar 2.
Pemodelan Nayve Bayes Penjelasan:
Input Data Menentukan data yang akan digunakan dalam proses pengklasifikasian dan memprediksi penjualan.
Dimana data didapatkan dari Toko VJCakes.
Data Training Nayve Bayes Algorithm For Predicting Sales at the Pematang Siantar VJCakes Store (Juwit.
ISSN : 2828-9099 Menghitung jumlah Penjualan dari data yang didapatkan.
Jumlah Data Probabilitas Menghitung jumlah penjualan untuk setiap kriteria berdasarkan masing-masing data yang didapatkan.
Tabel Probabilitas Menghitung perkalian salah satu variabel yang digunakan dalam memprediksi penjualan.
Solusi Algoritma Nayve Bayes untuk memprediksi penjualan cakes agar dapat memproduksi cakes yang laku di pasaran.
Selesai Memberikan kesimpulan dari data yang telah diklasifikasikan.
HASIL DAN ANALISIS
Pengolahan Data Data yang digunakan dalam proses perhitungan adalah data kuesioner pada VJCakes Pematangsiantar berjumlah 150 Proses perhitungan akan dilakukan menggunakan algoritma klasifikasi Nayve Bayes, dengan menghitung probabilitas dari setiap nilai pada variabel yang akan menghasilkan sebuah tabel probabilitas yang akan digunakan untuk memprediksi.
Proses perhitungan manual akan di uji menggunakan software open source Rapid Miner untuk mengetahui tingkat akurasi dan Proses perhitungan menggunakan persamaan untuk mencari nilai probabilitas terhadap setiap variabel.
Data akan dibagi menjadi 2 yakni data training dan data testing.
Variabel yang akan digunakan untuk Memprediksi Penjualan Pada Toko VJCakes yaitu :
Tabel 1.
Data Training Nama Produk
A10
A11
A12
A13
A14
A15
A16
A17
A18
A19
A20
A21
A22
A23
A24
A25
A26
A27
A28
A29
A30
A31
A32
A33
A34
A35
A36
A37
A38
A39
A40
A41
A42
A43
A44
A45
Ukuran Medium Medium Medium Medium Medium Large Large Large Large Large Small Small Small Small Small Large Large Large Large Large Medium Medium Medium Medium Medium Small Small Small Small Small Medium Medium Medium Medium Medium Large Large Large Large Large Small Small Small Small Small Rasa Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Jenis Produk Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
Stok Produk
Normal
Normal
Normal
Tinggi Tinggi Normal
Normal
Normal
Normal
Normal
Normal
Tinggi Tinggi Normal
Normal
Tinggi Normal
Tinggi Tinggi Tinggi Normal
Normal
Tinggi Normal
Normal
Tinggi Tinggi Tinggi Normal
Normal
Normal
Tinggi Normal
Normal
Normal
Normal
Tinggi Tinggi Tinggi Normal
Normal
Normal
Output
Tidak Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Tidak Terjual Tidak Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual JOMLAI: Journal of Machine Learning and Artificial Intelligence Nama Produk
A46
A47
A48
A49
A50
A51
A52
A53
A54
A55
A56
A57
A58
A59
A60
A61
A62
A63
A64
A65
A66
A67
A68
A69
A70
A71
A72
A73
A74
A75
A76
A77
A78
A79
A80
A81
A82
A83
A84
A85
A86
A87
A88
A89
A90
A91
A92
A93
A94
A95
A96
A97
A98
A99
A100
A101
A102
A103
A104
A105
A106
A107
A108
A109
A110
A111
A112
A113
A114
A115
A116
A117
A118
A119
Ukuran Medium Medium Medium Medium Medium Large Large Large Large Large Small Small Small Small Small Large Large Large Large Large Medium Medium Medium Medium Medium Small Small Small Small Small Large Large Large Large Large Small Small Small Small Small Medium Medium Medium Medium Medium Large Large Large Large Large Medium Medium Medium Medium Medium Small Small Small Small Small Medium Medium Medium Medium Medium Large Large Large Large Large Small Small Small Small Rasa Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Jenis Produk Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Stok Produk Normal Normal Normal Tinggi Tinggi Normal Normal Normal Tinggi Tinggi Normal Tinggi Normal Normal Normal Normal Tinggi Tinggi Normal Normal Rendah Tinggi Normal Tinggi Tinggi Tinggi Normal Rendah Normal Tinggi Normal Normal Tinggi Tinggi Tinggi Rendah Normal Normal Normal Tinggi Normal Normal Normal Normal Tinggi Tinggi Tinggi Normal Normal Normal Normal Normal Normal Tinggi Tinggi Normal Normal Normal Tinggi Tinggi Normal Normal Normal Normal Normal Normal Tinggi Tinggi Normal Normal Rendah Tinggi Normal Tinggi Output Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Tidak Terjual Tidak Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Nayve Bayes Algorithm For Predicting Sales at the Pematang Siantar VJCakes Store (Juwit.
ISSN : 2828-9099
Nama Produk
A120
A121
A122
A123
A124
A125
A126
A127
A128
A129
A130
A131
A132
A133
A134
A135
A136
A137
A138
A139
A140
A141
A142
A143
A144
A145
A146
A147
A148
A149
A150
Ukuran Small Small Medium Medium Medium Large Small Small Small Small Large Large Large Large Large Large Medium Medium Medium Medium Medium Small Small Small Small Medium Medium Large Large Large Large Rasa Original Cokelat Keju Pandan Stroberi Cokelat Cokelat Keju Pandan Stroberi Cokelat Cokelat Keju Pandan Stroberi Original Cokelat Keju Pandan Stroberi Original Stroberi Cokelat Original Keju Stroberi Cokelat Original Stroberi Cokelat Keju Jenis Produk Cake Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Makanan Penutup Cake Cake Cake Cake Cake Cake Cake Cake Cake Cake Minuman Minuman Minuman Minuman Minuman Minuman Minuman Minuman Minuman Minuman Stok Produk Tinggi Tinggi Normal Rendah Normal Tinggi Normal Normal Tinggi Tinggi Tinggi Rendah Normal Normal Normal Tinggi Normal Normal Normal Normal Tinggi Tinggi Tinggi Normal Normal Normal Normal Normal Normal Tinggi Tinggi Output Terjual Tidak Terjual Terjual Tidak Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Tidak Terjual Tidak Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Untuk menghitung probabilitas Terjual dan Tidak Terjual, rumus yang digunakan adalah sebagai berikut:
P (A) =
Keterangan :
P (A) = Probabilitas terjadinya kejadian A n (A) = Banyaknya kejadian yang dimaksud n (S) = Jumlah Keseluruhan Data P (Terjua.
= 90/150=0,60 P (Tidak Terjua.
= 60/150=0,40 Untuk hasil dari probabilitas data dapat dilihat pada tabel berikut:
Tabel 2.
Hasil probabilitas Terjual/Tidak Terjual P(Terjual/Tidak Terjual Terjual Tidak Terjual Terjual 0,60 Tidak Terjual 0,40 Setelah probabilitas dari data telah diketahui, selanjutnya penulis menghitung masing-masing probabilitas dari setiap variabel yang digunakan dalam penelitian ini.
Variabel yang digunakan yakni ukuran, rasa, jenis produk, dan stok.
Penentuan probabilitas setiap variabel, dengan melakukan perhitungan untuk setiap nilai pada variabel.
Sehingga dalam menentukan probabilitas setiap variabel dilakukan dengan menghitung jumlah Terjual dan Tidak Terjual pada nilai di setiap variabel yang Sehingga perhitungan probabilitas masing-masing variabel dapat dilihat pada beberapa tabel-tabel berikut.
Tabel 3.
Probabilitas Variabel Ukuran P(U=I.
A Terjual Tidak Terjual Terjual Tidak Terjual Large Medium
Small
Jumlah Total
0,37778
0,27778
0,34444
0,28333
0,41667
0,30000
Pada tabel diatas diketahui bahwa untuk variabel ukuran, nilai (Larg.
Terjua.
adalah 0,37778, nilai (Mediu.
Terjua.
adalah 0,27778, .
ilai Smal.
Terjua.
adalah 0,34444, nilai (Larg.
Tidak Terjua.
adalah 0,28333, nilai (Mediu.
Tidak terjua.
adalah 0,41667, dan nilai (Smal.
Tidak terjua.
adalah 0,30000, dan total dari keseluruhan probabilitas adalah 1 untuk setiap kategori terjual dan tidak terjual.
JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
JOMLAI: Journal of Machine Learning and Artificial Intelligence Tabel 4.
Probabilitas Variabel Rasa P(R=I.
A Cokelat Keju Original Pandan Stroberi Jumlah Total Terjual Tidak Terjual Terjual Tidak Terjual 0,11111 0,26667 0,27778 0,12222 0,22222 0,38333 0,10000 0,05000 0,28333 0,18333 Pada tabel diatas diketahui bahwa untuk variabel rasa, nilai (Cokela.
Terjua.
adalah 0,1111, nilai (Kej.
Terjua.
adalah 0,26667, .
ilai Origina.
Terjua.
adalah 0,27778, .
ilai Panda.
Terjua.
adalah 0,12222, .
ilai Strober.
Terjua.
adalah 0,22222, .
ilai Cokela.
Tidak Terjua.
adalah 0,38333, .
ilai Kej.
Tidak Terjua.
adalah 0,10000, .
ilai Origina.
Tidak Terjua.
adalah 0,05000, .
ilai Panda.
Tidak Terjua.
adalah 0,28333, dan .
ilai Strober.
Tidak Terjua.
adalah 0,18333,.
Dan total dari keseluruhan probabilitas adalah 1 untuk setiap kategori terjual dan tidak terjual.
Tabel 5.
Probabilitas Variabel Jenis Produk P(J=I.
A Terjual Tidak Terjual Terjual Tidak Terjual Cake
Makanan Penutup Minuman Jumlah Total
0,65556
0,26667
0,07778
0,68333
0,26667
0,05000
Pada tabel diatas diketahui bahwa untuk variabel Jenis Produk, nilai (Cak.
Terjua.
adalah 0,65556, nilai (Makanan Penutu.
Terjua.
adalah 0,26667, (Minuma.
Terjua.
adalah 0,07778, (Cak.
Tidak Terjua.
adalah 0,68333, (Makanan Penutu.
Tidak Terjua.
adalah 0,26667, (Minuma.
Tidak Terjua.
adalah 0,07778,.
Dan total dari keseluruhan probabilitas adalah 1 untuk setiap kategori terjual dan tidak terjual.
Tabel 6.
Probabilitas Stok P(S=I.
A Terjual Tidak Terjual Terjual Tidak Terjual Normal
Rendah
Tinggi Jumlah Total
0,52222
0,47778
0,65000
0,15000
0,20000
Pada tabel diatas diketahui bahwa untuk variabel Stok, nilai (Norma.
Terjua.
adalah 0,52222, nilai (Renda.
Terjua.
adalah 0, (Tingg.
Terjua.
adalah 0,47778, (Norma.
Tidak Terjua.
adalah 0,65000, (Renda.
Tidak Terjua.
adalah 0,15000, (Tingg.
Tidak Terjua.
adalah 0,20000, dan total dari keseluruhan probabilitas adalah 1 untuk setiap kategori terjual dan tidak Setelah masing-masing probabilitas kriteria telah diketahui, langkah selanjutnya adalah menghitung data testing untuk menentukan nilai klasifikasi.
Berikut adalah data testing yang digunakan dalam penelitian ini dapat dilihat pada tabel 6.
Tabel 7.
Data Testing Size
Rasa Jenis Produk
Cokelat
Keju
Pandan
Stroberi Original Cokelat
Keju
Pandan
Stroberi Original Cokelat
Keju
Pandan
Stroberi Original Cokelat
Keju
Pandan
Stroberi Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Stok
Produk
Normal
Normal
Normal
Tinggi Tinggi Normal
Normal
Normal
Normal
Normal
Normal
Tinggi Tinggi Normal
Normal
Rendah
Tinggi Normal
Tinggi Output
Tidak Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual PREDICTION
Nama Produk
A10
A11
A12
A13
A14
A15
A16
A17
A18
A19
Class
Prediction Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Tidak Terjual 0,00634 0,01522 0,00697 0,01160 0,01450 0,00862 0,02069 0,00948 0,01724 0,02156 0,00786 0,01726 0,00791 0,01572 0,01965 0,01893 0,00948 0,01578 0,02838 0,00740 0,02097 0,00418 0,00114 0,01930 0,00503 0,01426 0,00923 0,00252 0,02043 0,00164
0,00465
0,00977
0,00267
0,00445
0,00155
0,01426
0,00284
Nayve Bayes Algorithm For Predicting Sales at the Pematang Siantar VJCakes Store (Juwit.
ISSN : 2828-9099
A45
Size
Rasa Jenis Produk
Original Cokelat
Keju
Pandan
Stroberi Original Cokelat
Keju
Pandan
Stroberi Original Keju
Pandan
Stroberi Original Stroberi Cokelat
Original Keju
Stroberi Cokelat
Original Stroberi Cokelat
Keju
Cokelat
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Cake
Minuman Minuman Minuman Minuman Minuman Minuman Minuman Minuman Minuman Minuman Makanan Penutup Stok
Produk
Tinggi Tinggi Normal
Rendah
Normal
Tinggi Normal
Normal
Tinggi Tinggi Tinggi Normal
Normal
Normal
Tinggi Tinggi Tinggi Normal
Normal
Normal
Normal
Normal
Normal
Tinggi Tinggi Terjual Tidak Terjual Terjual Tidak Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Terjual Tidak Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Class
Prediction Terjual Tidak Terjual Terjual Tidak Terjual Tidak Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Terjual Tidak Terjual Tidak Terjual Terjual Terjual Terjual Terjual Terjual Terjual Tidak Terjual Terjual Terjual Terjual Terjual Tinggi Terjual Terjual Output
TIO
DIC
PRE
Nama Produk
A20
A21
A22
A23
A24
A25
A26
A27
A28
A29
A30
A31
A32
A33
A34
A35
A36
A37
A38
A39
A40
A41
A42
A43
A44
Terjual Tidak Terjual 0,01972 0,00580 0,01522 0,01268 0,01450 0,00786 0,01887 0,00791 0,01438 0,01798 0,01522 0,00697 0,01268 0,01450 0,00171 0,00085 0,00233 0,00224 0,00150 0,00075 0,00256 0,00205 0,00094 0,00225 0,00077 0,00873 0,00740 0,00484 0,01357 0,00114
0,02043
0,00533
0,00465
0,00301
0,00082
0,00740
0,02097
0,01357
0,00114
0,00022
0,00046
0,00020
0,00039
0,00099
0,00208
0,00018
0,00068
0,00043
0,00011
0,00321
0,00232
Berdasarkan tabel 7 terlihat bahwa class prediction adalah hasil prediksi dari algoritma Nayve Bayes dan output adalah hasil dari data sebenarnya.
Terdapat class prediction yang sesuai dengan output dan juga terdapat yang tidak sesuai.
Dari keseluruhan data testing diperoleh tingkat akurasi sebesar 84 %.
Hasil Percobaan Rapid Miner proses pengujian dengan software Rapid Miner 5.
3 terhadap perhitungan manual serta menguji kinerja dari algoritma klasifikasi Nayve Bayes terhadap kasus yang diteliti pada penelitian ini.
Gambar 2.
Menghubungkan Operator excel testing dan Nayve Bayes Dengan Apply Model Gambar 3.
Nilai Accuracy Performance Berdasarkan gambar 2 diketahui nilai akurasi adalah 84,44 % dengan jumlah True Positif adalah 26 dan True Negatif adalah 12 dimana hasil menggunakan software dengan proses yang dilakukan dengan perhitungan manual adalah sama, dengan demikian dapat dikatakan proses perhitungan sudah berhasil dilakukan dengan benar.
JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
JOMLAI: Journal of Machine Learning and Artificial Intelligence KESIMPULAN Berdasarkan perhitungan yang telah dilakukan terhadap prediksi penjualan Cakes pada VJCakes Pematang Siantar menggunakan algoritma Nayve Bayes, dapat disimpulkan bahwa Algoritma data mining klasifikasi Nayve Bayes berhasil diterapkan dalam prediksi penjualan cakes pada toko VJCakes Pematangsiantar.
Dalam memprediksi menggunakan algoritma Nayve Bayes dapat menghasilkan model tabel-tabel probabilitas yang digunakan dalam hal prediksi, dengan tingkat akurasi 44 %.
Berdasarkan perhitungan yang telah dilakukan, diketahui bahwa terdapat probabilitas yang tinggi yang dapat mempengaruhi terhadap terjual nya produk yakni untuk variabel Ukuran adalah AuLargeAy, untuk variabel rasa adalah AuOriginal, untuk variabel jenis produk adalah AuCakeAy dan Stok adalah AuNormalAy.
REFERENSI