Penerapan Algoritma Klasifikasi Naïve Bayes Dalam Pengambilan Keputusan Preferensi Konsumen Terhadap Produk Sprocket Dan Chain
DOI:
https://doi.org/10.35145/jmapteksi.v8i1.5887Keywords:
Preferensi Konsumen, Naïve Bayes, Data Penjualan, KlasifikasiAbstract
Penelitian ini bertujuan membangun model klasifikasi untuk mengidentifikasi preferensi pembelian konsumen terhadap produk sprocket dan chain berdasarkan data transaksi penjualan PT. Buana Rantai Berkat Abadi Cabang Pekanbaru periode 2022–2024. Dataset awal berjumlah 1.818 transaksi dan setelah melalui tahap preprocessing menghasilkan 1.787 transaksi valid. Variabel target yang digunakan adalah Preferensi dengan dua kategori, yaitu Diminati dan Tidak Diminati, yang ditentukan berdasarkan jumlah pembelian, yaitu QTY ≥ 5 sebagai Diminati dan QTY < 5 sebagai Tidak Diminati. Adapun atribut prediktor yang digunakan meliputi delivery, jenis produk, merek, ukuran, dan kategori harga. Pemodelan diimplementasikan menggunakan bahasa pemrograman Python pada Google Colab dengan algoritma Categorical Naïve Bayes serta Ordinal Encoding. Evaluasi model dilakukan menggunakan metode train-test split dengan rasio 80:20 dan 10-fold cross-validation. Hasil pengujian menggunakan train-test split menunjukkan nilai akurasi sebesar 88,55%. Sementara itu, hasil evaluasi menggunakan 10-fold cross-validation menghasilkan rata-rata akurasi sebesar 89,14%, precision sebesar 80,62%, recall sebesar 73,75%, dan F1-score sebesar 76,40% (macro average). Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memiliki performa yang baik dalam mengklasifikasikan preferensi pembelian konsumen dan dapat dimanfaatkan sebagai dasar awal dalam mendukung analisis kecenderungan permintaan produk serta penyusunan rekomendasi produk berdasarkan data historis penjualan.
Downloads
References
1] R. Rizkiyanto and A. Rahmayana, “Proceedings of the 3rd International Conference on Pesantren (3rd ICOP) 2025 26 May 2025, Darunnajah University, Jakarta, Indonesia,” no. May, 2025.
[2] R. P. M. Rosidi and K. Setiawan, “Implementasi Algoritma Naïve Bayes Terhadap Data Penjualan untuk Mengetahui Pola Pembelian Konsumen pada Kantin,” J. Indones. Manaj. Inform. dan Komun., vol. 5, no. 1, pp. 120–126, 2024, doi: 10.35870/jimik.v5i1.407.
[3] Stefvy and D. Salim, “Penerapan Metode Penyusutan Menurut Ketentuan Pajak Dan Pengaruhnya Terhadap Pajak Penghasilan Badan Di Pt Buana Rantai Berkat Abadi Medan,” JUSAPAK J. Stud. Akunt. Pajak Keuang., vol. 2, no. 3, pp. 146–151, 2024.
[4] P. M. S. Tarigan, J. T. Hardinata, H. Qurniawan, M.Safii, and R. Winanjaya, “IMPLEMENTASI DATA MINING MENGGUNAKAN ALGORITMA APRIORI DALAM MENENTUKAN PERSEDIAAN BARANG (STUDI KASUS : TOKO SINAR HARAHAP),” J. Tek. Inf. dan Komput., vol. 7, no. 1, p. 144, 2022, doi: 10.37600/tekinkom.v7i1.1270.
[5] F. Alghifari and D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,” J. Ilm. Inform., vol. 9, no. 2, pp. 75–81, 2021.
[6] Hizbul Izzi, Arief Setyanto, and Anggit Dwi Hartanto, “Optimalisasi Akurasi Algoritma Naïve Bayes Dengan Metode Syntetic Minority Oversampling Technique (Smote) Pada Data Numerik,” Infotek J. Inform. dan Teknol., vol. 8, no. 1, pp. 217–227, 2025, doi: 10.29408/jit.v8i1.28340.
[7] Heliyanti Susana, “Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet,” J. Ris. Sist. Inf. dan Teknol. Inf., vol. 4, no. 1, pp. 1–8, 2022, doi: 10.52005/jursistekni.v4i1.96.
[8] N. W. Wardani, P. G. S. C. Nugraha, and G. S. Mahendra, “Implementasi Naïve Bayes Pada Data Mining Untuk Mengklasifikasikan Penjualan Barang Terlaris Pada Perusahaan Ritel,” JST (Jurnal Sains dan Teknol., vol. 12, no. 3, pp. 656–668, 2024, doi: 10.23887/jstundiksha.v12i3.38605.
[9] S. Nuraeni, H. Harliana, and T. Prabowo, “Analisis Akurasi Naïve Bayes Dan Knn Dalam Penentuan Penerima Pkh Di Lombok Utara,” J. Inf. Syst. Manag., vol. 5, no. 2, pp. 121–126, 2024, doi: 10.24076/joism.2024v5i2.1205.
[10] S. S. Prasetiyowati and Y. Sibaroni, “Unlocking the potential of Naive Bayes for spatio temporal classification: a novel approach to feature expansion,” J. Big Data, vol. 11, no. 1, 2024, doi: 10.1186/s40537-024-00958-x.
[11] S. Ridho, “Analisis Preferensi Konsumen dalam Memilih Produk Hortikultura Menggunakan Metode Algoritma C45 dan Naive Bayes,” Emit. J. Tek. Elektro, pp. 66–77, 2024, doi: 10.23917/emitor.v24i1.2401.
[12] J. P. Tanjung, F. C. Tampubolon, A. W. Panggabean, and M. A. A. Nandrawan, “Customer Classification Using Naive Bayes Classifier With Genetic Algorithm Feature Selection,” Sinkron, vol. 8, no. 1, pp. 584–589, 2023, doi: 10.33395/sinkron.v8i1.12182.
[13] A. C. Dewi, A. Hermawan, and D. Avianto, “Classification of Customers’ Repeat Order Probability Using Decision Tree, Naïve Bayes and Random Forest,” J. Pilar Nusa Mandiri, vol. 20, no. 1, pp. 52–59, 2024, doi: 10.33480/pilar.v20i1.5243.
[14] O. Rainio, J. Teuho, and R. Klén, “Evaluation metrics and statistical tests for machine learning,” Sci. Rep., pp. 1–14, 2024, doi: 10.1038/s41598-024-56706-x.
[15] S. Sathyanarayanan and B. R. Tantri, “Confusion Matrix-Based Performance Evaluation Metrics,” vol. 27, no. 4, 2024.
[16] J. Allgaier and R. Pryss, “Cross-Validation Visualized: A Narrative Guide to Advanced Methods,” pp. 1378–1388, 2024.
[17] V. W. Lumumba, D. Kiprotich, N. G. Makena, M. D. Kavita, and M. L. Mpaine, “Comparative Analysis of Cross-Validation Techniques: LOOCV, K-folds Cross-Validation, and Repeated K-folds Cross-Validation in Machine Learning Models,” vol. 13, no. 5, pp. 127–137, 2024.
[18] C. Marceline Gunawan and T. Melinda, “Analisis Atribut Yang Menjadi Preferensi Konsumen Dalam Memilih Produk Ud Sumber Urip,” J. Indones. Sos. Sains, vol. 2, no. 10, pp. 1655–1662, 2021, doi: 10.36418/jiss.v2i10.432.
[19] M. S. Rohman, M. Lukitasari, D. A. Nugroho, N. Widodo, I. Kusumastuty, and N. I. P. Nugrahini, “Consumer Perceptions and Preferences of Beverage Products in Malang City,” pp. 2614–2623, 2022.
[20] A. Mubarok, “Analisis Perbandingan Kekuatan Material Sprocket Belakang Sepeda Motor Menggunakan Metode Elemen Hingga,” Pap. Knowl. . Towar. a Media Hist. Doc., vol. 3, no. April, pp. 49–58, 2021.
[21] M. S. T. Raharjo, Basuki, M. A. Irfa’i, and M. M. Rosadi, “ANALISIS PENGARUH VARIASI UKURAN SPROCKET TERHADAP DAYA DAN TORSI MESIN SEPEDA MOTOR HONDA SUPRA X 125 TAHUN 2008,” vol. 02, pp. 0–3, 2024.
[22] H. Darmadi, M. Muttaqin, D. Paranita, and T. F. Simbolon, “ANALISA NILAI TEGANGAN PATAH RANTAI JENIS ROLLER AKIBAT ADANYA DEFORMASI,” vol. 9, no. 2, pp. 50–55, 2023.
