Penerapan Algoritma Naïve Bayes Untuk Memprediksi Penjualan Spare Part Sepeda Motor
Abstract
PT. Indako Trading Coy merupakan salah satu perusahaan yang bergerak di bidang otomotif. Salah satu kegiatannya adalah penjualan Spare Part sepeda motor. Karena tingginya tingkat penjualan Spare Part sepeda motor maka dapat memberikan keuntungan bagi perusahaan tersebut. Oleh karena itu, perusahaan harus mampu menentukan kebijakan–kebijakan yang berhubungan dengan aktivitas penjualan yang dilakukan oleh perusahaan. Oleh sebab itu diperlukan suatu metode Algoritma Naïve Bayes untuk memberikan solusi dalam mengurangi biaya modal persedian barang sparepart yang terlalu besar dan menstabilkan stok barang sesuai kebutuhan konsumen, serta memprediksi penjualan Spare Part sepeda motor di PT. Indako Trading Coy. Naïve Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan Aplikasi ini dapat mengakomodir proses pembuatan transaksi dan laporan menjadi lebih cepat dan mudah, proses pengecekan barang secara realtime. Dari kedua penelitian tersebut maka penulis menyimpulkan Algoritma Naive Bayes bertujuan untuk mengantisipasi naik turunnya penjualan dan menstabilkan stok barang. Berdasarkan penelitian tersebut penulis menyimpulkan bahwa Algoritma Naïve Bayes cocok diterapkan dalam memprediksi penjualan sparepart motor.
Kata kunci : Prediksi, Algoritma Naïve Bayes, Spare PartReferences
A.Saleh, â€Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tanggaâ€, Citec Journal, vol. II, pp.208, 2015
Bayu Adhi Tama, “Penetapan Strategi Penjualan Menggunakan Association Rules Dalam Konteks CRMâ€, Jurnal Generic, vol. V, pp.1-4, 2010
E.Manalu et al, â€Penerapan Algoritma Naive Bayes Untuk Memprediksi Jumlah Produksi Barang Berdasarkan Data Persediaan dan Jumlah Pemesanan (Studi Kasus: Cv. Papadan Mama Pastries)â€, Jurnal Mantik Penusa, vol. I, pp.17, 2017
A.N Sofyanto, “Analisis Dan Perancangan Sistem Informasi Pengadaan Dan Persediaan Obat (Studi Kasus: Rumah Sakit Umum Pusat Dr. Soeradji Tirtonegoro Klaten)â€, Jurnal Mantik Penusa, vol. II, pp.15, 2010.
Sejarah PT. Indako Trading Coy, PT. Indako Trading Coy, Medan, Indonesia, 2018, pp. 37-54
H. Sudarma.(2006), “Menjadi Kaya Dengan UKM Otomotif Roda Duaâ€, tanggerang : Kawan Pustaka
Darmayuda et al, Pemrograman Aplikasi Database Dengan Microsoft Visual Basic.Net 2008, Informatika Bandung: Bandung. 2009
Hendrayudi, Pengertian Aplikasi, Yogyakarta: Andi Offset. 2009
H.M, Jogiyanto, Analisis dan Desain Sistem Informasi, Yogyakarta : Andi Offset. 2005
Kusrini, Konsep dan Aplikasi Sistem Pendukung Keputusan, Yogyakarta : Andi Offest. 2007
Kusuma, Hendra,â€Manajemen Produksiâ€,Andi Offset, Yogyakarta,1999
Makridakis, Metode Dan Aplikasi Peramalan Edisi 2, Jakarta : Binarupa Aksara. 1999
Ririanti, Implementasi Algoritma Fp-Growth Pada Aplikasi Prediksi Persediaan Sepeda Motor, Medan : Mitra. 2014
Rosa et al, Modul Pembelajaran Rekayasa Perangkat Lunak, Bandung : Modula. 2011
S. Kusumadewi et al, Fuzzy multi-attribute decision making (fuzzy madm), Yogyakarta : Graha Ilmu. 2006
S. Maulana, Trik Kolaborasi Vb.Net dan Sms Gateway, Cirebon : CV. Asfa Solution. 2015
T. Sutabri, Analisis Sistem Informasi, Yogyakarta : Andi Offest. 2012
Wahana Komputer, Membangun Aplikasi Toko Dengan Visual Basic 2008, Semarang : Andi Offset. 2008
D. P. Utomo and B. Purba, "Penerapan Datamining pada Data Gempa Bumi Terhadap Potensi Tsunami di Indonesia," Prosiding Seminar Nasional Riset Information Science (SENARIS), vol. 1, pp. 846-853, 2019.
R. Amelia and D. P. Utomo, "ANALISA POLA PEMESANAN PRODUK MODERN TRADE INDEPENDENT DENGAN MENEREPAKAN ALGORITMA FP. GROWTH (STUDI KASUS: PT. ADAM DANI LESTARI)," KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer), vol. 3, no. 1, pp. 416-423, 2019.
D. P. Utomo and M. Mesran, "Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung," JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 4, no. 2, pp. 437-444, 2020.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are 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 an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their 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 published work (Refer to The Effect of Open Access).
