Penerapan Algoritma Naïve Bayes Dalam Memprediksi Tingkat Penjualan Mobil Tahun 2022
Article Sidebar
Main Article Content
Abstract
Persaingan industri otomotif terutama pada sektor roda empat atau mobil setiap bulan semakin kompetitif. Berbagai merk mobil saling berlomba untuk menjadi primadona bagi konsumennya terutama masyarakat indonesia. Tidak dipungkiri hal ini membuat pabrikan atau perusahaan roda empat saling berlomba untuk meningkatkan penjualan mobilnya di sepanjang tahun 2020, tercatat lebih dari 10 merk mobil yang laku dimasyarakat seperti Toyota, Hino, Honda dan yang lainnya. Hal ini mendorong penelitian dengan konsep data mining menggunakan algoritma naive bayes yang bertujuan untuk dapat mengklasifikasikan setiap merk mobil berdasarkan kriteria tertentu. Algoritma ini mencatatkan akurasi sebesar 95,38 % dengan nilai precission 94,96% dan recal sebesar 90,21 %.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
R. Astuti, I. Ardila, and R. R. Lubis, “Pengaruh Promosi Dan Kualitas Produk Terhadap Keputusan Pembelian Sepatu Merek Converse,” Akmami Akuntansi, Manajemen, Ekon., vol. 2, no. 2, pp. 204–219, 2019.
M. R. Picaully, “Pengaruh Kepercayaan Pelanggan Terhadap Niat Pembelian Gadget Di Shopee Indonesia,” J. Manaj. Maranatha, vol. 18, no. 1, pp. 31–40, 2018, doi: 10.28932/jmm.v18i1.1094.
N. Nurliati and I. Mardian, “Pengaruh Kualitas Produk, Citra Merek Dan Persepsi Harga Terhadap Minat Beli Produk Smartphone Xiomi Pada Duta Cell Bima,” Manaj. Dewantara, vol. 5, no. 1, pp. 78–92, 2021, doi: 10.26460/md.v5i1.9651.
A. Natasuwarna, “Pendekatan Data Mining Memprediksi Profil Sosial Masyarakat Menggunakan Aplikasi RapidMiner,” Semin. Nas. Pengabdi. Masy., vol. 38, pp. 38–44, 2019.
A. Riski, I. Pratama, S. A. Latipah, and B. N. Sari, “Optimasi klasifikasi curah hujan menggunakan support vector machine (svm) dan recursive feature elimination (rfe),” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 07, no. 02, pp. 314–324, 2022, doi: 10.29100/jipi.v7i2.2675.g1166.
H. Budi Jatmiko, N. Tedi Kurniadi, and D. Maulana, “Optimasi Naïve Bayes Dengan Particle Swarm Optimization Untuk Analisis Sentimen Formula E-Jakarta,” JACIS J. Autom. Comput. Inf. Syst., vol. 2, no. 1, pp. 22–30, 2022, doi: 10.47134/jacis.v2i1.35.
A. Army and B. Tujni, “Penerapan Algoritma Naive Bayes Untuk Menentukan Nasabah Potensial Klaim Pada PT Penjaminan Jamkrindo Syariah,” Bina Darma Conf. Comput. Sci., vol. 2, no. 1, pp. 207–217, 2020.
D. Fallo and M. Sogen, “Metode Naïve Bayes Untuk Memprediksi Penggunaan Listrik Rumah Tangga,” J. Pendidik. Teknol. Inf., vol. 1, no. 2, pp. 47–51, 2018, doi: 10.37792/jukanti.v1i2.11.
H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” J. Teknol. Inf. dan Komun., vol. 8, no. 2, 2020, doi: 10.30646/tikomsin.v8i2.500.
N. Yahya and A. Jananto, “Komparasi Kinerja Algoritma C4.5 Dan Naive Bayes Untuk Prediksi Kegiatan Penerimaan Mahasiswa Baru (Studi Kasus : Universitas Stikubank Semarang),” Pros. SENDI, no. 2014, pp. 978–979, 2019, [Online]. Available: https://www.unisbank.ac.id/ojs/index.php/sendi_u/article/view/7389
H. Harliana and F. N. Putra, “Klasifikasi Tingkat Rumah Tangga Miskin Saat Pandemi Dengan Naïve Bayes Classifier,” J. Sains dan Inform., vol. 7, no. 2, pp. 165–173, 2021, doi: 10.34128/jsi.v7i2.339.