Mauliza, Nur (2025) SISTEM KLASIFIKASI DATA PENJUALAN BARANG DI ZAHRA MARKET MENGGUNAKAN METODE NAIVE BAYES DAN K-NEAREST NEIGHBOR (KNN). S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (12kB)
	Text Abstrak.pdf Download (187kB)
	Text Bab 1.pdf Download (409kB)
	Text Daftar Pustaka.pdf Download (190kB)
	Text NUR MAULIZA 200170086.pdf Restricted to Registered users only Download (2MB)

Abstract

Dalam sistem operasional Zahra Market mengalami hambatan dalam sistem klasifikasi barang. Sistem klasifikasi barang dalam industri perdagangan sangat lah penting untuk merancang strategi pemasaran yang tepat, pengelolaan inventaris yang benar dan meningkatkan efisiensi pekerjaan suatu industri. Dengan cara mengklasifikasikan barang penjualan tinggi dan rendah sehingga merespon trend pasar secara cepat dan efisiensi operasional serta peningkatan keuntungan perusahaan. Dalam kajian klasifikasi tersebut digunakan beberapa algoritma untuk mengtahui dari data klasifikasinya, dengan metode yang akan diaplikasikan yakni Naïve Bayes (NB) dan K-Nearest Neighbors (KNN).Dalam konteks permasalahan klasifikasi tingkat penjualan barang, kedua metode ini dapat memberikan pendekatan yang berbeda namun saling melengkapi. Berdasarkan hasil pengujian kedua metode menunjukkan akurasi yang sangat baik dalam mengklasifikasikan data penjualan barang. Metode Naïve Bayes dengan nilai akurasi 83.33%, presisi 72% dan recall 100%. Metode K-Nearest Neighbors dengan akurasi 89.58%, presisi 82% dan recall 99%. Dengan hasil akurasi kedua metode tersebut, dari penjabaran tersebut dapat disimpulkan bahwa metode K- Nearest Neighbors mempunyai kinerja yang lebih bagus dalam menglasifikasikan data penjualan barang di Zahra Market. Kata Kunci: Zahra Market, Klasifikasi, Naïve Bayes, K-Nearest Neighbor. In the Zahra Market operational system there are problems with the goods classification system. The goods classification system in industrial trade is very important for designing the right marketing strategy, correct inventory management and increasing the work efficiency of an industry. By classifying high and low sales items, we are able to respond quickly to market trends and operational efficiency and increase company profits. In this classification research, several algorithms are used to determine the classification of data, with the methods that will be applied, namely Naïve Bayes (NB) and K-Nearest Neighbors (KNN). In the context of classifying the level of sales of goods, these two methods can provide different but complementary approaches. Based on test results, both methods show very good accuracy in classifying goods sales data. Naïve Bayes method with an accuracy value of 83.33%, precision 72% and recall 100%. K-Nearest Neighbors method with 89.58% accuracy, 82% precision and 99% recall. With the accuracy results of the two methods, from this explanation it can be concluded that the K-Nearest Neighbors method has better performance in classifying goods sales data at Zahra Market. Keywords: Zahra Market, Classification, Naïve Bayes, K-Nearest Neighbor.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Nur Mauliza
Date Deposited:	17 Feb 2025 03:01
Last Modified:	17 Feb 2025 03:01
URI:	https://rama.unimal.ac.id/id/eprint/10054

Actions (login required)

View Item