Skripsi/Tugas Akhir

Analisis Perbandingan Metode K-NN dan Naïve Bayes pada Klasifikasi Penjualan Barang

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Dalam menghadapi pertumbuhan penjualan yang terus meningkat, penting untuk dapat mengidentifikasi produk-produk yang memiliki potensi tinggi dan yang mungkin kurang diminati. Penelitian ini fokus pada penggunaan metode K-Nearest Neighbor (K-NN) dan Naïve Bayes dalam mengklasifikasikan hasil penjualan barang di Toko Sinar Mas. Klasifikasi penjualan berperan sentral dalam pengambilan keputusan bisnis, termasuk perencanaan produksi dan manajemen stok. Hasil penelitian menunjukkan bahwa Naïve Bayes mencapai tingkat akurasi sekitar 76,67%, sedangkan K-NN mencapai 73,33%. Evaluasi model tidak hanya mempertimbangkan tingkat akurasi, tetapi juga melibatkan metrik lain, seperti presisi, recall, F1-score, dan kurva AUC. Dari analisis kurva AUC, Naïve Bayes tampaknya lebih mampu dalam membedakan antara kelas positif dan negatif. Temuan penelitian ini memiliki potensi besar untuk meningkatkan efektivitas pengelolaan bisnis dengan memberikan wawasan yang berharga tentang cara terbaik untuk mengklasifikasikan hasil penjualan barang. Dengan demikian, hal ini dapat memberikan dampak positif pada peramalan penjualan di masa depan.
Kata Kunci: Klasifikasi, KNN, Naive Bayes, Penjualan

ABSTRACT
In facing the continuous growth of sales, it is crucial to be able to identify products with high potential and those that may be less favored. This research focuses on the use of the K-Nearest Neighbor (K-NN) and Naïve Bayes methods in classifying the sales results of goods at Toko Sinar Mas. Sales classification plays a central role in business decision-making, including production planning and inventory management. The research results indicate that Naïve Bayes achieves an accuracy rate of approximately 76.67%, while K-NN reaches 73.33%. Model evaluation considers not only accuracy but also other metrics, such as precision, recall, F1-score, and the AUC curve. From the AUC curve analysis, Naïve Bayes appears to be more capable of distinguishing between positive and negative classes. The findings of this research have significant potential to enhance the effectiveness of business management by providing valuable insights into the best way to classify sales results. Consequently, this can have a positive impact on future sales forecasting.
Keywords: Classification, KNN, Naive Bayes, Sales

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 23-48 REN a - 0318SI

Penerbit

Makassar : Universitas DIPA., 2023

Deskripsi Fisik

xi + 49 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 23-48

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 14 September 2023

Subjek

Skripsi/Tugas Akhir
Algoritma Naive Bayes
K-Nearest Neighbor

Lampiran File