PERBANDINGAN ALGORITMA C4.5 DAN NAIVE BAYES MENGKLASIFIKASI TINGKAT PENJUALAN PRODUK PADA PT PARAGON PRATAMA TEKNOLOGI

PERBANDINGAN ALGORITMA C4.5 DAN NAIVE BAYES MENGKLASIFIKASI TINGKAT PENJUALAN PRODUK PADA PT PARAGON PRATAMA TEKNOLOGI

• By Alfida Robfik Haryanto;
• Skripsi
• 28
• 1-107

Dalam penelitian ini, dilakukan perbandingan antara algoritma C4.5 dan Naïve Bayes dalam mengklasifikasi tingkat penjualan produk pada PT. Paragon Pratama Teknologi. Algoritma C4.5 dikenal dengan kemampuannya dalam membangun pohon keputusan yang efektif untuk menangani atribut kontinu, serta menghasilkan aturan klasifikasi yang mudah dipahami. Di sisi lain, algoritma Naïve Bayes menggunakan prinsip probabilitas dengan asumsi independensi antar atribut, yang meskipun sederhana, sering kali memberikan hasil yang kompetitif pada berbagai jenis data. Data yang digunakan dalam penelitian ini mencakup informasi penjualan produk, termasuk kategori produk, nama menu, harga, jumlah penjualan, dan status penjualan. Kedua algoritma dievaluasi berdasarkan metrik akurasi, presisi, recall, dan AUC untuk menentukan kinerja masing-masing dalam klasifikasi tingkat penjualan.Hasil penelitian menunjukkan bahwa algoritma C4.5 memberikan akurasi yang lebih tinggi dibandingkan Naïve Bayes dalam mengklasifikasikan tingkat penjualan produk, dengan nilai presisi dan recall yang juga lebih baik. Namun, Naïve Bayes menunjukkan keunggulan dalam hal kecepatan pemrosesan, memberikan efisiensi yang lebih tinggi dalam pengolahan data. Oleh karena itu, pemilihan algoritma terbaik untuk klasifikasi tingkat penjualan produk bergantung pada prioritas antara akurasi hasil dan efisiensi waktu pemrosesan.Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam pengembangan sistem klasifikasi penjualan yang lebih efektif di PT. Paragon Pratama Teknologi.

Alfida Robfik Haryanto (17200492), Comparison of C4.5 and Naïve Bayes Algorithms to Classify Product Sales Levels at PT. Paragon Pratama Teknologi.

In this study, a comparison was made between the C4.5 and Naive Bayes algorithms in classifying product sales levels at PT. Paragon Pratama Teknologi. The C4.5 algorithm is known for its ability to build effective decision trees to handle continuous attributes, as well as producing easy-to-understand classification rules. On the other hand, the Naive Bayes algorithm uses the principle of probability with the assumption of independence between attributes, which although simple, often provides competitive results on various types of data. The data used in this study includes product sales information, including product categories, menu names, prices, sales volumes, and sales status. Both algorithms were evaluated based on accuracy, precision, recall, and AUC metrics to determine their respective performance in sales level classification. The results showed that the C4.5 algorithm provided higher accuracy than Naïve Bayes in classifying product sales levels, with better precision and recall values. However, Naïve Bayes showed an advantage in terms of processing speed, providing higher efficiency in data processing. Therefore, the selection of the best algorithm for product sales level classification depends on the priority between accuracy of results and efficiency of processing time. This study is expected to provide significant contributions in the development of a more effective sales classification system at PT. Paragon Pratama Teknologi

• Katakunci Klasifikasi Penjualan, Naïve Bayes, Decision Tree C4.5
• URL http://
• Penerbit ,

REFERENSI

Arbekti Arman, S., Trisetyowati Untari, R., & Teknologi dan Bisnis Ahmad Dahlan, I. (2023).Implementasi Data Mining Menggunakan Metode Decision Tree Dalam Mempolakan Penjualan Pada Showroom Motor Bekas. Journal of Science andSocialResearch,4307(2),398–403.http://jurnal.goretanpena.com/index.php/JSSR

Haryanti, M. F., Fauzi, A., Jelita, A. A., & Setiyowati, A. (2024). Pengaruh Data Mining , Strategi Perusahaan Terhadap Laporan Kinerja Perusahaan. 3(1), 71–90.

Herlambang, H. P., Saputra, F., Prasetiyo, M. H., Puspitasari, D., & Nurlaela, D. (2023). Perbandingan Klasifikasi Tingkat Penjualan Buah di Supermarket dengan Pendekatan Algoritma Decision Tree, Naive Bayes dan K-Nearest Neighbor. Jurnal INSAN - Journal of Information System Management Innovation, 3(1), 21–28. https://doi.org/10.31294/jinsan.v3i1.2097

Indah, Y. (2022). Prediksi Tingkat Kepuasan Pelayanan Online Menggunakan Metode Algoritma C4.5. Jurnal Informatika Ekonomi Bisnis, 4, 59–64.

Iqbal, M., Miskiyah, S., Sham, S. L., Anwar, S., & Fuad, M. H. (2024). Perbandingan Metode Decision Tree dan Naive Bayes Pada Tingkat Penjualan Minuman Kopi di Kopi Pawon Nusantara. Jurnal INSAN Journal of Information System Management Innovation, 4(1), 27–34. https://doi.org/10.31294/jinsan.v4i1.3682

Julianto, A., & Andayani, S. (2024). Penerapan Data Mining Untuk Klasifikasi Produk Terlaris Menggunakan Algoritma Naive Bayes Pada Bengkel Motor. JuSiTik : Jurnal Sistem Dan Teknologi Informasi Komunikasi, 7(2), 50–58. https://doi.org/10.32524/jusitik.v7i2.1148

Nur Azizah, Safii, M., & Alfina, O. PERBANDINGAN ALGORITMA C4.5 DAN NAIVE BAYES UNTUK MENGUKUR MINAT PENJUALAN SEPATU(2023). No Title. 13, 337–345.

Pratama, M. R., Studi, P., & Informatika, S. (2024). Perbandingan algoritma c4.5 dan naïve bayes mengklasifikasi kelayakan kredit manfaat dana pensiun pegawai negeri sipil (pns) pada pt bintang semesta raya.

Rangkuti, M. F. (2024). ANALISIS DAN PERBANDINGAN ALGORITMA NAIVE SKRIPSI Oleh : M FAUZI RANGKUTI FAKULTAS TEKNIK UNIVERSITAS MEDAN AREA MEDAN SKRIPSI Gelar Sarjana ( S1 ) di fakultas teknik Universitas Medan Area OLEH : M FAUZI RANGKUTI.

Ridwan, A. PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI PENYAKIT DIABETES MELLITUS (2022). C4.5 u. 41–48.

Sanjaya, R., Tohidi, E., Wahyudi, E., & Kaslani, K. (2024). Analisis Sentimen Terhadap Berhentinya Tiktokshop Pada Media Sosial Twitter Menggunakan Algoritma Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 507–514. https://doi.org/10.36040/jati.v8i1.8443

Suranda, D. I., Nugroho, A., Informatika, T., Informasi, F. T., Kristen, U., & Wacana, S. (2024). 1269-13-6954-1-10-20240713. 7, 370–376. https://doi.org/10.37600/tekinkom.v7i1.1269