Hybrid Data Mining berdasarkan Klasterisasi Produk untuk Klasifikasi Penjualan

Abstract

Penjualan yang terjadi pada minimarket mengalami pasang surut sejak pandemi Covid-19. Dalam penelitian ini, didapatkan masalah yaitu banyaknya produk pada mininmarket tidak laku terjual atau sebaliknya, adanya permintaan produk, namun di minimarket tidak tersedia. Data mining bisa menjadi solusi dalam menyelesaikan masalah ini. Penelitian ini mengusulkan metode hybrid data mining dengan menggabungkan algoritma K-Means dan K-Nearest Neighbors. Kombinasi metode ini bekerja dengan dua tahap yaitu melakukan klasterisasi produk yang terjual yang diteruskan dengan melakukan klasifikasi penjualan produk tersebut. Data yang digunakan pada penelitian ini adalah data produk perlengkapan mandi dan mencuci sebanyak 20 produk. Dari hasil penelitian yang dilakukan, terdapat 14 produk yang Banyak Peminat dari 20 produk. Dari 14 produk yang digunakan sebagai data pelatihan, dilakukan klasifikasi penjualan untuk 1 produk baru dengan kriteria stok ≥ 200, terjual ≥ 100 dan harga ≥ Rp. 10.000. Dari hasil pengujian diperoleh klasifikasi produk baru adalah Penjualan Tinggi dengan ketepatan dalam klasifikasi mencapai 85.7143 %. Penggunaan metode hybrid antara algoritma K-Means dan K-Nearest Neighbors memberikan pengaruh yang signifikan dalam menentukan hasil klasifikasi. Untuk penelitian selanjutnya, disarankan adanya proses prediksi dari hasil klasifikasi yang sudah ditemukan, sehingga lebih memiliki pengaruh yang besar dalam penggunaan metode hybrid data mining ini.

Analisis Sentimen Twitter Terhadap Cryptocurrency Menggunakan Algoritma Naive Bayes Dan Decision Tree

“…Klasifikasi adalah teknik eksplorasi data yang digunakan untuk mengelompokkan atau mempartisi data dan mengidentifikasi pola yang memisahkan kelas-kelas data [8]. Cara kerja klasifikasi dimulai dengan memilih model yang sesuai untuk masalah yang dihadapi, seperti Naive Bayes, Decision Tree, atau Support Vector Machines (SVM).…”