Article Per Year (5 Year)
p-Index From 2021 - 2026
9.815
P-Index
This Author published in this journals
All Journal International Journal of Reconfigurable and Embedded Systems (IJRES) TEKNIK INFORMATIKA Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING JURNAL MEDIA INFORMATIKA BUDIDARMA JITK (Jurnal Ilmu Pengetahuan dan Komputer) JurTI (JURNAL TEKNOLOGI INFORMASI) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Telematika JURTEKSI JOURNAL OF SCIENCE AND SOCIAL RESEARCH MIND (Multimedia Artificial Intelligent Networking Database) Journal CSRID (Computer Science Research and Its Development Journal) Building of Informatics, Technology and Science Jurnal Mantik Jurnal Manajemen, Ekonomi Sains Jurnal Varian JURNAL PIONIR INFOKUM Journal of Applied Data Sciences Jurnal Ipteks Terapan : research of applied science and education International Journal of Research in Vocational Studies (IJRVOCAS) Jurnal Minfo Polgan (JMP) Proceeding of International Conference on Information Science and Technology Innovation (ICoSTEC) Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Intelek Dan Cendikiawan Nusantara SISFOTENIKA Proceeding Of International Conference On Education, Society And Humanity
Wanayumini
Universitas Asahan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 78 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 78 Documents
Search

 4   5   6   7   8 
Klasifikasi Citra Daun dengan GLCM (Gray Level Co-Occurence) dan K-NN (K-Nearest Neighbor) Sri Ayu Rosiva Srg; Muhammad Zarlis; Wanayumini Wanayumini
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 2 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i2.1572

Abstract

Banyaknya jenis tanaman yang bentuknya hampir mirip sangat menyulitkan masyarakat Indonesia dalam melakukan klasifikasi ataupun pengelompokkan dan banyaknya penelitian sistem klasifikasi daun tanaman yang menghasilkan akurasi yang rendah tidak mencapai 90%. Maka diperlukan sistem klasifikasi yang lebih akurat dan performance yang menghasilkan tingkat kesalahan kecil. Berdasarkan masalah tersebut maka tujuan penelitian ini akan membangun sistem klasifikasi jenis tanaman berdasarkan citra daun dengan sistem yang akurat dan tingkat kesalahan yang minimal kecil sehinga dapat digunakan untuk mempermudah masyarakat dalam melakukan pengenalan ataupun pengelompokkan jenis tanaman. Metode yang digunakan dalam penelitian ini adalah GLCM (Gray Level Co-Occurence) untuk ekstraksi ciri dan K-NN (K-Nearest Neighbor) untuk klasifikasi. Tahapan penelitian terdiri dari pre-processing, ektraksi ciri, dan klasifikasi. Tahap pre-processing melakukan resize citra RGB lalu dikonversi ke Grayscale. Tahap ektraksi ciri menggunakan metode GLCM diambil ciri dari empat fitur entrophy, homogeneity, energy dan contras dengan sudut 0o, 45o, 90o dan 135o. Tahap klasifikasi dengan K-NN. Sistem klasifikai dengan K-NN memperlihatkan bahwa akurasi terbaik dengan penggunaan nilai ketetanggan k =1 mencapai 98%.
Penerapan Kombinasi Random Forest dan CNN untuk Mendeteksi Kecurangan Tagihan Listrik di Ulp Telda Albert Putra Nias Manao; Wanayumini Wanayumini; Lili Tanti
Jurnal Minfo Polgan Vol. 15 No. 1 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i1.16002

Abstract

Electricity fraud remains a major challenge for PLN (State Electricity Company), causing significant financial losses and reducing service reliability. This study aims to develop an electricity bill fraud detection system at PLN ULP Telda using a hybrid approach that combines Random Forest and Convolutional Neural Network (CNN) algorithms. Random Forest is effective in handling structured tabular data and identifying important features, while CNN excels in recognizing complex patterns in time-series electricity consumption data. By integrating both algorithms, the system is expected to achieve higher accuracy and reliability compared to a single model. The research methodology includes data collection from smart meters, pre-processing, feature extraction, model training, and evaluation using accuracy, precision, recall, and F1-score metrics. Initial results indicate that the hybrid model improves detection performance, reduces false negatives, and strengthens fraud identification. The final results show that the combined system outperforms the single model, with an accuracy of 91.3%, a precision of 89.7%, a recall of 88.4%, and an ROC-AUC of 90.5%. This research contributes to PLN's ability to detect fraud more accurately and efficiently. The contribution of this research is financial efficiency for PLN, fairer electricity tariffs for customers, and a reference for further research in the application of machine learning for energy fraud detection.
Optimalisasi Akurasi Naïve Bayes Menggunakan Seleksi Atribut Relief-F dan Gain Ratio Agung RM Alam; Wanayumini Wanayumini; Lili Tanti
Jurnal Minfo Polgan Vol. 15 No. 2 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i2.16112

Abstract

Naïve Bayes Classifier (NBC) merupakan salah satu algoritma klasifikasi probabilistik yang paling banyak digunakan dalam data mining karena kesederhanaan dan efisiensinya. Namun, performa NBC cenderung menurun ketika dataset mengandung atribut yang tidak relevan atau mengandung noise. Penelitian ini bertujuan menganalisis pengaruh seleksi atribut menggunakan metode Relief-F dan Gain Ratio terhadap peningkatan akurasi NBC. Dua dataset dari UCI Machine Learning Repository digunakan sebagai bahan pengujian: dataset House Vote (435 data, atribut simbolik) dan dataset Bank Marketing (45.211 data, atribut numerik dan kategorikal). Tiga skenario eksperimen diterapkan pada masing-masing dataset: (1) NBC tanpa seleksi atribut sebagai baseline, (2) NBC dengan seleksi atribut Relief-F, dan (3) NBC dengan seleksi atribut Gain Ratio. Evaluasi performa menggunakan 10-fold cross-validation dengan metrik akurasi, presisi, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa pada dataset House Vote, Relief-F berhasil meningkatkan akurasi NBC dari 90,11% menjadi 93,79% (+3,68%), sedangkan Gain Ratio justru menurunkan akurasi menjadi 89,43%. Pada dataset Bank Marketing, Relief-F meningkatkan akurasi menjadi 89,36% dan memperbaiki recall kelas minoritas dari 29,34% menjadi 35,71%, sementara Gain Ratio hanya memberikan peningkatan marginal. Secara keseluruhan, Relief-F terbukti lebih efektif dibandingkan Gain Ratio dalam meningkatkan performa NBC, khususnya pada dataset dengan pola klasifikasi yang jelas dan distribusi kelas yang tidak seimbang.
Klasifikasi Potensi Karyawan untuk Promosi Jabatan Menggunakan Learning Vector Quantization: Pengabdian Elsa Rahmadani; Wanayumini
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 5 No. 1 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 5 Nomor 1 (Juli 2026 -
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v5i1.7468

Abstract

Dalam proses pengelolaan sumber daya manusia di lingkungan instansi maupun organisasi di Kabupaten Batubara, penentuan promosi jabatan masih menghadapi berbagai permasalahan yang cukup kompleks. Salah satu permasalahan utama adalah proses penilaian karyawan yang cenderung bersifat subjektif. Penilaian sering kali didasarkan pada faktor senioritas, kedekatan personal, atau pertimbangan non-teknis lainnya, sehingga hasil keputusan yang diambil belum sepenuhnya mencerminkan potensi dan kompetensi karyawan secara objektif. Untuk merancang dan membuat aplikasi promosi jabatan di instansi pemerintahan Kabupaten Batubara dengan mengklasifikasikan potensi pegawai berdasarkan data Kinerja, Masa kerja, Kompetensi, Tingkat pendidikan, Loyalitas dan kedisiplinan dengan menggunakan algoritma LVQ dan bahasa pemrograman PHP serta databse MySQL. Data Kinerja karyawan, Masa kerja, Kompetensi, Tingkat pendidikan, Loyalitas dan kedisiplinan. Tingkat akurasi dan efektivitas metode LVQ dalam klasifikasi pegawai berada pada kategori cukup baik, yaitu umumnya berkisar antara 70% hingga 85% berdasarkan berbagai penelitian serupa. Dari hasil pengujian terhadap 10 data diatas terlihat bahwa Kelas Pemenang (Nilai terendah dari hasil bobot). Sehingga hasil kelasifikasi menunjukan pada pengujian data 1 untuk Marwan Hidayat dikelasifikasikan kedalam cukup layak dengan nilai 3.3103493018109, data ke 2 untuk Fitriani dikelasifikasikan kedalam Tidak Layak dengan nilai 7.0951554775072, data ke 3 untuk Yusrizal dikelasifikasikan kedalam Sangat Layak dengan nilai 3.2252590181837, data ke 4 untuk Laila Zahra dikelasifikasikan kedalam Cukup Layak dengan nilai 5.1403708523802.
Optimizing Disaster Response: A Systematic Review of Time-Dependent Cumulative Vehicle Routing in Humanitarian Logistics Dedy Hartama; Wanayumini Wanayumini; Irfan Sudahri Damanik
Jurnal Ilmiah Teknik Elektro Komputer dan Informatika Vol. 10 No. 3 (2024): September
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/jiteki.v10i3.29686

Abstract

Effective delivery of aid during disasters is crucial for mitigating impacts and ensuring well-being. A major challenge in humanitarian logistics is optimizing vehicle routing to maximize efficiency and minimize delivery times. which included 50 studies published between 2012 and 2022. We used the prism method to guide the process of choosing a study, which started from 200 Abstract which is identified and ends with 50 appropriate studies for in -depth analysis. This systematic literature review (SLR) examines the Time-Dependent Cumulative Vehicle Routing Problem (TDCVRP) in humanitarian logistics, identifying VRP variants, their applications, and effectiveness in disaster scenarios. Using a comprehensive search and PRISMA guidelines, the review highlights the importance of optimization models and advanced algorithms. Applications include aid delivery, evacuation management, and facility location optimization, though challenges like computational complexity and reliance on real-time data persist. The review identifies research gaps and suggests future research should focus on integrating advanced methods and improving practical applicability in disaster responses.
Implementasi Algoritma Perceptron dalam Klasifikasi Data Biner Menggunakan Pendekatan Jaringan Saraf Tiruan: Penelitian Mhd Zahir Az Zikri; Wanayumini; Rahmat; Nasir Fadillah Marpaung; Sultan Nico Nur'Arsy; Nurul Akmal Jodhy
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.5340

Abstract

Perkembangan kecerdasan buatan telah mendorong pemanfaatan metode pembelajaran mesin dalam berbagai proses klasifikasi dan pengambilan keputusan berbasis data. Salah satu model dasar dalam jaringan saraf tiruan adalah perceptron, yang dirancang untuk melakukan klasifikasi data biner melalui mekanisme pembobotan input dan fungsi aktivasi. Penelitian ini bertujuan untuk mengimplementasikan algoritma perceptron dalam klasifikasi data biner menggunakan pendekatan jaringan saraf tiruan. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan eksperimen komputasional pada data simulasi berbasis parameter biner. Proses analisis dilakukan melalui perhitungan jumlah tertimbang input, penerapan fungsi aktivasi step, serta evaluasi hasil berdasarkan nilai ambang (threshold). Hasil penelitian menunjukkan bahwa model perceptron mampu menghasilkan klasifikasi yang sesuai dengan target, dengan skor akhir 1,7 yang melebihi threshold 1,5 sehingga dikategorikan ke kelas positif. Temuan ini membuktikan bahwa perceptron efektif digunakan sebagai model klasifikasi sederhana pada data yang bersifat linearly separable. Meskipun memiliki keterbatasan dalam menangani pola non-linear, perceptron tetap berperan penting sebagai fondasi konseptual dalam pembelajaran mesin dan pengembangan jaringan saraf tiruan.
SEGMENTASI CITRA PADA CITRA ASLI BUAH JERUK BERDASARKAN NILAI THRESHOLDING Dame Lasmaria Simangunsong; Wanayumini Wanayumini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 1 (2025): February 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i1.2491

Abstract

Abstract: This research aims to determine "Image Segmentation of Original Images of Orange Fruit Based on Thresholding Values". Thresholding value image segmentation is an image processing method that separates objects and backgrounds in an image based on differences in brightness levels. Image regions that tend to be dark will be made darker (perfect black with an intensity value of 0), while image regions that tend to be light will be made brighter (perfect white with an intensity value of 1). Therefore, the output of the segmentation process using the thresholding method is a binary image with a pixel intensity value of 0 or 1.The author conducted this research to obtain data by researching and concentrating on writings or sources identified with the problem being studied. Literary research can be obtained by searching for journals, ebooks taken from the internet that plan to find current hypotheses with the problem being studied.Based on the results of determining the thresholding value in determining the binary value, the threshold value is determined as a reference. If the matrix value is smaller than the threshold value then the result is 0 and if the matrix value is greater than the threshold value then the result is 1. Keywords: Thresholding Value, Image Segmentation, Orange Fruit Abstrak: Penelitian ini bertujuan untuk mengetahui “Segmentasi Citra Pada Citra Asli Buah Jeruk Berdasarkan Nilai Thresholding”. Yang mana Segmentasi citra nilai thresholding adalah metode pengolahan citra yang memisahkan objek dan background dalam suatu citra berdasarkan perbedaan tingkat kecerahannya. Region citra yang cenderung gelap akan dibuat semakin gelap (hitam sempurna dengan nilai intensitas sebesar 0), sedangkan region citra yang cenderung terang akan dibuat semakin terang (putih sempurna dengan nilai intensitas sebesar 1). Oleh karena itu, keluaran dari proses segmentasi dengan metode thresholding adalah berupa citra biner dengan nilai intensitas piksel sebesar 0 atau 1.Penelitian ini penulis lakukan untuk memperoleh data dengan meneliti dan berkonsentrasi pada tulisan atau sumber yang diidentifikasi dengan masalah yang diteliti. Penelitian kepustakaan bisa didapat dengan cara mencari jurnal, ebook yang diambil dari internet yang berencana untuk menemukan hipotesis saat ini dengan masalah yang diteliti.Berdasarkan Dari hasil penentuan nilai thresholding dalam menetukan nilai biner, maka sebagai acuannya ditentukan dengan nilai dari threshold nya. Jika nilai matriks lebih kecil dari nilai threshold maka hasilnya bernilai 0 dan jika nilai matriks lebih besar dari nilai threshold maka hasilnya bernilai 1. Kata kunci: Nilai Thresholding, Segmentasi Citra, Buah Jeruk
PREDIKSI KEBUTUHAN TENAGA PENDIDIK BERDASARKAN PERTUMBUHAN JUMLAH SISWA/I MENGGUNAKAN METOE MONTE CARLO Cici Cahyati Hasibuan; Wanayumini Wanayumini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4095

Abstract

Abstract: This study aims to predict the need for educators at the junior high school level in Asahan Regency based on student growth using the Monte Carlo method. This process is done by generating random numbers through the Linear Congruential Method (LCM) and mapping them into the probability distribution of the number of students based on historical data. The prediction results show the number of junior high school students in 2026 reached 41,161 people. Based on the ideal ratio of 1 teacher for 20 students, an additional 785 educators are needed in sub-districts that experience shortages. This prediction system is developed in the form of a web-based application using PHP and MySQL to support the automatic simulation process. The implementation of this system is expected to help the Education Office in planning educators' needs efficiently and data-based. Keyword: Prediction; Monte Carlo; Educators; Students. Abstrak: Penelitian ini bertujuan untuk memprediksi kebutuhan tenaga pendidik tingkat SMP di Kabupaten Asahan berdasarkan pertumbuhan jumlah siswa menggunakan metode Monte Carlo. Proses ini dilakukan dengan membangkitkan angka acak melalui metode Linear Congruential Method (LCM) dan memetakannya ke dalam distribusi probabilitas jumlah siswa berdasarkan data historis. Hasil prediksi menunjukkan jumlah siswa SMP pada tahun 2026 mencapai 41.161 orang. Berdasarkan rasio ideal 1 guru untuk 20 siswa, dibutuhkan tambahan sebanyak 785 tenaga pendidik di kecamatan yang mengalami kekurangan. Sistem prediksi ini dikembangkan dalam bentuk aplikasi berbasis web menggunakan PHP dan MySQL untuk mendukung proses simulasi secara otomatis. Implementasi sistem ini diharapkan dapat membantu Dinas Pendidikan dalam merencanakan kebutuhan tenaga pendidik secara efisien dan berbasis data. Kata kunci: Prediksi; Monte Carlo; Tenaga Pendidik; Siswa.   
METODE KLASIFIKASI NAIVE BAYES UNTUK MENILAI KINERJA SISWA BERDASARKAN POLA HASIL UJIAN Syahrizal Syahrizal; Wanayumini Wanayumini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4577

Abstract

Abstract: This research discusses the application of the Naïve Bayes classification method to assess student performance based on exam result patterns at SMK Swasta Animah Silau Laut. The data used were obtained from students' e-report scores, which were then analyzed using the Naïve Bayes algorithm. The results showed that this method can classify students into 'Good', and 'Poor' categories with a fairly high level of accuracy. This study is expected to help schools carry out more objective evaluations and support decision making processes to improve the quality of education. Therefore, the application of the Naïve Bayes method is expected to assist the school in gaining a comprehensive and objective understanding of students’ academic achievements, which can serve as a solid foundation for making informed decisions regarding the planning of learning improvement strategies and other academic policies. Furthermore, this research is expected to provide a reference for future studies related to the implementation of data mining or machine learning techniques in the education field, particularly in predicting and classifying student performance. Keywords: Naïve Bayes, Classification, Data Mining, Student Performance, Education Evaluation. Abstrak: Penelitian ini membahas penerapan metode klasifikasi Naïve Bayes untuk menilai kinerja siswa berdasarkan pola hasil ujian di SMK Swasta Animah Silau Laut. Data yang digunakan diperoleh dari nilai e-raport siswa yang kemudian dianalisis dengan algoritma Naïve Bayes. Hasil penelitian menunjukkan bahwa metode ini dapat digunakan untuk mengklasifikasikan siswa ke dalam kategori 'Baik' dan 'Tidak', dengan tingkat akurasi yang cukup tinggi. Penelitian ini diharapkan dapat membantu pihak sekolah dalam melakukan evaluasi yang lebih objektif dan mendukung proses pengambilan keputusan terkait peningkatan mutu pendidikan. Dengan demikian, penerapan metode Naïve Bayes diharapkan dapat membantu pihak sekolah dalam memperoleh gambaran menyeluruh dan objektif terkait capaian akademik siswa, sehingga dapat menjadi dasar yang kuat bagi pengambilan keputusan yang tepat dalam perencanaan strategi peningkatan kualitas pembelajaran maupun kebijakan akademik lainnya. Penelitian ini juga diharapkan dapat menjadi referensi bagi penelitian selanjutnya yang berkaitan dengan penerapan teknik data mining atau machine learning dalam bidang pendidikan, khususnya dalam melakukan prediksi dan klasifikasi terhadap kinerja peserta didik.. Kata Kunci: Naïve Bayes, Klasifikasi, Data Mining, Kinerja Siswa, Evaluasi Pendidikan
ANALISIS PREDIKSI PENURUNAN PENJUALAN PRODUK PADA MINIMARKET MENGGUNAKAN ALGORITMA NAIVE BAYES Nazifa Putri; Wanayumini Wanayumini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4812

Abstract

Abstract: The decline in product sales is a common issue faced by minimarkets as it affects revenue stability and stock management strategies. To address this problem, a system capable of predicting potential sales decline accurately and efficiently is required. This study aims to implement the Naive Bayes algorithm to predict product sales decline in a minimarket, measure the prediction accuracy, and identify the most influential factors contributing to sales decrease. This research employs a quantitative method with a data mining approach. The dataset used consists of minimarket sales data from 2020 to 2023, including attributes such as product name, product category, quantity sold, price, sales period, and promotion status. The research stages include data preprocessing, data splitting into training and testing sets, applying the Naive Bayes algorithm, and evaluating the results using accuracy, precision, and recall metrics. The system implementation was developed using the Python programming language and the CodeIgniter framework for a web-based interface. The results show that the Naive Bayes algorithm achieved a 100% accuracy rate, indicating excellent performance in predicting sales decline. The most influential factors affecting sales decline are promotion status and product category, where non-promoted products and those belonging to the instant food category are more likely to experience decreased sales. Therefore, the implementation of the Naive Bayes algorithm proves to be effective in helping minimarket management monitor sales trends, design promotion strategies, and improve data-driven decision-making efficiency. Keywords: Naive Bayes, sales prediction, sales decline, data mining, minimarket. Abstrak: Penurunan penjualan produk merupakan permasalahan yang sering dihadapi oleh minimarket karena dapat memengaruhi stabilitas pendapatan dan strategi pengelolaan stok barang. Untuk mengatasi permasalahan tersebut, diperlukan suatu sistem yang mampu memprediksi potensi penurunan penjualan secara akurat dan efisien. Penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes dalam memprediksi penurunan penjualan produk pada minimarket, mengukur tingkat akurasi hasil prediksi, serta mengidentifikasi faktor-faktor yang paling berpengaruh terhadap penurunan penjualan. Metode penelitian yang digunakan adalah metode kuantitatif dengan pendekatan data mining. Data yang digunakan berupa data penjualan minimarket periode 2020–2023 dengan atribut meliputi nama produk, kategori produk, jumlah terjual, harga, waktu penjualan, dan status promosi. Proses penelitian meliputi tahap data preprocessing, pembagian data menjadi data latih dan data uji, penerapan algoritma Naive Bayes, serta evaluasi hasil menggunakan metrik accuracy, precision, dan recall. Implementasi sistem dilakukan dengan bahasa pemrograman Python serta framework CodeIgniter untuk antarmuka berbasis web. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu memberikan hasil prediksi dengan tingkat akurasi sebesar 100%, menunjukkan kemampuan model yang sangat baik dalam memprediksi penurunan penjualan produk. Faktor yang paling memengaruhi penurunan penjualan adalah status promosi dan kategori produk, di mana produk tanpa promosi dan kategori makanan instan lebih sering mengalami penurunan penjualan. Dengan demikian, penerapan algoritma Naive Bayes terbukti efektif untuk membantu manajemen minimarket dalam memantau tren penjualan, merancang strategi promosi, serta meningkatkan efisiensi pengambilan keputusan secara berbasis data. Kata kunci: Naive Bayes, prediksi penjualan, penurunan penjualan, data mining, minimarket. 
Co-Authors Ade Clinton Sitepu Ade Clinton Sitepu Adelina, Mimi Chintya Agung RM Alam Al Ayyub, Muhammad Azwar Al Izzati Karimah Albert Putra Nias Manao Alfitra, Andra Amanda, Windi Winona Ammar Yasir Nasution Andi Zulherry Andreas Rezeki Zai Annas Prasetio Annas Prasetio Ardana, Abdul Aziz Arjuna Ginting ayadi, B. Herawan H B. Herawan Hayadi Cici Cahyati Hasibuan Dame Lasmaria Simangunsong Darma, Ali Dedy Hartama Dedy Hartama Desi Irfan Desi Irfan Devy Pratiwi Dini Farhatun Doughlas Pardede Elisabeth S, Noprita Elsa Rahmadani Emi Dea Erica Rian Safitri Erlina Erlina Fajar Hardiansyah Gea, Muhammad Nasri Habib Satria Hanani Hutabarat, Jamina Harahap, Sarwedi Hartama, Dedy Hartono Hartono Hasibuan, Cici Cahyati Husin Sariangsah Ichsan Firmansyah Indra Mawanta Indra Swanto Ritonga Irfan Darmansyah Irfan Sudahri Damanik isnaini, fitri JAKA KUSUMA Juni Ismail Karina Andriani Khoirunsyah Dalimunthe Lili Tanti Lubis, Cindy Paramitha lvindra, Farhan A M yoggi saputra M. Ari Iskandar Maharani, Puan Margolang, Khairul Fadhli Masri Wahyuni Mhd Fauzan Yafi Mhd Zahir Az Zikri Miftahul Jannah Miftahul Jannah Muhammad Fachrurrozi Nasution Muhammad Nasri Gea Muhammad Sadikin Muhammad Sayid Amir Ali Lubis Muhammad Zarlis Mutiara S. Simanjuntak Nasir Fadillah Marpaung Nazifa Putri Novendra Adisaputra Sinaga NURLIANA NURLIANA Nurul Akmal Jodhy P.P.P.A.N.W. Fikrul Ilmi R.H. Zer Prasetya, Hardi Puan Maharani Putri, Nazifa Rahma, Intan Dwi Rahmat Rika Rosnelly Rika Rosnelly RIKA ROSNELLY Rika Rosnelly Rika Rosnelly Rika Rosnelly Rika Rosnelly Rika Rosnelly Rika Rosnelly, Rika Roesnelly, Rika Rohima, Rohima Roslina Roslina, Roslina Roslina, Roslina Safitri, Erica Rian Sartika Mandasari Selase, Septinur Selfina Agustin Sihombing, Rotua Simangunsong, Dame Lasmaria Sri Ayu Rosiva Srg Sugeng Riyadi Sugeng Riyadi Sultan Nico Nur'Arsy Sumantri, Ekoliyono Wahyu Syahrizal Syahrizal T S Gunawan Tambunan, Fazli Nugraha Tammamah Lubis, Hartati Teddy Surya Gunawan Teddy Surya Gunawan Teddy Surya Gunawan Teddy Surya Gunawan Teddy Surya Gunawan Triana Puspa handayani Triwanda, Eri Vicky Rolanda Wardana, Revo Wulandari, Wulandari Yuni Franciska Tarigan Zakarias Situmorang Zer, P.P.P.A.N.W. Fikrul Ilmi R.H. Zulfa Ar Rahman