Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal IJCIT (Indonesian Journal on Computer and Information Technology)
Ainayah, Nazla
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Algoritma Naïve Bayes Untuk Prediksi Penjualan Motor Terlaris Pada PT. Ramayana Mitra Sejahtera Ainayah, Nazla; Laoly, Pera Anjela; Putri, Fadhiya Cintana Soleka; Mulyadi, Mulyadi; Mariskhana, Kartika
IJCIT (Indonesian Journal on Computer and Information Technology) Vol 9, No 2 (2024): November 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcit.v9i2.23145

Abstract

Penjualan adalah aktivitas penting yang dapat meningkatkan pendapatan perusahaan. Namun, PT. Ramayana Mitra Sejahtera masih mengandalkan sistem manual dan belum memiliki metode yang efektif untuk mengidentifikasi produk terlaris. Hal ini menjadi kendala dalam menghadapi ketidakstabilan penjualan yang dipengaruhi oleh permintaan konsumen yang beragam. Penelitian ini bertujuan untuk membantu perusahaan dalam menentukan produk motor yang paling diminati menggunakan Algoritma Naïve Bayes. Berdasarkan hasil evaluasi, pada model yang menggunakan 60% data training (805 data) dan 40% data testing (537 data) menunjukkan kinerja yang sangat baik dengan akurasi mencapai 94,97%. Hasil ini menunjukkan bahwa model dengan perbandingan 60% data training dan 40% data testing merupakan paling optimal dalam mengukur akurasi pada data penjualan sepeda motor di PT. Ramayana Mitra Sejahtera. Sales is an important activity that can increase company revenue. However, PT. Ramayana Mitra Sejahtera still relies on a manual system and does not have an effective method for identifying best-selling products. This becomes an obstacle in dealing with sales instability which is influenced by varying consumer demand. This research aims to help companies determine the most popular motorbike products using the Naïve Bayes algorithm. Based on the evaluation results, the model that uses 60% training data (805 data) and 40% testing data (537 data) shows very good performance with an accuracy of 94.97%. These results show that a model with a ratio of 60% training data and 40% testing data is the most optimal in measuring accuracy in motorbike sales data at PT. Ramayana Mitra Sejahtera.
Co-Authors Kartika Mariskhana Laoly, Pera Anjela Mulyadi Mulyadi Putri, Fadhiya Cintana Soleka