<![CDATA[Y3 Frozen Food adalah UMKM yang menjual berbagai produk makanan olahan seperti nugget, dimsum, lumpia dan lainnya. Pemilik usaha mengalami kesulitan dalam menentukan produk makanan olahan terlaris dikarenakan banyaknya variasi produk makanan olahan yang dijual. kesulitan yang terjadi berdampak pada pengelolaan produk Y3 Frozen Food menjadi tidak optimal karena berdasarkan intuisi atau perkiraan untuk promosi suatu produk tanpa dilakukan analisis data historis penjualan terlebih dahulu. Guna mengatasi permasalahan yang terjadi, penelitian menerapkan data mining melalui klasifikasi produk makanan olahan kedalam 3 kelas yaitu laris, kurang laris, dan tidak laris. Penelitian ini memilih metode klasifikasi yang akan digunakan adalah algoritma Naive Bayes dengan metode tambahan laplace smoothing dan algoritma C4.5. Tujuan penelitian dilakukan untuk menentukan algoritma klasifikasi yang terbaik menggunakan tools rapidminer versi 10.3.1 berdasarkan akurasi confusion matrix melalui k fold cross validation pengujian K=3, K=5, K=7 . Hasil akurasi confusion matrix dari algoritma naive bayes paling tinggi berkisar 91,27% pengujian K=5 dan algoritma C4.5 berkisar 98,90% untuk setiap pengujian. Sehingga algoritma C4.5 dipilih menjadi yang algoritma yang terbaik berdasarkan hasil evaluasi confusion matrix.]]>
Copyrights © 2026
