Teks

KOMPARASI KINERJA METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI PRODUK PADA SHOPEE

---

Teknologi informasi dan arus data yang semakin pesat memerlukan pengolahan
informasi dan data untuk menghasilkan sebuah pengetahuan. Seperti halnya ecommerce salah satu bidang yang menghasilkan data. Masyarakat Indonesia saat ini
lebih banyak menggunakan layanan online seperti di e-commerce untuk
mengembangkan bisnis dan membeli barang atau produk secara online. Di
Indonesia shopee menjadi e-commerce yang paling banyak digunakan dan
dikunjungi dengan total pengunjung per bulan sebesar 158 juta. Oleh karena itu,
penelitian ini berfokus pada klasifikasi produk untuk mengkomparasikan metode
naïve bayes dan k-nearest neighbor mencari nilai akurasi tertinggi.
Pada penelitian ini menggunakan metode experimen untuk menguji metode data
mining yaitu metode naïve bayes dan k-nearest neighbor terhadap dataset produk.
Penelitian ini bertujuan untuk mengkomparasikan hasil kinerja metode naïve bayes
dan k-nearest neighbor. Naïve bayes dan k-nearest neighbor digunakan untuk
mengklasifikasikan peluang dari penjualan produk. Metode naïve bayes dan knearest neighbor menggunakan software RapidMiner Studio dengan label lumayan,
buruk dan sangat buruk. Dataset yang digunakan merupakan dataset produk dari
dataset privat DataPinter dengan jumlah 256 record dan 7 atribut.
Atribut yang digunakan dalam proses experimen berjumlah 7, antara lain: kode
kategori, kode nama produk, harga, total omset, total penjualan, wishlist dan
peluang. Hasil penelitian menunjukkan bahwa pengujian kinerja metode k-nearest
neighbor dengan confusion matrix menggunakan operator split data merupakan
metode dengan nilai akurasi tertinggi yaitu sebesar 72,55% pada k-17 dengan rasio
split data 80:20, sedangkan metode naïve bayes menunjukkan nilai akurasi sebesar
64,00% pada rasio split data 90:10. Dari hasil pengujian metode k-nearest neighbor
dengan nilai k-17 lebih unggul dari pada metode naïve bayes.

---

Ketersediaan

S00012.24

RF TI.S00012.24 Oct k

My Library (Referensi)

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

RF TI.S00012.24 Oct k

Penerbit

Brebes : STMIK MPB., 2024

Deskripsi Fisik

xix,172hlm.;30cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

TI.S00012.24

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

data mining
K-Nearest Neighbor
Naïve Bayes
Shopee
Confusion Matrix

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Fifi Octaverina (20.01.0.0010) Skripsi diajukan kepada Program Sarjana Sebagai bagian persyaratan untuk meraih derajat Sarjana Komputer

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar