Penerapan Algoritma Naive Bayes Untuk Menentukan Klasifikasi Produk Terlaris Pada Penjualan Voucher Kuota Di Edi Cell

Abstract

Penelitian ini dilatarbelakangi oleh perkembangan teknologi informasi dan komunikasi Sangat cepat dan selalu lebih murah, sehingga masyarakat membutuhkan Voucher Kuota wajib hari ini. Dari berbagai produk Voucher Kuota yang tersedia di konter EDI Cell Voucher Kuota Telkomsel, Voucher Kuota XL, Indosat dan Voucher Kuota 3 memeringkat mereka sebagai best seller dan non seller. Tujuannya  untuk memahami penerapan data mining menggunakan algoritma Naive Bayes untuk menentukan klasifikasi produk terlaris dan keakuratan data hasil dengan basis kredit. Kumpulkan data hingga 600 Data untuk 480 data latih dan 120 data uji. Penambangan data adalah bentuk penambangan data yang dalam Klasifikasi data besar dengan alat RapidMiner dan algoritma Naive Bayes merupakan metode klasifikasi yang banyak digunakan karena kesederhanaan dan akurasinya yang tinggi Mengkategorikan data. Berdasarkan penelitian, jenis produk yang paling laris adalah yang dijual nama produk Voucher Kuota Tri. Tingkat akurasi klasifikasi menggunakan metode Naive Bayes Mengembalikan skor presisi 97,50%, skor presisi 100%, dan skor recall 93,48%, sesuai metode Naive Bayes adalah metode yang cukup baik untuk penelitian ini.