EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Klasifikasi Tingkat Penjualan Produk pada Toko Jati Karebet Menggunakan Algoritma Naïve Bayes

Revi Setiawan, Bayu Priyatna, Elfina Novalia, Baenil Huda

JURNAL FASILKOM · 22.08.2025 · 15 (2) · 297-303

DOI: 10.37859/jf.v15i2.9614 ↗

Kurz gefasst

Fachartikel in der Zeitschrift JURNAL FASILKOM, online erschienen am 22.08.2025. Verfasst von Revi Setiawan und 3 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Penelitian ini bertujuan menerapkan algoritma Naive Bayes untuk mengklasifikasikan tingkat penjualan produk di Toko Jati Karebet selama tahun 2024. Latar belakang penelitian ini adalah belum optimalnya pemanfaatan strategi penjualan berbasis data dalam menentukan prioritas stok dan promosi, yang sering menyebabkan inefisiensi persediaan pada Usaha Mikro, Kecil, dan Menengah (UMKM). Data penjualan historis dianalisis menggunakan pendekatan data mining untuk mengenali pola penjualan dan membangun model prediksi. Tahap awal meliputi preprocessing data, seleksi pesanan yang berstatus selesai, agregasi penjualan per produk, dan pelabelan kategori kelarisan menjadi tiga kelas: laris (>100 unit), kurang laris (20–100 unit), dan tidak laris (

Zitieren

APA

Setiawan, R., Priyatna, B., Novalia, E., & Huda, B. (2025). Klasifikasi Tingkat Penjualan Produk pada Toko Jati Karebet Menggunakan Algoritma Naïve Bayes. JURNAL FASILKOM, 15(2), 297-303. https://doi.org/10.37859/jf.v15i2.9614

Vancouver

Setiawan R, Priyatna B, Novalia E, Huda B. Klasifikasi Tingkat Penjualan Produk pada Toko Jati Karebet Menggunakan Algoritma Naïve Bayes. JURNAL FASILKOM. 2025;15(2):297-303. doi:10.37859/jf.v15i2.9614

BibTeX
@article{Setiawan2025,
  author = {Setiawan, Revi and Priyatna, Bayu and Novalia, Elfina and Huda, Baenil},
  title = {Klasifikasi Tingkat Penjualan Produk pada Toko Jati Karebet Menggunakan Algoritma Naïve Bayes},
  journal = {JURNAL FASILKOM},
  year = {2025},
  volume = {15},
  number = {2},
  pages = {297--303},
  doi = {10.37859/jf.v15i2.9614}
}
Kostenlos starten →