Klasifikasi Penjualan Produk Terlaris Pada Kedai Ira Dengan Menggunakan Algoritma Naïve Bayes Dan Algoritma K-Nearest Neighbor

Abstract

Di dunia ritel dan teknologi saat ini, persaingan sangat kompetitif. Dengan Dengan pertumbuhan dan tersebarnya bisnis ritel di setiap wilayah, kebutuhan konsumen semakin meningkat, dan bisnis ritel berlomba-lomba untuk mengembangkan bisnis mereka dengan menggunakan teknologi saat ini. Data transaksi penjualan harian yang terus meningkat menyebabkan banyaknya penyimpanan. Toko Ira memiliki lebih dari 228 rekaman data transaksi penjualan dari tahun 2023 hingga 2024 yang belum digunakan. Data memerlukan banyak ruang penyimpanan. Selain itu, data tersebut belum digunakan dengan cara yang efektif. Berdasarkan masalah, tujuan penelitian ini adalah untuk menentukan barang mana yang paling laris dengan menggunakan data mining untuk mengklasifikasikan data transaksi penjualan. Studi kasus ini adalah studi kualitatif. Hasil penelitian ini menunjukkan bahwa algoritma K-Nearest Neighbors (KNN) dengan pembagian data 50:50 lebih efektif dalam memprediksi dan mengklasifikasikan penjualan produk laris dan tidak laris di toko kedai ira. Hasilnya menunjukkan bahwa algoritma Naive Bayes memiliki akurasi sebesar 89,91%, sedangkan algoritma K-Nearest Neighbors (KNN) dengan pembagian data 50:50 memiliki akurasi sebesar 89,91%.