Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer)
Adhella Gusderia
STMIK Triguna Dharma
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Data Mining Untuk Klasifikasi Data Penjualan Alat Teknik Menggunakan Metode Naive Bayesian Clacifier Adhella Gusderia; Mukhlis Ramadhan; Moch Iswan Perangin-angin
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 21, No 2 (2022): AGUSTUS 2022
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v21i2.5973

Abstract

PT. Faedah Teknik merupakan suatu unit usaha yang cukup besar yang menyediakan berbagai macam peralatan teknik seperti mesin bor, gerinda, alat potong, alat poles dan lain sebagainya. Perusahaan ini menyuplai banyak produk, yang dimana setiap produk-produk yang dimiliki maupun yang terjual akan dicatat menjadi sebuah data, selain itu terkadang data yang ada pada PT. Faedah Teknik ini masih tergolong menumpuk. Oleh sebab itu PT. Faedah Teknik dituntut untuk mencari solusi dalam pengelompokan produk dan menemukan segmentasi jenis produk guna untuk meningkatkan usaha dibidang penjualan.Maka dari itu teknik yang akan digunakan pada karya ilmiah ini adalah pengklasteran dengan menggunakan algoritma Naïve Bayesian Clacifier. Metode Naïve Bayesian Clacifier ini pengklasifikasian statistik yang dapat digunakan untuk memprediski probabilitas keanggotaan suatu class. Bayesian classification didasarkan pada teorema Bayes yang memiliki kemampuan klasifikasi serupa dengan decesion tree dan neural network. Bayesian classification terbukti memiliki akurasai dan kecepatan yang tinggi saat diaplikasikan ke dalam database dengan data yang besar Hasil penelitian merupakan terciptanya sebuah aplikasi yang dapat mengelompokkan data penjualan alat teknik di Faedah Teknik dengan menggunakan Metode Naive Bayes.
Co-Authors Moch Iswan Perangin-angin Mukhlis Ramadhan