Penerapan Algoritma Naive Bayes Untuk Rekomendasi Genset

Authors

  • Chandra Wijaya Institut Bisnis dan Teknologi Pelita Indonesia
  • Alyauma Hajjah Institut Bisnis dan Teknologi Pelita Indonesia

DOI:

https://doi.org/10.59697/jtik.v7i1.32

Keywords:

Recommendations, Criteria, Naïve Bayes, Generators

Abstract

Pada saat ini, teknologi merupakan penggerak penting bagi suatu negara. Perkembangan teknologi di bidang ekonomi ditandai dengan munculnya online shop. PT. Yanmarindo Perkasa merupakan perusahaan yang bergerak di bidang jual beli mesin, perkakas, sparepart dan lain- lain. Barang yang dijual sangat beragam menyebabkan bingungnya konsumen dalam memilih barang yang ingin dibeli karena barang dengan jenis yang sama memiliki tipe berbeda. Untuk mengatasi hal tersebut, dibutuhkan  suatu sistem rekomendasi untuk memberikan rekomendasi barang yang sesuai dengan kriteria dan kebutuhan konsumen. Sistem rekomendasi ini dibangun menggunakan algoritma Naïve Bayes sebagai salah satu bagian dari data mining. Algoritma Naïve Bayes adalah metode klasifikasi yang didasarkan pada probabilitas dan statistik. Sistem rekomendasi ini terbatas pada mesin genset dimana data training yang digunakan yaitu kombinasi dari data spesifikasi dan data penjualan genset. Algoritma Naïve Bayes digunakan untuk mencari probabilitas terbesar dari seluruh instance pada atribut target seperti merek, bahan bakar, kapasitas, tegangan dan penyalaan. Dari salah satu contoh data uji yang dimasukkan, terdapat satu genset yang tampil sebagai hasil rekomendasi dari perhitungan algoritma Naïve Bayes. Berdasarkan hal tersebut, terbukti bahwa algoritma Naïve Bayes dapat digunakan untuk memberikan rekomendasi genset sesuai dengan kebutuhan dan kriteria konsumen. Dengan penerapan algoritma ini pada sistem rekomendasi genset, diharapkan dapat memberikan hasil yang akurat dan mengurangi kebimbangan konsumen dalam mencari genset.

Downloads

Published

2023-01-01

How to Cite

Wijaya, C., & Hajjah, A. (2023). Penerapan Algoritma Naive Bayes Untuk Rekomendasi Genset. JTIK (Jurnal Teknik Informatika Kaputama), 7(1), 53–60. https://doi.org/10.59697/jtik.v7i1.32