Sistem Prediksi Penjualan Hijab Menggunakan Algoritma Prediksi Di Aplikasi Orange (Studi Kasus : Kota Tasikmalaya)
Kata Kunci:
Data Mining, Prediksi, HijabAbstrak
Perkembangan tren fashion pada saat ini sangatlah pesat, salah satunya tren hijab. Di Kota Tasikmalaya juga tren hijab saat ini banyak sekali macamnya. Dengan banyaknya model hijab yang ada, penjual hijab di Kota Tasikmalaya menghadapi beberapa masalah. Diantara masalah yang ada yaitu menurunnya angka penjualan dikarenakan sulitnya menentukan model hijab yang akan banyak diminati. Karena, jika penjual salah memilih model dan jenis hijab dapat membuat stok membeludak sementara dari sisi penjualan berkurang.
Supaya pemilihan model hijab bisa lebih selektif dan tepat maka harus ada sebuah sistem yang dapat menentukan jenis model hijab apa yang banyak diminati. Salah satunya prediksi model hijab dengan menggunakan data mining. Algoritma prediksi yang digunakan pada penelitian ini yaitu algoritma KNN, SVM, Naive bayes dan Neural network. Proses perhitungan dan uji akurasi rule mengunakan aplikasi Orange Data Mining dan Microsoft Excel.
Penelitian ini berhasil memperoleh model, jenis, warna dan bahan hijab yang paling banyak diminati di Kota Tasikmalaya dengan algoritma prediksi terbaik KNN dengan nilai presisi 0,986. Dari jumlah dataset sebanyak 777 data, diperoleh model hijab yang banyak diminati yaitu model hijab Segi empat (319) dengan jenis hijab Bella square (298), warna Hitam (111) dan bahan Double hycon (293)
Referensi
[1] A. N. Istiani, “Konstruksi Makna Hijab Fashion Bagi Moslem Fashion Blogger,” J. Kaji. Komun., vol. 3, no. 1, pp. 48–55, 2015, doi: 10.24198/jkk.vol3n1.6.
[2] D. Derisma, “Perbandingan Kinerja Algoritma untuk Prediksi Penyakit Jantung dengan Teknik Data Mining,” J.
Appl. Informatics Comput., vol. 4, no. 1, pp. 84–88, 2020, doi: 10.30871/jaic.v4i1.2152.
[3] H. Rofiq, K. C. Pelangi, and Y. Lasena, “Penerapan Data Mining Untuk Menentukan Potensi Hujan Harian Dengan Menggunakan Algoritma Naive Bayes,” J. Manaj. Inform. dan Sist. Inf., vol. 3, no. 1, pp. 8–15, 2020
[4] Kristanto, Andi and Y. I. Kurniawan, “Aplikasi Prediksi Kelayakan Calon Anggota Kredit Menggunakan Algoritma
Naïve Bayes,” J. Teknol. dan Manaj.Inform., vol. 4, no. 1, 2018, doi: 10.26905/jtmi.v4i1.1831.
[5] L. Irawan, L. H. Hasibuan, and F. Fauzi, “Analisa Prediksi Efek Kerusakan Gempa Dari Magnitudo (Skala Richter) Dengan Metode Algoritma Id3 Menggunakan Aplikasi Data Mining Orange,” J. Teknol.Inf. J. Keilmuan dan Apl. Bid. Tek.Inform., vol. 14, no. 2, pp. 189–201, 2020,doi: 10.47111/jti.v14i2.1079.
[6] M. Kafil, “Penerapan Metode K-Nearest Neighbors Untuk Prediksi Penjualan Berbasis Web Pada Boutiq Dealove
Bondowoso,” JATI (Jurnal Mhs. Tek.Inform., vol. 3, no. 2, pp. 59–66, 2019, doi:10.36040/jati.v3i2.860.
[7] M. S. Mustafa, M. R. Ramadhan, and A. P.Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik
Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Creat. Inf.Technol. J., vol. 4, no. 2, p. 151, 2018, doi:
10.24076/citec.2017v4i2.106.
[8] N. Azwanti and E. Elisa, “Analisis Penyakit Hipertensi Menggunakan Algoritma C 4.5, ”Jurnal Nasional Informatika dan Teknologi Jaringan, vol 3, no 2, 2019.
[9] P. Handayani, E. Nurlelah, M. Raharjo, and P. M. Ramdani, “Prediksi Penyakit Liver Dengan Menggunakan Metode Decision Tree dan Neural Network,” Comput. Eng. Sci. Syst. J., vol. 4, no. 1, p.55, 2019, doi: 10.24114/cess.v4i1.11528.
[10] Ridwan, mujib dkk, “Prediksi Penjualan Produk Menggunakan Algoritma Naive Bayes,” 2019.
