PERBANDINGAN METODE ALGORITMA C4.5 DAN NAIVE BAYES UNTUK MEMPREDIKSI PENJUALAN KOSMETIK PADA TOKO JELITA

Abstract

Tujuan dari penelitian ini adalah untuk membantu memprediksi masalah yang terjadi di toko Jolita, yang menjual produk kecantikan. Peneliti melakukan penelitian dengan menggunakan dua algoritma—algoritma C4.5 dan Naive Bayes—untuk membantu menentukan produk mana yang paling diminati pelanggan karena toko sering kehabisan stok produk, membuat pelanggan tidak dapat mendapatkan produk yang mereka cari. Digunakan algoritma C4.5 dan Naive Bayes untuk mendapatkan data penjualan toko Jolita, evaluasi kinerja menunjukkan bahwa produk Wardah adalah yang paling diminati. Hasil pengujian confusion matrix C4.5 menunjukkan akurasi sebesar 100% untuk data produk Wardah dengan 51 prediksi paling laku menggunakan data kolom harga dan nama barang dan kategori. Dibandingkan dengan produk lain seperti Kahf, Makeover, dan OMG, pengujian Naive Bayes menunjukkan akurasi sebesar 98% untuk 51 data yang menunjukkan bahwa Wardah adalah produk Dari dua algoritma, C4.5 memiliki hasil akurasi yang lebih baik daripada algoritma Naive Bayes.