KLASIFIKASI KATEGORI PRODUK TERLARIS PADA E-COMMERCE MENGGUNAKAN ALGORITMA NAIVE BAYES
Abstract
Naive Bayes algorithm used to classify the best-selling product categories in e-commerce. The data used comes from a public Kaggle dataset, comprising 250,000 transactions during the 2020–2023 period. The analysis process follows the CRISP-DM model, including stages such as business understanding, data preparation, modeling, and model evaluation using a confusion matrix. Evaluation results show that the model achieved an accuracy of 92.64%, precision of 91.51%, and recall of 96.68%. The analysis revealed that the best-selling product category is Clothing, followed by Books, Electronics, and Home. This study demonstrates that the Naive Bayes algorithm can be effectively implemented to support stock management and data-driven marketing strategies in e-commerce.
References
Denni Kurniawan, M. Y., 2022. Optimazation Sentiment Analysis Using CRISP-DM and Naive Bayes Methods Implemented on Social Media. Cyberspace: Jurnal Pendidikan Teknologi Informasi, pp. 74-85.
Haq, M. Z. et al., 2024. Algoritma Naive Bayes untuk Mengidentifikasi Hoaks di Media Sosial. Jurnal Minfo Polgan, pp. 1079-1084.
Harahap, F. et al., 2023. Implementasi Data Mining dalam Memprediksi Produk AC Terlaris untuk Meningkatkan Penjualan Menggunakan Metode Naive Bayes. Jurnal Unitek, pp. 41-51.
Indonesia, K. P. R., 2024. Perdagangan Digital (E-Commerce) Indonesia Periode 2023, s.l.: Pusat Data dan Sistem Informasi Sekretariat Jenderal Kementrian Perdagangan.
Irawan, F., 2018. A Comparative Assessment of Random Forest and SVM Algorithms, Using Combination of Principal Component Analysis and SMOTE for Accounts Receivable Seamless Prediction. Bali, s.n.
Julianto, A. & Andayani, S., 2024. Penerapan Data Mining Untuk Klasifikasi Produk Terlaris Menggunakan Algoritma Naive Bayes pada Bengkel Motor. Jurnal Sistem & Teknologi Informasi Komunikasi, pp. 50-58.
Pramana, I. M. A. A., Sudiarsa, I. W. & Nugraha, P. G. S. C., 2023. Penerapan Algoritma Naive Bayes untuk Prediksi Penjualan Produk Terlaris pada CV Akusara Jaya Abadi. Jurnal Teknik Informatika dan Sistem Informasi, pp. 518-534.
Rahmatullah, S., M. & Pramitha, M. N., 2019. Data Mining untuk Menentukan Produk Terlaris Menggunakan Metode Naive Bayes. Jurnal Informasi dan Komputer, pp. 57-64.
Rofiani, R., Oktaviani, L., Vernanda, D. & Hendriawan, T., 2024. Penerapan Metode Klasifikasi Decision Tree dalam Prediksi Kanker Paru-paru Menggunakan Algoritma C4.5. Jurnal Teknokompak, pp. 126-139.
Sastya, N. C. & Nugraha, I., 2023. Penerapan Metode CRISP-DM dalam Menganalisis Data untuk Menentukan Customer Behavior di MeatSolution. Jurnal Pendidikan dan Aplikasi Industri, pp. 103-115.
Wijaya, O. T. H., 2023. E-Commerce: Perkembangan, Tren, dan Peraturan Perundang-undangan. Jurnal Ilmiah Ekonomi dan Bisnis, pp. 41-47.
Copyright (c) 2024 Jurnal Sistem Informasi (JUSIN)
This work is licensed under a Creative Commons Attribution 4.0 International License.
