Klasifikasi jenis mobil paling diminati Di indonesia menggunakan algoritma Naive bayes

Jajam Haerul Jaman; Jajam Haerul Jaman; Carudin .; Aditya Rizky Sanjaya

doi:10.30998/faktorexacta.v13i1.5573

Klasifikasi jenis mobil paling diminati Di indonesia menggunakan algoritma Naive bayes

Jajam Haerul Jaman^(1*), Jajam Haerul Jaman⁽²⁾, Carudin .⁽³⁾, Aditya Rizky Sanjaya^(4*)

(1)
(2)
(3) Universitas Singaperbangsa Karawang
(4) Unkiversitas Singaperbangsa Karawang
(*) Corresponding Author

Abstract

Penjualan Passenger car di Indonesia mencatatkan angka cukup tinggi, dalam kurun waktu 2014 – 2018 tercatat sebanyak 4.157.580 unit terjual menurut data GAIKINDO, penjualan mobil tertinggi berada pada jenis mobil MPV sebagai paling diminati di Indonesia, ada banyak jenis mobil di Indonesia diantarannya adalah jenis Sedan, SUV, SUV 7 Seater, dan City Car dan peminatnnya pun tidak main-main sangat banyak sekali sehingga sangat menarik untuk dikaji, metode klasifikasi adalah salah satu cara untuk mendapatkan hasil bagai mana pola penjualan mobil tersebut di Indonesia, dan pada makalah ini kami akan melakukan klasifikasi berdasarkan jenis mobil yang ada dengan beberapa sekenario yang di buat, hasil menunjukan bahwa sekenario 1 dengan akurasi 96,7% klasifikasi algoritma Naive Bayes, didapatkan jenis mobil MPV menjadi “Paling Diminati”, sedangkan jenis mobil Sedan, SUV, SUV 7 Seater, dan City Car diklasifikasikan ke dalam kategori “Diminati”

Full Text:

PDF (Indonesian)

References

Dwi, A., Prabowo, R., Studi, P., Informatika, T., Komputer, F. I., Dian, U., & Semarang, N. (2018). Prediksi Nasabah Yang Berpotensi Membuka Simpanan Deposito Menggunakan Naive Bayes Berbasis Particle Swarm Optimization. Techno.COM, 17(2), 208–219.

Fadlan, C., Ningsih, S., & Windarto, A. P. (2018). PENERAPAN METODE NAÏVE BAYES DALAM KLASIFIKASI KELAYAKAN KELUARGA PENERIMA BERAS RASTRA. JUTIM, 3(1), 1–8.

Fathor, R., Fauzi, M. A., & Rizal, S. P. (2017). Prediksi Rating Pada Review Produk Kecantikan Menggunakan Metode Naïve Prediksi Rating Pada Review Produk Kecantikan Menggunakan Metode Naïve Bayes dan Categorical Proportional Difference ( CPD ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(August).

Gaikindo. (2017). Indonesian Automobile Industry Wholesales. Retrieved from Gaikindo.or.id website: https://files.gaikindo.or.id

Indraswari, N. R., & Kurniawan, Y. I. (2018). Aplikasi prediksi usia kelahiran dengan metode naive bayes. SIMETRIS, 9(1), 129–138.

Jabez, J., Gowri, S., Vigneshwari, S., Mayan, J. A., & Srinivasulu, S. (2019). Anomaly Detection by Using CFS Subset and Neural Network with WEKA Tools. Information and Communication Technology for Intelligent Systems, Smart Innovation, Systems and Technologies 107, 675–682. https://doi.org/10.1007/978-981-13-1747-7

Kurniawan, F., & Ivandari. (2017). Komparasi Algoritma Data Mining Untuk Klasifikasi Penyakit Kanker Payudara. Jurnal Stmik, XII(1), 1–8.

Laia, D., Buulolo, E., & Sirait, M. J. F. (2018). Implementasi Data Mining Untuk Memprediksi Pemesanan Driver Go-Jek Online Dengan Menggunakan Metode Naive Bayes (Studi Kasus: Pt. Go-Jek Indonesia). KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 2(1), 434–439. https://doi.org/10.30865/komik.v2i1.972

Muhammad, F., Asror, I., & T, I. L. S. S. (2018). Analisis Perbandingan CPU dan GPU ( CUDA ) Pada Klasifikasi Data Mining dengan Menggunakan Metode K-Nearest Neighbor Kernel Algorthm. E-Proceeding of Engineering, 5(3), 7494–7506.

Pratiwi, R. W., & Nugroho, Y. S. (2017). Prediksi Rating Film Menggunakan Metode Naïve Bayes. Jurnal Teknik Elektro, 8(December 2016).

Priyono. (2016). Metode Penelitian Kuantitatif (2016th ed.; T. Chan, Ed.). Sidoarjo: Zifatama.

Saleh, A. (2015). Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Citec Journal, 2(3), 207–217.

Trihandoko, K. (2017). Analisis Algoritma Naïve Bayes dengan Test Options dalam Memprediksi Produktivitas Tanaman Padi. Universitas Singaperbangsa Karawang.

Waluyo, S. H. (2017). Klasifikasi Pemanfaat Program Beras Sejahtera ( RASTRA ) Berdasarkan Tingkat Kemiskinan Dengan Menggunakan Algoritma Decision Tree C4 . 5 Berbasis Particle Swarm Optimization. 7(2), 19–24.

Wicaksono, T. P., Hidayat, N., & Rahayudi, B. (2019). Implementasi Metode Naive Bayes Pada Diagnosis Penyakit Lambung. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(1), 227–232.

DOI: http://dx.doi.org/10.30998/faktorexacta.v13i1.5573