Klasifikasi Barang Paling Laku (Pareto) Indomaret Untung Suropati 35 (T3m1) Menggunakan Rapidminer Dengan Metode Naive Bayes

Abstract

Penelitian ini dilatarbelakangi oleh banyaknya barang paling laku. Salah satunya pengiriman barang dari pusat distribusi ke store. Masalah utama dalam penelitian ini, adalah: banyaknya kiriman barang yang kurang laku membuat area gudang tidak bisa menahan barang yang membuat barang tersebut menjadi over stok. Pendekatan yang digunakan dalam penelitian ini adalah pendekatan 2 jenis data yaitu kualitatif dan kuantitatif dengan metode klasifikasi naive bayes. Teknik pengambilan sampel menggunakan teknik data penjualan dengan total sampel 1.173 item. Teknik pengumpulan data dengan obervasi, wawancara, dan dokumentasi. Teknik analisis penelitian data yang digunakan adalah klasifikasi. Dari dokumen yang diperoleh hasilnya bahwa klasifikasi barang paling laku (pareto) Indomaret Untung Suropati 35 (T3M1) menggunakan Tools Rapidminer dengan Metode Naive Bayes. Adapun yang diperoleh dapat memprediksi barang yang benar-benar dibutuhkan dan dahulukan dalam pengiriman dari pusat distribusi barang. Tujuan penelitian menggunakan Tools Rapidminer untuk menghasilkan data-data yang lebih akurat dalam proses penjualan barang retail dengan konsumen itu sendiri seperti pedagang retail, grosir, Pareto dan supermarket. Penelitian berbentuk studi kasus dengan metode penelitian Neive Bayes. Penelitian Klasifikasi Penjualan Barang Paling Laku (Pareto) di Indomaret Untung Suropati 35 (T3M1) menggunakan Data Mining ini memperlihatkan proses penjualan barang yang paling laku memiliki verifikasi yang akurat mengenai sistem pendataan barang, stok barang, ketersediaan barang, FIFO (First In First Out),FEFO (First End First Out) dengan tujuan mempermudah karyawan dalam melakukan transaksi proses dan penerimaan barang dari supplier dan dari Pusat DC (Distribution Center) ke toko. Hasil penelitian klasifikasi barang paling laku (pareto) Indomaret Untung Suropati 35 (T3M1) menggunakan Tools Rapidminer dengan Metode Naive Bayes memiliki nilai akurasi 88,50%, precision 97,92%, recall 81,74%. Dari hasil validasi penghitungan metode klasifikasi Naive Bayes dengan Tools Rapidminer mampu memberikan penjabaran secara signifikan dengan nilai akurasi yang baik dan berpengaruh pada prediksi penerimaan barang yang sesuai dengan permintaan dan kebutuhan konsumen.

Kata kunci : Tools Rapidminer, Retail, Konsumen, Distributor, Klasifikasi, Metode Neive Bayes, Pareto