3 efektif mendapatkan hasil yang tepat dan efisien memanfaatkan input yang
ada dengan cara yang relatif cepat khususnya kinerja dari seorang sales Zhang, 2007. Sistem ini dengan algoritma naïve bayesian diharapkan
membantu menghitung probabilitas posterior pada sampel data untuk menentukan pendistribusian dari produk helm dari perusahan XYZ
berdasarkan warna, merk, dan tipe dari produk helm tersebut.
1.2 Rumusan Masalah
Perumusan masalah yang akan diselesaikan dalam penelitian tugas akhir ini sebagai berikut:
1. Bagaimana mengimplementasikan algoritma naïve bayesian untuk
memprediksi pendistribusian produk helm di wilayah perusahaan XYZ dengan berdasarkan warna, merk, dan tipe dari produk helm tersebut?
2. Berapakah tingkat keakuratan prediksi yang dihasilkan dalam
memprediksi pendistribusian produk helm di wilayah perusahaan XYZ dengan berdasarkan warna, merk, dan tipe dari produk helm tersebut?
1.3 Tujuan
Tujuan dari penelitian tugas akhir ini adalah bagaimana menerapkan algoritma naïve bayesian sebagai salah satu algoritma dalam data mining
untuk membantu memberikan estimasi atau prediksi dalam pendistribusian produk helm di wilayah perusahaan XYZ.
1.4 Batasan Masalah
Dalam prediksi yang akan dilakukan dalam tugas akhir ini memiliki batasan-batasan masalah, sebagai berikut:
1. Dalam mengimplementasi prediksi ini, algoritma yang digunakan
memakai algoritma naïve bayesian. 2.
Data yang digunakan dalam proses prediksi adalah data penjualan produk helm di perusahaan XYZ tahun 2014.
4 3.
Data yang digunakan sebagai atribut adalah data pendistribusian penjualan produk helm yang sudah ditetapkan oleh perusahaan XYZ, yaitu
berdasarkan merk, tipe, dan warna dari produk helm tersebut.
4. Berdasarkan input data pendistribusian penjualan produk helm di
perusahaan XYZ tahun 2014, output program ini adalah prediksi pendistribusian produk helm di suatu wilayah perusahaan XYZ dengan
berdasarkan merk, tipe, dan warna dari produk helm tersebut, serta tingkat keakuratan prediksi yang dihasilkan.
5. Program yang digunakan untuk mengimplementasi adalah Java.
6. Pengguna sistem adalah bagian pemasaran produk helm di perusahaan
XYZ.
1.5 Metodologi Penelitian
Metodologi penelitian dilakukan dengan menerapkan proses KDD Knowledge Discovery in Databases dengan tahapan sebagai berikut:
1. Pembersihan data, menghilangkan noise, dan data yang tidak konsisten.
2. Integrasi data, menggabungkan data dari berbagai sumber data yang
berbeda. 3.
Seleksi data dan transformasi data, untuk menentukan kualitas dari hasil data mining, sehingga data diubah menjadi bentuk sesuai untuk di-mining.
4. Penerapan teknik data mining
Penerapan teknik data mining sendiri hanya merupakan salah satu bagian dari proses data mining. Ada beberapa teknik data mining yang sudah
umum dipakai. Teknik yang akan digunakan oleh penulis adalah teknik naïve bayesian.
5. Evaluasi pola yang ditemukan
Dalam tahap ini hasil dari teknik data mining berupa pola yang khas maupun model prediksi dievaluasi atau mengukur akurasi untuk menilai h
hipotesa yang ada memang tercapai.
5 6.
Presentasi pengetahuan Presentasi pola yang ditemukan untuk menghasilkan aksi tahap terakhir
dari proses data mining adalah menformulasikan keputusan atau aksi dari hasil analisa yang didapat.
1.6 Sistematika Pembahasan
