SISTEM REKOMENDASI VARIAN RASA BERDASARKAN KLASIFIKASI PELANGGAN PADA PERUSAHAAN BROWNIES AMANDA.

Hanna Amalia N, 2015

SISTEM REKOMENDASI VARIAN RASA BERDASARKAN KLASIFIKASI PELANGGAN PADA PERUSAHAAN BROWNIES AMANDA

SKRIPSI

Untuk memenuhi sebagian persyaratan mencapai Gelar Sarjana S-1 Program Studi Ilmu Komputer

Oleh: Hanna Amalia N

0902283

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA

Hanna Amalia N, 2015

SISTEM REKOMENDASI VARIAN RASA BERDASARKAN KLASIFIKASI PELANGGAN PADA PERUSAHAAN BROWNIES AMANDA

Oleh Hanna Amalia N

0902283

Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana pada Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam

© Hanna Amalia N 2014 Universitas Pendidikan Indonesia

Desember 2014

Hak Cipta dilindungi undang-undang.

Hanna Amalia N, 2015

dengan dicetak ulang, difoto kopi, atau cara lainnya tanpa ijin dari penulis.

SISTEM REKOMENDASI VARIAN RASA BERDASARKAN KLASIFIKASI

PELANGGAN PADA PERUSAHAAN BROWNIES AMANDA

HANNA AMALIA N 0902283

DISETUJUI DAN DISAHKAN OLEH PEMBIMBING : Pembimbing I,

Budi Laksono Putro, M.T. NIP. 197607102010121001

Pembimbing II,

Wahyudin, M.T. NIP.197304242008121001

Mengetahui,

Ketua Program Studi Ilmu Komputer

Jajang Kusnendar, M.T. NIP. 197506012008121001

Hanna Amalia N, 2015

vi

Hanna Amalia N, 2015

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

UCAPAN TERIMA KASIH ... iv

DAFTAR ISI ... vi

DAFTAR TABEL ... ix

DAFTAR GAMBAR ... xi

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang... 1

1.2 Rumusan Masalah ... 4

1.3 Batasan Masalah ... 4

1.4 Tujuan Masalah ... 5

1.5 Manfaat Penelitian ... 5

1.6 Metodelogi Penelitian ... 5

1.7 Sistematika Penulisan ... 8

BAB II KAJIAN PUSTAKA ... 10

2.1 Sistem Rekomendasi ... 10

2.2 Definisi Informasi ... 11

2.3 Data Mining... 13

vii

Hanna Amalia N, 2015

2.5 Definisi Klasifikasi ... 17

2.6 Naive Bayes ... 19

2.7 Hypertext Preprocessor ( PHP ) ... 22

2.8 MYSQL ... 24

2.9XAMPP ... 25

2.10 Perangkat Pemodelan Sistem ... 26

2.10.1 Data Flow Diagram Context Level ... 26

2.10.2Data Flow Diagram Levelled ... 27

BAB III METODE PENELITIAN ... 28

3.1 Desain Penelitian ... 28

3.2 Alat dan Bahan Penelitian ... 33

3.2.1 Alat Peneltian ... 33

3.2.2 Bahan Penelitian ... 33

3.3 Metode Pengembangan Perangkat Lunak ... 34

BAB IV HASIL PENELITIAN ... 36

4.1 Hasil Penelitian ... 36

4.1.1 Proses Klasifikasi Data Mining ... 36

4.1.2 Hasil Survey ... 39

4.2 Implementasi Algoritma ... 46

4.2.1 Implementasi Algoritma Naive Bayes ... 46

4.3 Hasil Informasi Survei ... 55

4.4.1 Varian Rasa Coklat ... 56

viii

Hanna Amalia N, 2015

4.4.3 Varian Rasa Blueberry ... 61

4.4 Evaluasi Model ... 64

BAB V PENUTUP ... 75

5.1 Kesimpulan ... 75

5.2 Saran ... 76

DAFTAR PUSTAKA LAMPIRAN

ix

Hanna Amalia N, 2015

DAFTAR TABEL

Tabel 4.1 Perhitungan Chi Square JenisKelamin-Varian Rasa... 41

Tabel 4.2 Perhitungan Chi Square Usia-Varian Rasa ... 42

Tabel 4.3 Perhitungan Chi Square Status Pekerjaan-Varian Rasa ... 43

Tabel 4.4 Perhitungan Chi Square Hdm-Varian Rasa ... 44

Tabel 4.5 Data Atribut Jenis Kelamin ... 45

Tabel 4.6 Data Atribut Usia ... 45

Tabel 4.7 Data Atribut Status Pekerjaan ... 45

Tabel 4.8 Data Atribut Hari Dominan Membeli ... 46

Tabel 4.9 Data Atribut Varian Rasa ... 46

Tabel 4.10 Contoh Sampel Penelitian ... 47

Tabel 4.11 Hasil prediksi berdasarkan Algoritma Naive Bayes... 51

Tabel 4.12 Script Algoritma Naïve Bayes ... 51

Tabel 4.13 Jumlah Pelanggan Berdasarkan Jenis Kelamin-Coklat... 56

Tabel 4.14 Jumlah Pelanggan Berdasarkan Status Pekerjaan-Coklat ... 57

Tabel 4.15 Jumlah Pelanggan Berdasarkan Hdm-Coklat ... 57

Tabel 4.16 Jumlah Pelanggan Berdasarkan Jenis Kelamin-Keju ... 58

Tabel 4.17 Jumlah Pelanggan Berdasarkan Status Pekerjaan-Keju ... 59

Tabel 4.18 Jumlah Pelanggan Berdasarkan Hdm-Keju ... 60

Tabel 4.19 Jumlah Pelanggan Berdasarkan Jenis Kelamin-Blueberry ... 61

Tabel 4.20 Jumlah Pelanggan Berdasarkan Status Pekerjaan- Blueberry ... 62

x

Hanna Amalia N, 2015

Tabel 4.22 Data Percobaan ... 66

Tabel 4.23 Data Percobaan Lanjutan ... 67

Tabel 4.24 Hasil Percobaan ... 69

Tabel 4.25 Confussion Matrix Hasil Prediksi Algoritma Naive Bayes ... 72

Tabel 4.26 Tabel Producer Accuracy ... 73

xi

Hanna Amalia N, 2015

DAFTAR GAMBAR

Gambar 2.1 Top Level (CD), dan Level 0 ... 27

Gambar 3.1 Desain Penelitian ... 28

Gambar 3.2 Model Sekuensial Linear... 34

Gambar 4.3 Diagram Pemilih Rasa Coklat Pada Jenis Kelamin ... 56

Gambar 4.4 Diagram Pemilih Rasa Coklat Pada Status Pekerjaan... 57

Gambar 4.5 Diagram Pemilih Rasa Coklat Pada Hari Dominan Membeli ... 58

Gambar 4.6 Diagram Pemilih Rasa Keju Pada Jenis Kelamin ... 59

Gambar 4.7 Diagram Pemilih Rasa Keju Pada Status Pekerjaan ... 60

Gambar 4.8 Diagram Pemilih Rasa Coklat Pada Hari Dominan Membeli ... 61

Gambar 4.9 Diagram Pemilih Rasa Blueberry Pada Jenis Kelamin ... 62

Gambar 4.10 Diagram Pemilih Rasa Blueberry Pada Status Pekerjaan ... 63

Gambar 4.11 Diagram Pemilih Rasa Blueberry Pada Hari Dominan Membeli .. ... 63

28 Hanna Amalia N, 2015

BAB III METODE PENELITIAN 3.1 DESAIN PENELITAN

Gambar 3.1. Desain Penelitian

Studi Literatur 1 CRM

2.Naive Bayes

Pengolahan Data Penelitian 1.Data Varian Rasa

2. Data Kriteria Pelanggan (Kuesioner) Identifikasi Masalah Implementasi Perangkat Lunak Dokumentasi Desain Algoritma Naive Bayes Model Sekuensial Linear 1.Analisis 2.Desain 3.Coding 4.Testing Software (Aplikasi) Hasil Penelitian Tertulis (Skripsi)

Persiapan alat dan bahan

29 Hanna Amalia N, 2015

Berikut adalah penjelasan dari desain penelitian, yaitu : 1. Studi Literatur

Studi literatur berisi pengumpulan sumber-sumber teori yang dipelajari dan dipahami untuk digunakan dalam penelitian.Teori yang akan digunakan seperti

Customer Relationship Management, Metode Naive Bayes.

Pengumpulan data dan materi dengan cara mengumpulkan literatur, jurnal,

websitedan bacaan-bacaan lain yang terkait dengan penelitian.

2. Pengolahan Data Penelitian

Data penelitian merupakan bahan acuan yang dijadikan untuk melakukan perancangan dan pengembangan perangkat lunak yang diperoleh dari studi literatur. Dalam penelitian ini data mengenai varian rasa diperoleh dari Perusahaan Amanda, serta mengunjungi cabang toko kue Amanda.

Untuk menentukan kriteria dari masing-masing himpunan tiap variabel dari pelanggan dilakukan dengan membuat kuesioner mengenai pelanggan yang dianggap sesuai dengan himpunan yang ada seperti varian rasa yang disukai tiap-tiap pelanggan, seperti coklat (original), coklat keju (cheese cream), blueberry.

Untuk penentuan kriteria ini diambil dari jumlah responden yang menjawab varian rasa apa yang mereka suka, faktor apa yang mempengaruhi mereka terhadap rasa tersebut. Kuesioner ini disebar pada cabang toko kue Amanda.

30 Hanna Amalia N, 2015

Metode pengumpulan data yang digunakan adalah Metode Random

Sampling, dengan cara accidental dengan kata lain, Metode Accidental ialah

pengambilan sampel dengan cara mengambil sampel dari sumber yang datang ke tempat atau lokasi dimana yang akan kita teliti. Pada penelitian ini, karena yang diteliti adalah konsumen sebuah produk makanan yang dimana konsumen tersebut datang dan membeli produk makanan tersebut di toko yang khusus menjual produk itu sendiri.

Pengumpulan data dilakukan dengan cara menyebar kuesioner secara acak hingga jumlah terpenuhi.Untuk menentukan jumlah sampel yang dibutuhkan, dikarenakan besar populasi tidak diketahui , maka besar sampel dihitung menggunakan rumus Lemeshowoleh Stanley Lemeshow (1997) sebagai berikut :

Keterangan :

n = jumlah sampel yang dibutukan

Z = score Z, berdasarkan nilai yang diinginkan

= derajat kepercayaan

31 Hanna Amalia N, 2015

p= proporsi kasus yang diteliti dalam populasi, gunakan p terbesar p=0,5 jika p

tidak diketahui

q= 1- p, yaitu proporsi untuk terjadinya suatu kejadian, Jika p menggunakan p

terbesar maka q= 1-0,5=0,5

Toleransi Kesalahan dinyatakan dalam bentuk persen. Semakin besar toleransi kesalahan, maka semakin kurang akurat sampel untuk mewakili populasi, sebaliknya semakin kecil toleransi kesalahan, maka semakin akurat sampel yang menggambarkan populasinya.. Pada penelitian ini digunakan batas toleransi kesalahan 5 % sehingga batas toleransi kesalahan adalah 0,05.

Besaran nilai Z ditentukan berdasarkan dengan nilai , jika 5 %, maka ditetapkan nilai Z ialah 1,96, maka Z2=3,84 dibulatkan menjadi 4. Maka rumus untuk mengetahui jumlah sampel yang dibutukan dituliskan sebagai berikut :

n = 4pq/d2 , maka dihitung menjadi n= 4.0,5(1-0,5)/(0,05)2 = 384.

Jadi jumlah sampel minimal yang dibutukan untuk penelitian ini ialah sebanyak 384 sampel.

Hasil dari responden kemudian sesuai dengan rumus Naive Bayes diolah menjadi sebuah data dimana E adalah hasil yang akan dicari seperti varian rasa coklat, keju, dan blueberryDan H merupakan hipotesa bahwa E adalah data dengan class (label) C. P(H) adalah peluang dari hipotesa H, misalkan label untuk jenis-kelamin, usia, status pekerjaan, dan lainnya. Sedangkan P(E) adalah peluang

32 Hanna Amalia N, 2015

data sampel yang diamati. P(E|H) adalah peluang data| sampel E, bila diasumsikan bahwa hipotesa valid. Untuk masalah klasifikasi yang dihitung adalah P(H|E), yaitu peluang bahwa hipotesa benar untuk data sample E yang diamati.

3. Desain Algoritma Naive Bayes

Pada tahap ini terdapat beberapa proses yang akan menghasilkan suatu rekomendasi dalam pembelian Brownies sesuai dengan kriteria yang telah dipilih.

a. Menghitung jumlah Class/Label

Menghitung jumlah masing-masing class yang akan dicari terhadap dibagi dengan jumlah data.

b. Menghitung jumlah kasus yang sama dengan class yang sama

Menghitung salah satu variabel hipotesa terhadap class yang akan dicari c. Pengkalian semua hasil variabel

Menghitung hasil class berdasarkan perkalian semua variabel yang telah didapatkan.

d. Pembandingan hasil class yang dicari

Bandingkan hasil class yag dicari untuk menemukan hasilnya berdasarkan hipotesa

4. Pembangunan Perangkat Lunak

Perancangan perangkat lunak ini dengan model sekuensial linear yang meliputi analisis, design, coding, dan testing.

5. Dokumentasi

Pembuatan laporan penelitian/skripsi , dokumen teknis dan paper, dan juga hasil aplikasi yang dibuat.

33 Hanna Amalia N, 2015

3.2 ALAT DAN BAHAN PENELITIAN

3.2.1 Alat Penelitian

Alat penelitian menggunakan perangkat keras dan perangkat lunak dengan rincian sebagai berikut:

1. Komputer dengan spesifikasi sebagai berikut: a. Processor Intel Core 2 Duo 2,2 Ghz

b. RAM 2 GB

c. Hardisk 320 GB

d. VGA NVIDIA Gforce 512 Mb

e. Resolusi layar 1280 x 800 32 bit color

f. Keyboard dan Mouse

Perangkat lunak dengan spesifikasi sebagai berikut :

a. Sistem Operasi Microsoft Windows 7 Home Premium

b. XAMPP 1.7.2 Win 32 (PhpMyAdmin, MySql)

c. Notepad++

d. Browser Google Chrome dan Mozilla Firefox

3.2.2 Bahan Penelitian

a. Data Varian Rasa Kue Brownies Amanda

34 Hanna Amalia N, 2015

System/Information Engineering

c. Paper/textbook yang didapat dari World Wide Web

3.3 METODE PENGEMBANGAN PERANGKAT LUNAK

Metode Pengembangan Perangkat Lunak yang digunakan dalam penelitian ini adalah model sekuensial linear. Model ini mengusulkan sebuah pendekatan kepada perkembangan softwareyang sistematik dan sekuensial yang mulai pada tingkat dan kemajuan sistem pada seluruh analisis, desain, kode, dan pengujian (Pressman : 2002).

Berikut ini gambar dari model Sekuensial Linear.

as

Berikut penjelasan dari model Sekuensial Linear:

a. Analisis

Tahap ini merupakan tahap awal dalam analisis kebutuhan sistem. Melakukan analisis terhadap kebutuhan sistem (fungsional dan non fungsional), kebutuhan pengguna, kebutuhan informasi, dan kebutuhan antarmuka eksternal. Tujuannya yaitu mengetahui informasi, model, dan spesifikasi dari sistem yang dibutuhkan. Pada penelitian ini menggunakan

AnaliAnfa Deign _{Coding Testing}

Gambar 3.2 Model Sekuensial Linear

35 Hanna Amalia N, 2015

Data Flow Diagram(DFD), kamus data (data dictionary) dan spesifikasi

proses (process specification) untuk memodelkan sistem.

b. Design

Tahap ini merupakan hasil analisis yang akan dimodelkan pada sistem tentang bagaimana perangkat lunak dapat berfungsi dan spesifikasi perangkat lunak. Tahap desain meliputi perancangan data, perancangan arsitektur, representasi interface, dan perancangan prosedur.

c. Coding

Tahap ini merupakan proses penerjemahan hasil desain kedalam bahasa pemrograman yang dapat dimengerti oleh komputer (coding). Pada penelitian ini sistem dibangun nenggunakan bahasa pemrograman PHP dan MySql.

d. Testing

Tahap ini merupakan pengujian dari beberapa tahap sebelumnya. Proses ini difokuskan pada logika internal dari perangkat lunak yang memastikan bahwa semua statement telah diuji, dan pada eksternal fungsional. Tujuannya adalah untuk memastikan bahwa input dan output yang dihasilkan sesuai dengan yang diharapkan dan mencari apabila terdapat kesalahan-kesalahan yang belum teratasi sehingga sistem yang telah dibuat sesuai dengan kebutuhan.Pengujian dilakukan dengan memilih satu variabel dan dua variabel secara acak.

75 Hanna Amalia N, 2015

BAB V

PENUTUP

1.1KESIMPULAN

Berdasarkan hasil penelitian pada tugas akhir ini didapatkan kesimpulan bahwa :

1. Berdasarkan hasil survei pada penelitian ini didapatkan klasifikasi pelanggan berdasarkan varian rasa apa yang paling sesuai dengan kriteria pelanggan, dengan menggunakan metode klasifikasi Naive Bayes, berdasarkan jenis kelamin, status pekerjaan, usia, dan hari dominan membeli. Sebagai contoh wanita berusia 20 tahun, bekerja, dan hari dominan membeli pada hari kerja, didapat hasil perhitungan bahwa dia dominan akan membeli rasa keju sesuai dengan perhitungan algoritma Naive Bayes.

2. Dari data yang sudah dikumpulkan terdapat informasi secara umum bahwa wanita merupakan pembeli terbanyak pada varian rasa keju, sedangkan pada pria adalah pembeli varian rasa coklat terbanyak, dari total keseluruhan ditemukan bahwa pria adalah pembeli terbanyak dalam pembelian Brownies Amanda tersebut. Dalam prosentase ditemukan bahwa 58 % pembeli Brownies Amanda ialah pria dan 42 % pembeli ialah wanita. Pembeli terbanyak pria dapat diasumsikan bahwa pria tersebut berkemungkinan membelikan produk ini untuk keluarganya, tidak hanya

76 Hanna Amalia N, 2015

untuk individu dirinya, sehingga tidak menutup kemungkinan bahwa pria lebih banyak membeli produk Brownies Amanda tersebut. Selain itu toko pun harus menyediakan produk yang paling banyak dibeli pada hari tertentu. Dari data yang diperoleh, dapat diinformasikan bahwa brownies bervarian rasa keju adalah varian rasa yang paling banyak dicari ataupun dibeli,sedangkan pada hari biasa coklatlah yang menjadi favorit varian rasa yang paling sering dibeli.

3. Metode Klasifikasi dengan Algoritma Naive Bayes didukung oleh ilmu probabilistik khususnya dalam penggunaan data petunjuk untuk mendukung keputusan pengklasifikasian. Dengan menghitung akurasi algoritma yang digunakan diperoleh 54 % akurasi sistem, dan error rate sebesar 46 %. Dengan akurasi tersebut dikarenakan data yang kurang banyak, sehingga tidak diperoleh akurasi yang sangat tinggi.

1.2SARAN

Untuk pengembangan penelitian selanjutnya penulis menyarankansuatu hal yaitu pengembangan dengandata yang lebih banyak lebih dari seribu data agar akurasi dan penggunaan metode dapat tercapai dengan baik. Selain itu, dapat pula dengan penggunaan metode lain dan membandingkan metode mana yang paling sesuai digunakan dengan kasus masalah yang diungkap dalam penelitian ini.

77 Hanna Amalia N, 2015

Metode yang peneliti terapkan dalam tugas akhir ini merupakan salah satu upaya untuk mengetahui produk mana yang dijadikan pilihan dalam pembeliannya pada sebuah produk makanan, yaitu Brownies Amanda.

Namun tidak menutup kemungkinan bahwa ada metode klasifikasi lain seperti Apriori,Decision Tree dan lain sebagainya, yang lebih baik atau terdapat pengembangan dan perbaikan terhadap metode yang sudah ada.

Semoga apa yang sudah di peneliti jelaskan dalam penelitian ini dapat menginspirasi pihak yang lain untuk mengembangkan atau memecahkan suatu masalah yang terjadi.

3.2 ALAT DAN BAHAN PENELITIAN

3.2.1 Alat Penelitian

Alat penelitian menggunakan perangkat keras dan perangkat lunak dengan rincian sebagai berikut:

1. Komputer dengan spesifikasi sebagai berikut: a. Processor Intel Core 2 Duo 2,2 Ghz

b. RAM 2 GB

c. Hardisk 320 GB

d. VGA NVIDIA Gforce 512 Mb

e. Resolusi layar 1280 x 800 32 bit color

f. Keyboard dan Mouse

Perangkat lunak dengan spesifikasi sebagai berikut :

a. Sistem Operasi Microsoft Windows 7 Home Premium

b. XAMPP 1.7.2 Win 32 (PhpMyAdmin, MySql)

c. Notepad++

d. Browser Google Chrome dan Mozilla Firefox

3.2.2 Bahan Penelitian

a. Data Varian Rasa Kue Brownies Amanda

System/Information Engineering

c. Paper/textbook yang didapat dari World Wide Web

3.3 METODE PENGEMBANGAN PERANGKAT LUNAK

Metode Pengembangan Perangkat Lunak yang digunakan dalam penelitian ini adalah model sekuensial linear. Model ini mengusulkan sebuah pendekatan kepada perkembangan softwareyang sistematik dan sekuensial yang mulai pada tingkat dan kemajuan sistem pada seluruh analisis, desain, kode, dan pengujian (Pressman : 2002).

Berikut ini gambar dari model Sekuensial Linear.

as

Berikut penjelasan dari model Sekuensial Linear:

a. Analisis

Tahap ini merupakan tahap awal dalam analisis kebutuhan sistem. Melakukan analisis terhadap kebutuhan sistem (fungsional dan non fungsional), kebutuhan pengguna, kebutuhan informasi, dan kebutuhan antarmuka eksternal. Tujuannya yaitu mengetahui informasi, model, dan spesifikasi dari sistem yang dibutuhkan. Pada penelitian ini menggunakan

AnaliAnfa Deign _{Coding Testing}

Gambar 3.2 Model Sekuensial Linear

Data Flow Diagram(DFD), kamus data (data dictionary) dan spesifikasi

proses (process specification) untuk memodelkan sistem.

b. Design

Tahap ini merupakan hasil analisis yang akan dimodelkan pada sistem tentang bagaimana perangkat lunak dapat berfungsi dan spesifikasi perangkat lunak. Tahap desain meliputi perancangan data, perancangan arsitektur, representasi interface, dan perancangan prosedur.

c. Coding

Tahap ini merupakan proses penerjemahan hasil desain kedalam bahasa pemrograman yang dapat dimengerti oleh komputer (coding). Pada penelitian ini sistem dibangun nenggunakan bahasa pemrograman PHP dan MySql.

d. Testing

Tahap ini merupakan pengujian dari beberapa tahap sebelumnya. Proses ini difokuskan pada logika internal dari perangkat lunak yang memastikan bahwa semua statement telah diuji, dan pada eksternal fungsional. Tujuannya adalah untuk memastikan bahwa input dan output yang dihasilkan sesuai dengan yang diharapkan dan mencari apabila terdapat kesalahan-kesalahan yang belum teratasi sehingga sistem yang telah dibuat sesuai dengan kebutuhan.Pengujian dilakukan dengan memilih satu variabel dan dua variabel secara acak.

BAB V

PENUTUP

1.1KESIMPULAN

Berdasarkan hasil penelitian pada tugas akhir ini didapatkan kesimpulan bahwa :

1. Berdasarkan hasil survei pada penelitian ini didapatkan klasifikasi pelanggan berdasarkan varian rasa apa yang paling sesuai dengan kriteria pelanggan, dengan menggunakan metode klasifikasi Naive Bayes, berdasarkan jenis kelamin, status pekerjaan, usia, dan hari dominan membeli. Sebagai contoh wanita berusia 20 tahun, bekerja, dan hari dominan membeli pada hari kerja, didapat hasil perhitungan bahwa dia dominan akan membeli rasa keju sesuai dengan perhitungan algoritma Naive Bayes.

2. Dari data yang sudah dikumpulkan terdapat informasi secara umum bahwa wanita merupakan pembeli terbanyak pada varian rasa keju, sedangkan pada pria adalah pembeli varian rasa coklat terbanyak, dari total keseluruhan ditemukan bahwa pria adalah pembeli terbanyak dalam pembelian Brownies Amanda tersebut. Dalam prosentase ditemukan bahwa 58 % pembeli Brownies Amanda ialah pria dan 42 % pembeli ialah wanita. Pembeli terbanyak pria dapat diasumsikan bahwa pria tersebut berkemungkinan membelikan produk ini untuk keluarganya, tidak hanya

untuk individu dirinya, sehingga tidak menutup kemungkinan bahwa pria lebih banyak membeli produk Brownies Amanda tersebut. Selain itu toko pun harus menyediakan produk yang paling banyak dibeli pada hari tertentu. Dari data yang diperoleh, dapat diinformasikan bahwa brownies bervarian rasa keju adalah varian rasa yang paling banyak dicari ataupun dibeli,sedangkan pada hari biasa coklatlah yang menjadi favorit varian rasa yang paling sering dibeli.

3. Metode Klasifikasi dengan Algoritma Naive Bayes didukung oleh ilmu probabilistik khususnya dalam penggunaan data petunjuk untuk mendukung keputusan pengklasifikasian. Dengan menghitung akurasi algoritma yang digunakan diperoleh 54 % akurasi sistem, dan error rate sebesar 46 %. Dengan akurasi tersebut dikarenakan data yang kurang banyak, sehingga tidak diperoleh akurasi yang sangat tinggi.

1.2SARAN

Untuk pengembangan penelitian selanjutnya penulis menyarankansuatu hal yaitu pengembangan dengandata yang lebih banyak lebih dari seribu data agar akurasi dan penggunaan metode dapat tercapai dengan baik. Selain itu, dapat pula dengan penggunaan metode lain dan membandingkan metode mana yang paling sesuai digunakan dengan kasus masalah yang diungkap dalam penelitian ini.

Metode yang peneliti terapkan dalam tugas akhir ini merupakan salah satu upaya untuk mengetahui produk mana yang dijadikan pilihan dalam pembeliannya pada sebuah produk makanan, yaitu Brownies Amanda.

Namun tidak menutup kemungkinan bahwa ada metode klasifikasi lain seperti Apriori,Decision Tree dan lain sebagainya, yang lebih baik atau terdapat pengembangan dan perbaikan terhadap metode yang sudah ada.

Semoga apa yang sudah di peneliti jelaskan dalam penelitian ini dapat menginspirasi pihak yang lain untuk mengembangkan atau memecahkan suatu masalah yang terjadi.