jimik@stmiki.ac.id 081377790601 Online Submission Open
Vol. 6 No. 3 (2025) • Articles
Open Access

Penerapan Metode Naive Bayes untuk Klasifikasi Produk Kurang Diminati Berdasarkan Data Penjualan di Toko Laris Eksis

Rhodiyah Rhodiyah
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Dwita Rahmawati
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Published: September 10, 2025 Pages: 1950-1957
Original Full-Text Article
Download published version for reading and archiving
Download PDF
Abstract

This study aims to apply the Naïve Bayes algorithm to classify in-demand and less in-demand products at Toko Laris Eksis based on sales data, including attributes such as the number of product page views (view), the number of products added to the cart (cart), and the number of products sold (sales). The dataset consists of 245 products from 516 sales transactions after data cleaning. The results show that, despite the class imbalance, the Naïve Bayes algorithm achieved an accuracy of 97.26%, with 100% precision and 96.8% recall for the Less In-Demand class, and 84.6% precision and 100% recall for the In-Demand class. This model outperforms the majority baseline accuracy of 89%. These findings indicate that the Naïve Bayes method is highly effective in detecting in-demand products, even with imbalanced data. Practically, this model can support decisions related to promotions, bundling, and stock clearance in retail. Future research is recommended to use k-fold stratification for evaluation, test adaptive thresholds, and integrate the model into an interactive visual dashboard.

Keywords:
Naïve Bayes Sales Classification Local Retai
Article Metrics & Downloads Graph
Monthly Download Trends:
Author Biographies
Rhodiyah Rhodiyah Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia.

Dwita Rahmawati Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia.

How to Cite
Rhodiyah, R., & Rahmawati, D. (2025). Penerapan Metode Naive Bayes untuk Klasifikasi Produk Kurang Diminati Berdasarkan Data Penjualan di Toko Laris Eksis. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 6(3), 1950-1957. https://doi.org/10.63447/jimik.v6i3.1601
License

Creative Commons Attribution 4.0 International License (CC BY 4.0)

This is an open-access article distributed under the terms of the Creative Commons Attribution 4.0 International License .

  • Share: You are free to copy, distribute, and transmit the work in any medium or format.
  • Adapt: You are free to remix, transform, and build upon the work for any purpose, even commercially.
  • Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
Copyright & Retention: Authors retain copyright without restrictions and grant this journal the right of first publication under an open-access model. The journal retains non-exclusive publishing rights for archiving, indexing, and scholarly dissemination.

References
Total: 15 References
  1. Abraham, A., Gupta, B. K., Maurya, A. S., Verma, S. B., Husain, M., Ali, A., ... & Gupta, S. (2024). Naïve Bayes approach for word sense disambiguation system with a focus on parts-of-speech ambiguity resolution. IEEE Access. https://doi.org/10.1109/ACCESS.2024.3453912.
  2. Alam, S., & Sunardi, S. (2023, September). Analisis Prediksi Penjualan Kue menggunakan Metode Naive Bayes. In SISITI: Seminar Ilmiah Sistem Informasi dan Teknologi Informasi (Vol. 12, No. 2, pp. 54-67). https://doi.org/10.36774/sisiti.v12i2.1327.
  3. Gaho, I., & Maslan, A. (2024). Implementasi Data Mining untuk Memprediksi Penjualan Produk Terlaris pada Petshop Menggunakan Algoritma Naive Bayes. Computer and Science Industrial Engineering (COMASIE), 11(2), 31-40. https://doi.org/10.33884/comasiejournal.v11i2.9041.
  4. Harahap, F., Fahrozi, W., Adawiyah, R., Siregar, E. T., & Harahap, A. Y. N. (2023). Implementasi Data Mining dalam Memprediksi Produk AC Terlaris untuk Meningkatkan Penjualan Menggunakan Metode Naive Bayes. Jurnal Unitek, 16(1), 41-51.
  5. Hasyim, A., Fatchan, M., & Hadikristanto, W. (2022). Penerapan Algoritma Naïve Bayes Dalam Memprediksi Tingkat Penjualan Mobil Tahun 2022. Jurnal Ilmiah Intech: Information Technology Journal of UMUS, 4(02), 207-215. https://doi.org/10.46772/intech.v4i02.872.
  6. Honestya, G., Defit, S., & Nurcahyo, G. W. (2024). Penerapan Naive Bayes untuk Memilih Produk Berdasarkan Jenis Kulit di Toko Kosmetik. Jurnal KomtekInfo, 274-280. https://doi.org/10.35134/komtekinfo.v11i4.559.
  7. Husaini, A. P., & Lisdiyanto, A. (2024). Sistem Prediksi Penjualan Produk APD Terlaris di PT A3 Karunia Sidoarjo menggunakan Metode Naive Bayes. Jurnal Teknologi Dan Sistem Informasi Bisnis, 6(2), 431-437. https://doi.org/10.47233/jteksis.v6i2.1266.
  8. Indriyani, I., & Bahtiar, A. (2023). Implementasi data mining untuk mengklasifikasikan data penjualan pada supermarket menggunakan algoritma naïve bayes. Jurnal Manajemen Dan Bisnis Ekonomi, 1(1), 207-220.
  9. Julianto, A., & Andayani, S. (2024). Penerapan Data Mining Untuk Klasifikasi Produk Terlaris Menggunakan Algoritma Naive Bayes Pada Bengkel Motor. Jusitik: Jurnal Sistem Dan Teknologi Informasi Komunikasi, 7(2), 50-58. https://doi.org/10.32524/jusitik.v7i2.1148.
  10. Musfita, N., Fitriyani, N., & Baskara, Z. W. (2023). Klasifikasi Penjualan Provider Pulsa di Kecamatan Masbagik Lombok Timur Menggunakan Metode Naïve Bayes. ESTIMASI: Journal of Statistics and Its Application, 261-272.
  11. Purnama, P. A. W., & Putra, T. A. (2024). Klasifikasi Penjualan Produk Menggunakan Algoritma Naive Bayes pada Konter HP Bayu Cell. REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer, 8(1), 286-292. https://doi.org/10.33395/remik.v8i1.13207.
  12. Purwasih, I., Setiawan, K., Sarimole, F. M., & Tundo, T. (2024). Klasifikasi Penjualan Produk Terlaris Pada Kedai Ira Dengan Menggunakan Algoritma Naï ve Bayes Dan Algoritma K-Nearest Neighbor. TEKNIKA, 18(2), 695-â. https://doi.org/10.5281/zenodo.13236656.
  13. Vibrianti, V., Wahyudin, E., Kaslani, K., Pratama, D., & Dwilestari, G. (2024). Klasifikasi Barang Produksi Pada Tnt. Guitar Workshop Dengan Metode Naive Bayes Menggunakan Rapid Miner. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1432-1438.
  14. Wijaya, A. A. (2024). Klasifikasi Data Mining Dalam Menentukan Produk Vapor-Juice Terlaris Menggunakan Naïve Bayes. Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM), 4(2), 1225-1235.
  15. Wijaya, K., Rahmanti, N., Kurnia, R., Ulyani, R., & Mufti, E. P. (2023). Implementasi Algoritma Naïve Bayes untuk Memprediksi Penjualan Lampu Pada Toko Satria. Innovative: Journal Of Social Science Research, 3(2), 9373-9387.
Similar Articles

Articles sharing related keywords and machine learning classifications:

Implementasi Algoritma Naïve Bayes Terhadap Data Penjualan untuk Mengetahui Pola Pembelian Konsumen pada Kantin
Vol. 5 No. 1 (2024) • DOI: 10.35870/jimik.v5i1.407
Penerapan Algoritma Naive Bayes dalam Sistem Analisis Sentimen Media Sosial X terhadap Film Agak Laen
Vol. 6 No. 3 (2025) • DOI: 10.63447/jimik.v6i3.1608
Sentiment Analysis of Cigarette Use Based on Opinions from X Using Naive Bayes and SVM
Vol. 5 No. 3 (2024) • DOI: 10.35870/jimik.v5i3.947
Klasifikasi Penyakit Migrain dengan Metode Naïve Bayes pada Dataset Kaggle
Vol. 6 No. 1 (2025) • DOI: 10.35870/jimik.v6i1.1150
Penerapan Data Mining untuk Menentukan Produk Terlaris pada PT Joynare Mitra Teknologi menggunakan Metode Naive Bayes
Vol. 5 No. 2 (2024) • DOI: 10.35870/jimik.v5i2.638
Most read articles by the same author(s)

Other papers published by author(s) in this journal:

Analisis Pola Penyakit Kronis pada Lansia Menggunakan K-Means Clustering di Puskesmas Kelurahan Semper Barat
Dea Zerlinda Ardini, Rhodiyah Rhodiyah • Vol. 6 No. 3 (2025)