IMPLEMENTASI DATA MINING DALAM KLASIFIKASI PRODUK TERLARIS UNTUK PENGELOLAAN STOK MENGGUNAKAN METODE NAÏVE BAYES (Studi Kasus: Toko Kharisma)

Penelitian ini bertujuan untuk menerapkan metode data mining dengan algoritma Naïve Bayes dalam mengklasifikasikan produk terlaris guna menghasilkan informasi untuk mendukung pengambilan keputusan strategis dalam pengelolaan stok. Data yang digunakan berasal dari transaksi penjualan selama periode Agustus 2023 hingga Juli 2024, dengan total 73.986 data transaksi. Proses pengolahan data mengikuti tahapan Knowledge Discovery in Database (KDD), meliputi data selection, preprocessing, transformation, dan klasifikasi. Dataset yang telah dibersihkan dan diproses kemudian diklasifikasikan menjadi dua kategori utama, yaitu produk “laris” dan “tidak laris”, berdasarkan kuantitas penjualan. Model klasifikasi dibangun menggunakan algoritma Naïve Bayes dengan bantuan Google Colab dan Python. Hasil evaluasi menunjukkan bahwa model dengan dataset item memiliki akurasi tertinggi sebesar 93,72%, sementara model transaksi hanya mencapai 57,80%. Berdasarkan performa tersebut, produk yang masuk dalam 93,72% penjualan teratas dikategorikan sebagai “laris”. Informasi ini dapat digunakan untuk pengambilan keputusan strategis, seperti pengelolaan stok dan strategi promosi. Penelitian ini menunjukkan bahwa metode Naïve Bayes efektif dalam mengidentifikasi produk terlaris dan dapat membantu pengelolaan stok barang dan meningkatkan efisiensi operasional.