Page 13 - TUGAS DATA MINING MHD.ARKAN MUFADHAL (2309010346P), SISTEM INFORMASI KELAS A2 (1)
P. 13
JURNAL INFORMATIKA, Vol.7 No.1 April 2020
ISSN: 2355-6579 | E-ISSN: 2528-2247
perkotaan sampai ke pedalaman Indonesia. Penggunaan teknik data mining diharapkan dapat
Dijaman sekarang, apotek tidak hanya membantu percepatan proses pengambilan
menyediakan obat-obatan saja namun sudah keputusan, memungkinkan perusahaan untuk
sampai menyediakan alat-alat kosmetik, Karena mengelola informasi yang terkandung didalam data
hal tersebut, banyak apotek yang berlomba- nasabah dan menjadi sebuah pengetahuan
lomba dalam menyediakan puluhan ragam (knowledge) yang baru untuk menentukan
varian obat-obatan untuk kesehatan serta keputusan yang dibutuhkan.
vitamin agar dapat memudahkan pelanggannya Oleh karena itu, untuk benar-benar mengetahui dan
dalam memenuhi kebutuhannya menetapkan jenis vitamin ini LAKU atau TIDAK
dengan variasi harga yang berbeda-beda. LAKU perlu dilakukan forecasting
Apotek merupakan tempat sarana pelayanan (prediksi/estimasi) sehingga jenis vitamin tersebut
informasi obat dan perbekalan farmasi lainnya akan sesuai dengan jenis vitamin yang diminati
kepada masyarakat. Dewasa ini telah banyak oleh pelanggan dari apotek tersebut. Setelah jenis
apotek yang berdiri dan tersebar hingga ke obat ditetapkan, kemudian diestimasi berapa banyak
pedesaan sehingga memudahkan masyarakat permintaan jenis vitamin tersebut pada bulan
untuk mengakses peralatan farmasi dan obat- berikutnya dengan menggunakan algoritma Naive
obatan. Tujuan penelitian ini adalah untuk Bayes. Data Mining adalah teknik untuk memproses
menganalisis masalah-masalah pada penentuan dan mengekstraksi data besar menjadi informasi
sebuah produk mana yang dapat di kategorikan yang bisa membentuk data baru (Arif, B., Saruni,
LAKU atau TIDAK LAKU. D).
Dalam pemberian informasi mengenai data Dalam melakukan estimasi (forecasting), banyak
LAKU atau TIDAK LAKU sebuah apotek sekali metode-metode yang telah tersedia. Akan
terhadap barang yang ada di apotek tersebut, tetapi, dalam mengestimasi banyaknya penjualan
seperti vitami sering mengalami kesulitan untuk pada bulan berikutnya terhadap jenis vitamin yang
menentukan barang mana yang LAKU atau banyak di cari oleh pelanggan, metode forecasting
TIDAK LAKU yang diminati oleh para yang cocok adalah algoritma Naive Bayes.
konsumennya. Hal ini diakibatkan oleh Algoritma Naive Bayes cocok diterapkan pada data
menumpuknya stok vitamin yang kurang yang berskala ordinal. Jenis data Ordinal tersebut
diminati di gudang, namun untuk vitamin yang mempunyai variabel yang nilainya berupa symbol
diminati sama sekali tidak ada dalam persedian tetapi bisa diurutkan, tidak bisa diukur jaraknya dan
pada apotek tersebut. tidak bisa dijumlahkan hasil dari semuanya.
Untuk mengatasi masalah yang dijelaskan di Algoritma Naive Bayes adalah suatu metode yang
atas, maka dilakukan pengklasifikasian obat dapat menangani faktor prediksi pada bulan
yang LAKU dan TIDAK LAKU terjual di selanjutnya dan trend secara langsung. Keuntungan
Apotek tersebut berdasarkan variabel-variabel algoritma ini adalah memiliki kemampuan yang
yang di dapatkan. Algoritma yang digunakan sangat baik dalam mengestimasi data yang
dalam pengklasifian obat yang LAKU atau memiliki pola trend dan prediksi untuk bulan
TIDAK LAKU menggunakan algoritma Naïve selanjutnya. Oleh karena itu, algoritma Naive Bayes
Bayes yang mampu memberikan informasi merupakan algoritma yang cocok dalam
mengenai vitamn yang LAKU atau TIDAK mengestimasi banyaknya penjualan pada bulan
LAKU pada apotek tersebut untuk berikutnya terhadap jenis vitamin yang ada pada
meminimalisasikan stok yang menumpuk untuk apotek yang diminati oleh pelanggan.
vitamin yang di kategorikan TIDAK LAKU. Berawal dari beberapa disiplin ilmu yang ada, data
Ketersediaan data yang banyak dalam sebuah mining memiliki tujuan untuk memperbaiki teknik
bidang dan kebutuhan untuk sebuah informasi tradisional yang dapat menghasilkan sesuatu yang
atau pengetahuan dalam bidang tertentu dapat jauh lebih informatif sehingga bisa menangani:
menjadi acuan sebagai pendukung pengambilan Jumlah data yang sangat besar, Dimensi data
keputusan untuk membuat solusi bisnis dan yang
dukungan infrastruktur di segala bidang
merupakan cikal- bakal dari lahirnya teknologi
data mining.
http://ejournal.bsi.ac.id/ejurnal/index.php/ 4
ji
