Analisis Kecocokan Warna Pakaian Berdasarkan Warna Kulit Menggunakan Naive Bayes Berbasis Website
DOI:
https://doi.org/10.32493/jatimika.v7i2.59101Keywords:
Data Mining, Naive Bayes, WebsiteAbstract
Penentuan kecocokan warna pakaian berdasarkan warna kulit umumnya masih subjektif yang dapat menimbulkan tidak konsisten dalam proses pemilihan warna. Penelitian ini berfokus pada analisis kecocokan warna pakaian berdasarkan kategori warna kulit menggunakan pendekatan data mining. Penelitian ini bertujuan untuk mengembangkan sistem berbasis website yang mampu menganalisis kecocokan warna pakaian berdasarkan warna kulit menggunakan metode Naive Bayes. Tahapan penelitian meliputi seleksi data, preprocessing, pembentukan model Naive Bayes, serta pengujian menggunakan data uji. Hasil pengujian model menunjukkan bahwa metode Naive Bayes menghasilkan akurasi sebesar 95,45% dengan recall 95,35% dan nilai precision 100%. Nilai precision yang tinggi menunjukkan tidak adanya kesalahan prediksi positif, sedangkan nilai recall menunjukkan masih terdapat beberapa data positif yang belum terprediksi secara sempurna. Berdasarkan hasil tersebut, dapat disimpulkan bahwa sistem yang dikembangkan mampu menganalisis kecocokan warna pakaian berdasarkan warna kulit secara objektif dan terukur, serta dapat digunakan sebagai alat bantu dalam pemilihan warna pakaian.
Kata Kunci: Data Mining, Naive Bayes, Website
References
M. R. Adani, 2021, Sistem Pendukung Keputusan dalam Dunia IT & 7 Contohnya, Sekawan Media, https://www.sekawanmedia.co.id/blog/sistem-pendukung-keputusan/.
Andriani, 2019, Penerapan Data Mining Menggunakan Algoritma Apriori Pada Website Indie Clothing, INTECHNO Journal, vol. 5.
F. Bahri, 2019, Implementasi Algoritma Naive Bayes Pada Sistem Pendukung Keputusan Kelayakan Sertifikasi Guru Qur’an Metode UMMI Berbasis Web, Repository UIN Jakarta, https://repository.uinjkt.ac.id/dspace/bitstream/123456789/58398/1/FAIZAL%20BAHRI_FST.pdf.
M. Barnard, 2020, Fashion as Communication Revisited, The International Journal of Media and Culture, pp. 1–14.
P. C., 2020, Recommendation System Using Naive Bayes Classifier, International Research Journal of Engineering and Technology (IRJET), vol. 4.
Jeperson and J. Hutahean, 2023 Sistem Pendukung Keputusan. Jakarta.
A. Nasrullah, 2023, Data Mining Algoritma Naive Bayes Untuk Memprediksi Jumlah Siswa, E-Journal Computer, vol. 6.
M. B. Pakarti, 2024, Sistem Prediksi Lama Studi Kuliah Menggunakan Metode Naive Bayes, Jurnal Informatika, Komputer dan Bisnis, vol. 13.
R. Setiawan, 2021, Memahami Class Diagram Lebih Baik, Dicoding Blog, Oct. 13, 2021. https://www.dicoding.com/blog/memahami-class-diagram-lebih-baik/.
H. Susana, Penerapan Model Klasifikasi Metode Naive Bayes, 2022, Jurnal Sistem Informasi dan Teknologi Informasi, vol. 8.
J. Suwarno, G. Saputri, and Y. M. Djaksana, 2025, Membangun Software Engineering. Jakarta: Penerbit Erlangga.
A. F. Watratan, 2020, Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 di Indonesia, Journal of Applied Computer Science and Technology (JACOST), vol. 8.
W. Yusniawan and A. D. Nugraha, Aplikasi Kecocokan Warna Baju Berdasarkan Warna Kulit, n.d.
Han, J., 2012, Data Mining Concepts and Techniques. Champaign.
S. Ardian, 2024, Prediksi Kelulusan Siswa Menggunakan Algoritma Naive Bayes, Skripsi, Fakultas Ilmu Komputer, Teknik Informatika, Univ. Pamulang, Tangerang Selatan.
N. Mahadiar, 2024, Perbandingan Kinerja Algoritma Naive Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes, Skripsi, Fakultas Ilmu Komputer, Teknik Informatika, Univ. Pamulang, Tangerang Selatan.
M. R. Illahi, 2021, Perancangan Sistem Aplikasi Penjualan Dan Promosi Pada Usaha Rumahan Berbasis Web (Studi Kasus: Usaha Rumahan Food And Beverage By Choti), Skripsi, Fakultas Ilmu Komputer, Teknik Informatika, Univ. Pamulang, Tangerang Selatan.
V. Jayaswal, 2020, Laplace smoothing in Naive Bayes algorithm, https://towardsdatascience.com/laplace-smoothing-in-naive-bayes-algorithm-9c237a8bdece/, diakses tgl 6 Januari 2026
N. Surojudin, M. Danny. 2025. Penerapan Data Mining dengan Algoritma C4.5 dan K-nearest Neighbor untuk Prediksi Penjualan Bahan Bangunan Terlaris. No.3. Vol.7:1-8.
B. Imran, Hambali, A. Subki, Zaeniah, A. Yani, M. R. Alfian. 2022. Data Mining Using Random Forest, Naïve Bayes, And Adaboost Models For Prediction And Classification Of Benign And Malignant Breast Cancer. No.1. Vol.18:1-10.
