Klasifikasi Penentuan Harga dan Pemberian Diskon Spare Part Motor di Perusahaan Aldi Motor Menggunakan Machine Learning Naïve Bayes Berbasis WEB
DOI:
https://doi.org/10.32493/joaiia.v7i2.59372Keywords:
Naive Bayes, klasifikasi harga, diskon, sparepart motor, Sistem Berbasis WebAbstract
Perusahaan Aldi Motor, yang bergerak di bidang penjualan sparepart motor di Kecamatan Sepatan, Kabupaten Tangerang, menghadapi tantangan dalam menentukan harga optimal dan memberikan diskon yang efektif. Penetapan harga yang tidak tepat menyebabkan tingginya modal tersendat dan akumulasi stok yang merugikan perusahaan. Untuk mengatasi permasalahan ini, penelitian ini mengembangkan sistem berbasis web yang memanfaatkan algoritma Naive Bayes untuk mengklasifikasikan harga dan merekomendasikan diskon berdasarkan data historis penjualan. Langkah-langkah penelitian meliputi pengumpulan data melalui observasi, wawancara, dan dataset penjualan; analisis deskriptif; pelatihan model Naive Bayes; serta implementasi ke dalam sistem web. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa pendekatan ini dapat mengklasifikasikan harga menjadi kategori “Murah” dan “Mahal” serta memberikan rekomendasi diskon secara lebih akurat, mendukung efisiensi persediaan dan pengelolaan modal. Dengan demikian, sistem ini diharapkan membantu perusahaan mengambil keputusan harga dan diskon yang lebih sistematis dan berbasis data.
References
[1] Putra, Pandi Wandana Putra, Davit Irawan, A. Taqwa Martadinata, and Agustina Heryati. Sistem Prediksi Persediaan Barang Di Mini Market Mars Menggunakan Algoritma Naïve Bayes Classifier Dengan Pemrograman Phyton, 2022.
[2] Fahmi, Muhammad Naufal, Implementasi Mechine Learning Menggunakan Python Library : Scikit-Learn (Supervised Dan Unsupervised Learning), 2023.
[3] Niar, Yuniar, Kokom Komariah, Agus Surip, Riko Saputra, and Irfan Ali, Implementasi Algoritma Naïve Bayes Untuk Prediksi Persediaan Barang Rotan, 2022
[4] Santoso, Handri, and Theresia Herlina Rochadiani. Pelatihan Machine Learning Menggunakan Bahasa Pemrograman Python Bagi Karyawan PT. Yokogawa Indonesia, 2022.
[5] Fahrullah, Fahrullah, Haerullah Haerullah, and Achmad Ridhawani. Analisis Blackbox Testing Dan User Acceptance Testing Terhadap Sistem Informasi Posyandu Dondang, 2025.
[6] Pebralia, Jesi. Analisis Curah Hujan Menggunakan Machine Learning Metode Regresi Linier Berganda Berbasis Python Dan Jupyter Notebook, 2022.
[7] Hamid, R, S N Qomaruzaman, P M Riskiah, Perancangan Sistem Informasi Persediaan Dan Penjualan Sparepart Motor Pada Toko Autoshop Berbasis Website, 2022.
[8] Julianto, Alvin, and Sri Andayani. Penerapan Data Mining Untuk Klasifikasi Produk Terlaris Menggunakan Algoritma Naive Bayes Pada Bengkel Motor, 2024.
[9] Amin, Fuad Misbahul, Rendra Dwi Laksana, Aziz Alamsah, and Gusti Nugraheni. Implementasi Algoritma Naive Bayes Untuk Memprediksi Harga Emas, 2025.
[10] Waluyo, Jati Soni, Sugeng Murdowo, and Fata Nida’ul Khasanah. Perancangan Sistem Informasi Pendataan Hilang Temu Kendaraan Motor Polda Jateng, 2024.
[11] Yenila, Firna, Hari Marfalino, and Sarjon Defit. Model Analisis Machine Learning Dengan Pendekatan Deep Learning Dalam Penentuan Kolektabilitas, 2023.
[12] NURTRIANA, A N A. Perancangan Sistem Klasifikasi Sentimen Ulasan Pengguna Aplikasi Myim3 Dengan Metode Naïve Bayes, 2025.
[13] Alief Alghifari, Naufal, and Abdul Azis. Analisis Sentimen Masyarakat Terhadap Kebijakan Efisiensi Anggaran Pemerintah Menggunakan Metode Naive Bayes, 2024.
[14] Yuichi, Michael, and Yeremia Alfa Susetyo. Klasifikasi Penyakit Migrain Dengan Metode Naïve Bayes Pada Dataset Kaggle, 2025.
[15] Al., Makmur Mulyono et. Klasifikasi Status Stunting Balita, 2023.
[16] Nasional, Seminar, Teknik Elektro, Sistem Informasi, and Teknik Informatika,2021.
