IMPLEMENTASI PERBANDINGAN ALGORITMA DECISION TREE DENGAN SVM UNTUK MENENTUKAN BARANG YANG PALING DIMINATI

Dhafa Syarif, Catur Kusnardianto (2024) IMPLEMENTASI PERBANDINGAN ALGORITMA DECISION TREE DENGAN SVM UNTUK MENENTUKAN BARANG YANG PALING DIMINATI. Other thesis, UNSADA.

	Text COVER.pdf Download (2MB)
	Text BAB 1.pdf Download (757kB)
	Text BAB 2.pdf Download (755kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (701kB)
	Text DAFTAR PUSTAKA.pdf Download (704kB)
	Text LAMPIRAN.pdf Download (747kB)
	Text HASIL TURNITIN.pdf Download (490kB)
	Text Suket Hasil Cek Turnitin dhafa (1) - Dhafa Syarif.pdf Restricted to Registered users only Download (145kB)

Abstract

Industri kosmetik di Indonesia terus berkembang dengan pesat, menghadirkan berbagai produk dari berbagai merek untuk memenuhi kebutuhan konsumen yang beragam. Toko Devicozmetics menghadapi tantangan dalam menentukan produk yang paling diminati dan memahami pola penjualan untuk menyusun strategi yang efektif. Tren kecantikan, perubahan gaya hidup, dan peningkatan kesadaran akan perawatan diri semakin mempengaruhi permintaan produk kosmetik, sehingga pengelolaan data penjualan yang kompleks menjadi krusial. Untuk mengatasi permasalahan ini, pendekatan Data Mining dapat digunakan untuk mengungkap pola-pola tersembunyi dari data penjualan. Penelitian ini bertujuan untuk menerapkan perbandingan algoritma Decision Tree dan Support Vector Machine (SVM) dalam menentukan produk kosmetik yang paling diminati. Melalui implementasi teknik Data Mining, diharapkan dapat diidentifikasi preferensi konsumen, hubungan antar produk, serta faktor-faktor yang mempengaruhi keputusan pembelian. Hasil dari penelitian ini dapat memberikan model Decision Tree memiliki nilai precision sebesar 90%, lebih tinggi dibandingkan model SVM yang memiliki nilai precision sebesar 87.5%. Ini menunjukkan bahwa Decision Tree lebih akurat dalam memprediksi produk yang paling diminati. Sebaliknya, model SVM menunjukkan nilai recall yang lebih tinggi sebesar 87.5% dibandingkan Decision Tree yang memiliki nilai recall sebesar 83.33%. Ini berarti model SVM lebih baik dalam mendeteksi semua instance produk yang diminati. Nilai f1-score dari kedua model hampir seimbang, dengan SVM memiliki f1-score sebesar 85.71% dan Decision Tree sebesar 84.44%. F1-score ini menggambarkan keseimbangan antara precision dan recall, dengan SVM sedikit lebih unggul. Akurasi dari kedua model adalah sama, yaitu 85.71%, yang menunjukkan bahwa secara keseluruhan kedua model memiliki jumlah prediksi yang benar yang sama.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing Bagus Tri Mahardika, S.Kom., MMSI
Uncontrolled Keywords:	Industri Kosmetik, Algoritma Decision Tree, Support Vector Machine (SVM), Pola Penjualan.
Subjects:	000 Generalities/Karya Umum > 005.1 Programming/Pemrograman
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	26 Aug 2025 02:17
Last Modified:	26 Aug 2025 02:17
URI:	http://repository.unsada.ac.id/id/eprint/8897

Actions (login required)

View Item