Penerapan Naive Bayes untuk Memilih Produk Berdasarkan Jenis Kulit di Toko Kosmetik

Gabriela Honestya; Sarjon Defit; Gunadi Widi Nurcahyo

doi:10.35134/komtekinfo.v11i4.559

Authors

Gabriela Honestya Universitas Putra Indonesia YPTK Padang
Sarjon Defit Universitas Putra Indonesia YPTK Padang
Gunadi Widi Nurcahyo Universitas Putra Indonesia YPTK Padang

DOI:

https://doi.org/10.35134/komtekinfo.v11i4.559

Keywords:

Teknologi Informasi, Pemilihan Produk, Naive Bayes, Jenis Kulit Wajah, Inti Makeup Store.

Abstract

Pemilihan produk skincare dan kosmetik yang sesuai dengan jenis kulit wajah merupakan salah satu faktor penting dalam menjaga kesehatan dan kecantikan kulit. Masih banyak ditemukan konsumen yang mengalami kesulitan dalam menentukan produk yang tepat sehingga menyebabkan beberapa permasalahan terhadap kulit wajah. Kesalahan dalam memilih produk dapat menyebabkan masalah kulit yang lebih serius. Diperlukan sistem rekomendasi yang dapat membantu konsumen dalam memilih produk yang tepat. Penelitian ini bertujuan untuk memberikan persentase ketepatan dan kecocokan pemilihan produk skincare dan kosmetik dengan menggunakan metode Naïve Bayes, yang dapat membantu konsumen dalam memilih produk yang sesuai dengan jenis kulit wajah mereka. Studi kasus dilakukan di Inti Makeup Store Padang, di mana data dikumpulkan dari riwayat pembelian dan survei langsung kepada pelanggan. Metode Naïve Bayes dipilih karena kemampuannya dalam mengklasifikasikan data berdasarkan probabilitas, sehingga memungkinkan sistem untuk memberikan rekomendasi yang akurat berdasarkan jenis kulit wajah konsumen. Data yang digunakan dalam penelitian ini berjumlah 1074 records dari 87 koresponden pelanggan Inti Makeup Store yang mencakup informasi tentang kecocokan pemakaian produk yang pernah mereka gunakan sebelumnya. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dikembangkan mampu memberikan rekomendasi produk skincare dan kosmetik dengan tingkat akurasi kecocokan sebesar 93.18%, sehingga dapat meningkatkan kepuasan konsumen dalam memilih produk yang tepat. Penerapan metode Naïve Bayes dalam pemilihan produk skincare dan kosmetik tidak hanya bermanfaat bagi konsumen, tetapi juga dapat memberikan nilai tambah bagi toko dalam memahami kebutuhan pelanggan, mengoptimalkan stok dan meningkatkan penjualan produk. Penelitian ini diharapkan dapat menjadi landasan bagi pengembangan lebih lanjut dalam bidang sistem rekomendasi produk kecantikan.

Kata kunci: Teknologi Informasi, Pemilihan Produk, Naive Bayes, Jenis Kulit Wajah, Inti Makeup Store.

References

Lemons, K. (2020). A Comparison Between Naïve Bayes And Random Forest To Predict Breast Cancer. International Journal Of Undergraduate Research And Creative Activities, 12(1), 1. https://doi.org/10.7710/2168-0620.0287

Yulhandri, Malabay., & Kartini. (N.D.). Correlated Naïve Bayes Algorithm To Determine Healing Rate Of Hepatitis Patients. In International Journal Of Science. http://ijstm.inarah.co.id

Zidane, P. A. M., Zer, R. W. P. P., & Gunawan, I. (2022). Jurnal Media Informatika [Jumin] Penerapan Data Mining Naïve Bayes Dalam Klasifikasi Kepuasan Mahasiswa Berlangganan Wifi Indihome.

Jefriyanto, J., Ainun, N., Arif, M., & Ardha, A. (N.D.). Application Of Naïve Bayes Classification To Analyze Performance Using Stopwords. Journal Of Information System, 1(2), 49–53. http://gemapublisher.com/index.php/jiste

Ariyani, N., Fauzi, A., & Umar, F. (2023). Predicting And Determining Antecedent Factors Of Tourist Village Development Using Naive Bayes And Tree Algorithm. International Journal Of Applied Sciences In Tourism And Events, 7(1), 1–15. https://doi.org/10.31940/ijaste.v7i1.1-15

Priyanto, D., Iman, A. R., & Jollyta, D. (2023). Naïve Bayes and K-Nearest Neighbor Algorithm Approach in Data Mining Classification of Drugs Addictive Diseases. ILKOM Jurnal Ilmiah, 15(2), 262–270. https://doi.org/10.33096/ilkom.v15i2.1544.262-270

Nazar Yuniar, M. (2023). Klasifikasi Kualitas Air Bersih Menggunakan Metode Naïve Baiyes. Jurnal Sains Dan Teknologi, 5(1), 243–246. https://doi.org/10.55338/saintek.v5i1.1383

Nazmi, A. M., & Pambudi, A. (2024). Journal Of Artificial Intelligence And Engineering Applications Classification Analysis Of The Eligibility Of Recipients Of Non-Cash Food Assistance And Family Hope Programs In The City Of Sukabumi Using The Naïve Bayes Classifier Algorithm (Vol. 3, Issue 2). https://ioinformatic.org/

Okikiola, F. M., Adewale, O. S., & Obe, O. O. (2023). A Diabetes Prediction Classifier Model Using Naive Bayes Algorithm. Fudma Journal Of Sciences, 7(1), 253–260. https://doi.org/10.33003/fjs-2023-0701-1301

Halila Nasution, R., & Humaira, S. (2024). Implementasi Algoritma Naïve Bayes Untuk Memprediksi Kelayakan Pemberian Kredit Sepeda Motor. In Journal Of Science And Social Research (Issue 2). http://jurnal.goretanpena.com/index.php/jssr

Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, & Fitri Nurapriani. (2023). Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN. Jurnal KomtekInfo, 1–7. https://doi.org/10.35134/komtekinfo.v10i1.330

Muharrom, M. (2023). Bulletin of Information Technology (BIT) Analisis Komparasi Algoritma Data Mining Naive Bayes, K-Nearest Neighbors dan Regresi Linier Dalam Prediksi Harga Emas. 4(4), 430–438. https://doi.org/10.47065/bit.v3i1

Nurdina, A., & Puspita, A. B. I. (2023). Naive Bayes and KNN for Airline Passenger Satisfaction Classification: Comparative Analysis. Journal of Information System Exploration and Research, 1(2). https://doi.org/10.52465/joiser.v1i2.167

Nurjanah, I., Karaman, J., Widaningrum, I., & Mustikasari, D. (2023). Penggunaan Algoritma Naive Bayes Untuk Menentukan Pemberian Kredit Pada Koperasi Desa. In Journal of Computer Science and Information Technology E-ISSN (Vol. 3, Issue 2).

Rastogi, R., & Bansal, M. (2023). Diabetes prediction model using data mining techniques. Measurement: Sensors, 25. https://doi.org/10.1016/j.measen.2022.100605

Wijaya, D., & Abdillah, L. A. (2023). Sentiment Analysis of Omicron COVID-19 Variant using Naïve Bayes Classifier and RapidMiner. In JOURNAL OF DATA SCIENCE | (Vol. 2023).

Amijoyo, T., & Mumtaza, A. (2023). Implementation Naive Bayes Method To Prediction Of Student Achievement at Bimbel Sonai West Jakarta. Jurnal Inovatif : Inovasi Teknologi Informasi Dan Informatika, 6(2), 139–144. https://doi.org/10.32832/inovatif

Esa Unggul, U., & Indonesia, J. (n.d.). Correlated Naïve Bayes Algorithm To Determine Healing Rate Of Hepatitis Patients. In International Journal of Science. http://ijstm.inarah.co.id

Faroek, D., Yusuf, M., & Syatauw, G. (2023). Sentiment Analysis of the Popularity of Parties Supporting the 2024 Presidential Candidates on Twitter Using the Naive Bayes Classifier Algorithm. Antivirus : Jurnal Ilmiah Teknik Informatika, 17(2), 216–227. https://doi.org/10.35457/antivirus.v17i2.3261

Fauzi Fayyad, M., Takratama Savra, D., Kurniawan, V., & Hilmi Estanto, B. (2023). Sentiment Analysis of Towards Electric Cars using Naive Bayes Classifier and Support Vector Machine Algorithm. 1(1), 1–9. https://journal.irpi.or.id/index.php/predatecs/article/view/814

Febriyanti, L., & Zakaria, H. (n.d.). Implementasi Data Mining Untuk Memprediksi Produktivitas Pada Tanaman Kacang Tanah Menggunakan Metode Naive Bayes (Studi Kasus : Perkebunan Kacang Tanah Di Kota Bogor). https://journal.mediapublikasi.id/index.php/logic

Kaur, J., Bhambri, P., & Sharma, K. (n.d.). Wheat Production Analysis based on Naive Bayes Classifier.