PENERAPAN DATA MINING UNTUK

MEMPREDIKSI PEMBELIAN SAWIT

PADA PT. ANDIRA AGRO DENGAN
METODE KLASIFIKASI ALGORITMA
NAVE BAYES

Richard Mahendra
12141069
Latar Belakang
Pada penelitian ini dilakukan pada PT. Andira Agro
yang bergerak di bidang perkebunan sawit serta pabrik
pengolahan minyak kelapa sawit (Crude Palm Oil/ CPO).
Dalam perkembangannya, pembelian sawit memiliki tingkat
fluktuasi yang tidak stabil. Dalam meningkatkan kinerja
perusahaan, PT. Andira Agro seharusnya bisa mengambil
keputusan yang tepat pada saat apapun. Apalagi
menyangkut dengan pembelian sawit dan hasil olahannya.
PT. Andira Agro membutuhkan prediksi pembelian sawit
untuk masa depan untuk mendapatkan tabel-tabel
probabilitas. Salah satu metode prediksi pembelian adalah
data mining menggunakan algoritma nave bayes.
Rumusan Penelitian
Bagaimana menerapkan data mining pada PT. Andira Agro
agar bisa memprediksi pembelian sawit pada waktu yang
akan datang

Batasan Masalah
1. Data yang dianalisa mencakup data yang
berhubungan sawit.
2. Penerapan data mining dengan metodeklasifikasi
algoritma nave bayes dengan menggunakan
aplikasi Weka 3.6
3. Penelitian ini dapat menghasilkan informasi tabel-
tabel probabilitas sehingga bisa memprediksi
pembelian sawit.
Tujuan Penelitian

Mempelajari metode klasifikasi dan algoritma nave

bayes
Membantu perusahaan dalam memprediksi
pembelian sawit menggunakan data mining sehingga
bisa membuat strategi yang tepat.
Mendapatkan akurasi yang tepat untuk melakukan
klasifikasi pembelian sawit di PT. Andira Agro.
Manfaat Penelitian
Bertambah wawasan dan pengalaman penulis dalam bidang
analisis, sistem informasi dan hal-hal yang berkaitan dengan
metodologi penulisan tugas akhir.
PT. Andira Agro bisa memprediksi penjualan sawit
menggunakan data mining sehingga bisa meminimalisir
kerugian perusahaan.
Dengan mengetahui prediksi penjualan maka
manajemen bisa mengatur strategi dalam hal produksi
dan pemasaran.
Data Mining Menggunakan Algoritma Nave
Bayes
 Analisis di WEKA 3.6
Setelah melewati beberapa tahapan maka didapatlah
data seperti gambar dibawah ini:

Gambar 4.8 Data Transformasi Format CSV

 Setelah diproses pada submenu classify maka didapatlah tabe
seperti pada gambar dibawah ini:

4.13 Hasil Prediksi Tingkat Penjualan Kelapa Sawit

 Untuk melakukan prediksi dibuatlah data baru berdasarkan data
sebelumnya:

Gambar 4.15 Data yang Akan Diprediksi

 Dan dianalisis menggunakan WEKA 3.6 di menu classify
Maka didapatlah hasil tabel-tabel probabilitas, salah satu
tabel seperti dijelaskan pada gambar dibawah ini:

Gambar 4.20 Tabel Probabilitas Harga Minyak Mentah

 Pada tabel diatas menunjukkan probabilitas harga minyak
mentah terhadap tingkat penjualan. Dimana setiap angka
pada harga minyak mentah dibandingkan dengan angka
pada tingkat penjualan dan dihasilkan angka probabilitas
tertinggi maka itulah yang dijadikan prediksi. Pada tabel
diatas, tingkat penjualan =1.671.670 dan harga minyak
mentah= 102,25 memiliki nilai probabilitas tertinggi yaitu
0.77, sehingga pada saat harga minyak mentah= 102,25,
maka yang menjadi prediksi adalah 1.671.670 .
Kesimpulan
Mendapatkan informasi mengenai data prediksi tingkat
penjualan harga sawit pada PT. Andira Agro.
Algoritma Naive Bayes memanfaatkan data training untuk
membentuk sebuah pola prediksi.
Algoritma Nave Bayes menghasilkan tabel probabilitas
atau tabel kemungkinan untuk memprediksi tingkat
pembelian terhadap atribut yang ada. Sehingga
perusahaan bisa memprediksi tingkat pembelian sesuai
dengan niali tertinggi di tabel probabilitas atau tabel
kemungkinan.
 SEKIAN DAN
TERIMA KASIH
WASALAMUALAIKUM WR. WB.