Artikel
Judul : Prediksi Trending Tema Buku Islam Menggunakan Algoritma Naive Bayes DI Toko Buku Palasari Bandung
Abstrak : Toko Buku Palasari Bandung adalah distributor buku terbesar di bandung yang berdiri pada tahun1980. Buku-buku yang ditawarkan sangat banyak dan lengkap Selain itu ini yang menyebab kan perlunya pengamatan kedepan mengenai trending tema yang bisa membantu penerbit dan penulis memfokuskan karyanya.Fokus Penelitian ini mengenai tema buku islam. Buku Islam adalah buku yang menyediakan sub-sub tema membahas tentang islam baik berupa fiksi maupun non fiksi, Berdasarkan pada SKB Menteri Agama dan Menteri Dikbud, nomor 159/1987 dan nomor 0543/U 1987 Prediksi trending tema buku islam pada toko buku palasari dari banyaknya buku best seller pada data yang ada dengan menggunakan algoritma naïve bayes Metode Naïve Bayes merupakan sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Algoritma mengunakan teorema Bayes dan mengasumsikan semua atribut independen atau tidak saling ketergantungan yang diberikan oleh nilai pada variabel kelas .dengan menggunakan determinan factor pendukung yakni tingkatan penulis, harga jual, dan tema. Dari hasil pengujian Nilai rata – rata akurasi algoritma . Melalui 5 Kali Pengujian trending tema paling besar terdapat pada kode F yakni Social And Cultural, selain itu dua tertinggi lainnya yaitu History, Islam And Modernization dan Fiqih dengan begitu kita mengatahui bahwa dari 2000 data buku islam
Penulis : Rahmalia Ahmadi
Keyword : Prediksi, Tema Buku Islam, Best Seller, Algoritma Naïve Bayes
Referensi : [1] Nuryanti, “Peran E-Eommerce untuk Meningkatkan Daya Saing Usaha Kecil dan Menengah (UKM),” J. Ekon. Manaj. Ekon. Univ. Riau, vol. 21, no. 4, p. 15, 2013. [2] R. Wijayatun and Y. Sulistyo, “Prediksi Rating Film Menggunakan Metode Naïve Bayes,” J. Tek. Elektro, vol. 8, no. 2, pp. 60–63, 2016. [3] M. H. Bisri, “Implementasi Algoritma Naïve Bayes untuk Memprediksi Penjurusan Siswa di SMA Kesatrian 1 Semarang,” 2015. [4] B. Afeni, T. Aruleba, and I. Oloyede, “Hypertension Prediction System Using Naive Bayes Classifier,” J. Adv. Math. Comput. Sci., vol. 24, no. 2, pp. 1–11, 2017. [5] Y. F. Safri, R. Arifudin, and M. A. Muslim, “K-Nearest Neighbor and Naive Bayes Classifier Algorithm in Determining The Classification of Healthy Card Indonesia Giving to The Poor,” vol. 5, no. 1, pp. 9–18, 2018. [6] M. A. Teguh Nurhadi Suharsono, “Prediksi Minat Konsumen Sesuai Musim Menggunakan Algoritma K-Means Pada Perangkat Lunak Pemesanan,” J. Infotronik, vol. 2, no. 2, pp. 124–129, 2017. [7] Sfenrianto, I. Purnamasari, and R. B. Bahaweres, “Naive Bayes classifier algorithm and Particle Swarm Optimization for classification of cross selling (Case study: PT TELKOM Jakarta),” Proc. 2016 4th Int. Conf. Cyber IT Serv. Manag. CITSM 2016, no. 3, pp. 3–6, 2016. [8] O. G. N, “Optimized Naïve Bayesian Algorithm for Efficient Performance” vol. 9, no. July, pp. 8–13, 2018. [9] A. M. Mansour, “Texture Classification using Naïve Bayes Classifier,” IJCSNS Int. J. Comput. Sci. Netw. Secur., vol. 18, no. 1, p. 112, 2018. [10] A. Fadlil et al., “Analisis sentimen menggunakan metode naïve bayes classifier pada angket mahasiswa,” no. 02, pp. 1–9, 2018.
File :