DATA WAREHOUSE MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK MENUNJANG ANALISIS DIVISI MARKETING DI PERUSAHAAN MULTIFINANCE
Abstract views : 662 , PDF downloads : 689Abstract
Divisi Marketing pada sebuah perusahaan multifinance membuat laporan berkala dengan cara mengunduh beberapa laporan rinci dari sistem berjalan, kemudian diolah atau dikombinasikan untuk menghasilkan ringkasan laporan sebagai bahan analisis dalam menentukan strategi penjualan. Namun demikian laporan yang ada saat ini belum menggunakan metode tertentu untuk menghasilkan forecasting yang bertujuan untuk memprediksi penjualan berdasarkan dimensi struktur pembiayaan, jenis aset yang dibiayai dan profil debitur. Penelitian ini bertujuan untuk mengembangkan data warehouse sebagai solusi untuk pembuatan analisis forecasting dari beberapa klasifikasi dimensi data sebagai bahan analisis pada Divisi Marketing. Penelitian ini akan menghasilkan data warehouse yang akan digunakan untuk pembuatan laporan forecasting dari beberapa dimensi yang bisa dipilih untuk dibandingkan secara fleksibel dan dikalkulasi dengan algoritma Naive Bayes sehingga diperoleh prediksi data yang akurat sebagai referensi untuk Divisi Marketing dalam menentukan kriteria produk yang akan dijual berdasarkan histori data penjualan dari suatu periode. Dengan pemanfaatan data warehouse, penyajian data akan lebih cepat dan ringkas karena informasi dari beberapa sumber data sudah dikonversi secara otomatis oleh sistem berbasis OLTP (OnLine Transaction Processing) untuk menghasilkan data OLAP (OnLine Analytical Processing). Dengan pemanfaatan OLAP, data dalam jumlah besar bisa dianalisis dengan proses yang cepat dan akurat.
References
Aristo Hintarsyah, P., Christy, J. & Warnars, H.L.H.S. 2018. Forecasting Sebagai Decision Support Systems Aplikasi Dan Penerapannya Untuk Mendukung Proses Pengambilan Keputusan. Jurnal Sistem Komputer – Vol.8 No.1 Tahun 2018, ISSN: 2087-4685, EISSN: 2252-3456.
Ayuliana & Yosieto, F. 2015. Pemanfaatan Data Warehouse Proses Penjualan Dan Pembelian Untuk Dukungan Pengambilan Keputusan. Jurnal Ilmiah FIFO Volume VII/No. 2/November/2015, P-ISSN: 2085-4315 / EISSN: 2502-8332.
Dores, A., Masya, F. & Prastiawan, H. 2018. Indonesian Text News Classification Using the Naïve Bayes Algorithm. International Journal of Computer Science and Mobile Computing (IJCSMC), Vol. 7, Issue. 8, August 2018, pg.159 – 169.
Fithri, D.L. 2016. Model Data Mining Dalam Penentuan Kelayakan Pemilihan Tempat Tinggal Menggunakan Metode Naïve Bayes. Jurnal SIMETRIS. Vol 7 No 2 November 2016, ISSN: 2252-4983.
Henderi, Langgeng & Karwandi. 2016. Rancangan Data Warehouse Sistem Evaluasi Pemasaran. Seminar Nasional Teknologi Informasi dan Multimedia 2016, STMIK AMIKOM Yogyakarta. 6-7 Februari 2016, ISSN: 2302-3805.
Mujiono & Musdholifah, A. 2016. Pengembangan Data Warehouse Menggunakan Pendekatan Data-Driven untuk Membantu Pengelolaan SDM. IJCCS, Vol.10, No.1. January 2016, pp. 1~10 ISSN: 1978-1520.
Pramudia, H. & Nugroho, A. 2017. Sistem Informasi Kerusakan Laptop Menggunakan Metode Naïve Bayes. Jurnal Teknologi Elektro, Universitas Mercu Buana ISSN: 2086-9479, Vol. 8 No. 3 September 2017.
Putri, A.N. 2017. Penerapan Naive Bayesian Untuk Perankingan Kegiatan Di Fakultas TIK Universitas Semarang. Jurnal SIMETRIS. Vol 8 No 2 November 2017, ISSN: 2252-4983.
Saleh, A. 2015. Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Citec Jurnal. Vol. 2, No. 3, Mei 2015 – Juli 2015, ISSN: 2354-5771.
Triana, Y.S. & Susilo, A. 2017. Aplikasi Data Warehouse Untuk Menunjang Standar 3 Borang Akreditasi Prodi Informatika Universitas Mercu Buana. JURNAL ILMIAH FIFO P-ISSN 2085- 4315 / E-ISSN 2502-8332, Volume
IX/No.2/November/2017.