Sistem Prediksi Pengiriman Pada Dakota Cargo Menggunakan Metode Naive Bayes Berbasis Web
Abstract
Sending goods on an expedition is the most important thing to support the progress of a shipping service company. This research aims to create a system that can predict whether goods delivery will be on time or late according to the estimates provided by the Dakota Cargo expedition using the Naive Bayes method. Classification using Naive Bayes is based on previous events, where the features used to classify data are independent of each other. The amount of goods delivery training data used is 509 data from historical data, then this data is implemented into a website-based application to form an application that can predict goods delivery. The implementation results can be seen from the value of each class, where the value becomes the benchmark for determining the prediction status of "late" or "on time". System accuracy from 11 testing data was 81.8%.
Keywords: Delivery; Prediction; Dakota Cargo; Naïve Bayes
Abstrak
Pengiriman barang pada suatu ekspedisi adalah hal yang paling penting untuk menunjang kemajuan di suatu perusahaan jasa pengiriman. Penelitian ini memiliki tujuan untuk membuat suatu sistem yang bisa memprediksi pengiriman barang apakah itu tepat waktu atau terlambat sesuai estimasi yang diberikan oleh ekspedisi Dakota Cargo dengan menggunakan metode Naive Bayes. Klasifikasi menggunakan Naive Bayes didasarkan pada kejadian sebelumnya, dimana fitur-fitur yang digunakan untuk mengklasifikasikan data adalah independen satu sama lain. Jumlah data training pengiriman barang yang digunakan sebanyak 509 data dari data histori, kemudian dengan data tersebut diimplementasikan ke dalam apliasi berbasis website sehingga membentuk sebuah aplikasi yang bisa memprediksi pengiriman barang. Hasil implementasi dapat dilihat dari nilai masing-masing class, dimana besaran nilai menjadi patokan untuk menentukan status prediksi “terlambat” atau “tepat waktu”. Akurasi sistem dari 11 data testing, sebesar 81.8%.
Keywords
References
M. R. Handoko dan Neneng, “Sistem pakar diagnosa penyakit selama kehamilan menggunakan metode naïve bayes berbasis web,” JTSI (Jurnal Teknologi dan Sistem Informasi), vol. 12, no. 1, pp.50-58, Maret 2021.
D. Y. Utami, E. Nurlelah, and N. Hikmah, “Attribute selection in naive bayes algorithm using genetic algorithms and bagging for prediction of liver disease,” JITE (Journal of Informatics and Telecommunication Engineering), vol. 4, no. 1, pp.76-85, Juli 2020. DOI: 10.31289/jite.v4i1.3793
I. W. Saputro and B. W. Sari, “Uji performa algoritma naïve bayes untuk prediksi masa studi mahasiswa,” Creative Information Technology Journal, vol. 6, no. 1, pp.1-11, Januari 2020.
R. Bahtiar, M. D. S. T, A. Setiawan, and P. Rosyani, “Analisis perbandingan detection traffic anomaly dengan metode naive bayes dan support vector machine (Svm),” Jurnal Kreativitas Mahasiswa Informatika, vol. 1, no. 2, pp.99-103, 2020.
P.S.C. Moonallika, K.Q. Fredlina, & I.K.Sudiatmika, “Penerapan Data Mining Untuk Memprediksi Kelulusan Mahasiswa Menggunakan Algoritma Naive Bayes Classifier (Studi Kasus STMIK Primakara)”. Progresif: Jurnal Ilmiah Komputer, vol. 16, no. 1, pp. 47-56, 2020.
A. F. Watratan, dkk, “Implementasi algoritma naive bayes untuk memprediksi tingkat penyebaran covid-19 di Indonesia,” JACOST (Journal of Applied Computer Science and Technology)., vol. 1, no. 1, pp.7-14, Juli 2020.
M. Reza dan Suprayogi, “Prediksi Jangka Waktu Pengiriman Barang Pada PT. Pos Indonesia menggunakan Backpropagation,” Cogito Smart Jurnal., vol. 3, no. 1, Juni 2017.
H. K. Pambudi, dkk, “Prediksi status pengiriman barang menggunakan metode machine learning,” JITTER (Jurnal Ilmiah Teknologi Informasi Terapan)., vol. 6, no. 2, pp.100-119, April 2020.
R. Rachman dan R. N. Handayani, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa teras UKM,” J. Informaika., vol. 8, no. 2, pp.111-122, September 2021.
M. Juliansyah dan Andri, “Data mining untuk prediksi pengiriman harian buah menggunakan metode regresi linier berganda,” Bina Darma Conference on Computer Science., vol. 83, no. 3, pp.95-108, Juli 2018.
L. B. Adzy, dkk, “Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Iuran Jaminan Kesehatan Pemerintah Daerah Kabupaten Sukabumi,” J. MNEMONIC., vol. 6, no. 1, pp.1-10, Februari 2023.
I. Gunawan, dan Y. Fernando, “Sistem Pakar Diagnosa Penyakit Kulit Pada Kucing Menggunakan Metode Naive Bayes Berbasis Web,” JATIKA (Jurnal Informatika dan Rekayasa Perangkat Lunak)., vol. 2, no. 2, pp.239-247, Juni 2021.
Y. B. Widodo, S. A. Anggraeni, dan T. Sutabri, “Perancangan Sistem pakar Diagnosis Penyakit Diabetes Berbasis Web Menggunakan Algoritma Naïve Bayes,” Jurnal Teknologi Informatika dan Komputer MH. Thamrin., vol. 7, no. 1, pp.112-123, Maret 2021.
E. Aditya, Z. Situmorang, B. H. Hayadi, M. Zarlis and Wanayumini, "New Student Prediction Using Algorithm Naive Bayes and Regression Analysis In Universitas Potensi Utama," ICORIS (2022 4th International Conference on Cybernetics and Intelligent System)., vol. 2, no. 3, pp.1-6, 2022, DOI: 10.1109/ICORIS56080.2022.10031391.
Hartatik, K. Kusrini and A. Budi Prasetio, "Prediction of Student Graduation with Naive Bayes Algorithm," ICIC (2020 Fifth International Conference on Informatics and Computing)., vol. 3, no. 2, pp. 1-5, Desember 2020. DOI: 10.1109/ICIC50835. 2020.9288625.
Y. Ervinaeni, A. S. Hidayat dan E. Riana, “Sistem pakar diagnose gangguan hiperaktifpada anak dengan metode naïve bayes berbasis web,” J. Media Informatika Budidarma., vol. 3, no. 2, pp.90-104, Maret 2018.
Hari Purwanto, “Perancangan Sistem Informasi Jadwal Pelatihan Karyawan PT XYZ,” JSI (Jurnal Sistem Informasi)., vol. 6, no. 2, pp.25-46, Maret 2019.
Sri Mulyani, Metode Analisis dan Perancangan Sistem. Bandung: Abdi Sistematikal, 2017.
M. F. Andriansyah, D. Yusup, dan A. Voutama, “Sistem Pakar Deteksi Dini Covid-19 Menggunakan Metode Naive Bayes Berbasis Website,” INTECOMS (Journal Information Technology and Computer Science)., vol. 4, no. 2, pp.446-455, Desember 2021.
How To Cite This :
Refbacks
- There are currently no refbacks.
