Sistem Informasi Prediksi Tren Produk Skincare Mglam Clinic Berbasis Machine Learning

Larasati Rince Pratita Ritonga; Rakhmat  Kurniawan

doi:10.51454/decode.v5i2.1255

Authors

Larasati Rince Pratita Ritonga Sistem Informasi Universitas Islam Negeri Sumatera Utara
Rakhmat Kurniawan Ilmu Komputer Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.51454/decode.v5i2.1255

Keywords:

Data Penjualan, Klinik M_Glam, Naïve Bayes, Prediksi Tren, Perawatan Kulit

Abstract

Kemajuan teknologi informasi telah memungkinkan penerapan pembelajaran mesin di berbagai industri, termasuk kecantikan dan perawatan kulit. Klinik MGlam, sebagai penyedia produk perawatan kulit, menghadapi tantangan dalam memahami tren pasar yang dinamis. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem prediksi tren produk perawatan kulit menggunakan algoritma Naïve Bayes berdasarkan data penjualan tahun 2024. Algoritma Naïve Bayes dipilih karena kemampuannya untuk mengklasifikasikan data berdasarkan probabilitas, yang memungkinkan identifikasi produk dengan tren potensial. Sistem ini dikembangkan menggunakan PHP Native dan MySQL, dengan mengimplementasikan model pembelajaran mesin untuk menganalisis pola konsumsi pelanggan. Hasil penelitian menunjukkan bahwa sistem prediksi ini dapat meningkatkan efektivitas strategi pemasaran, manajemen inventaris, dan pengambilan keputusan bisnis di Klinik M_Glam. Dengan sistem ini, klinik diharapkan dapat lebih adaptif terhadap perubahan tren pasar dan meningkatkan daya saingnya di industri kecantikan.

References

Amanda, P. Y., Damayanti, B. A., Choirun, A. A., Sari, S. N., Armiyanti, S., & Hidayat, M. (2025). Penerapan Data Mining untuk Prediksi Penjualan Produk Skincare Menggunakan Metode KNN (K-Nearest Neighbors): Studi Kasus Klinik Ayume Beauty Care. Dike, 3(1), 25-30. https://doi.org/10.69688/dike.v3i1.122

Anggraini, P., Sawo Manila, J., Minggu, P., & Selatan, J. (2025). Komparasi Naïve Bayes, Support Vector Machine, Dan Random Forest Dalam Analisis Sentimen Aplikasi Shopee Di Google Play Store. Jurnal Mahasiswa Teknik Informatika, 9(3), 4451-4457. https://doi.org/10.36040/jati.v9i3.13675

Fadlan, A. and S. G. P. (2024). Pertumbuhan Home Industry Dan Transformasi Digital Dalam Dunia Bisnis. Serasi Media Teknologi.

Gumelar, G., Ain, Q., Marsuciati, R., Agustanti Bambang, S., Sunyoto, A., & Syukri Mustafa, M. (2021). Kombinasi Algoritma Sampling dengan Algoritma Klasifikasi untuk Meningkatkan Performa Klasifikasi Dataset Imbalance. SISFOTEK, 5 (1), 250-255.

Haningsih, S., Saputro, N. D. (2022). Aplikasi Pendataan Penduduk Desa Cantik (Cinta Statistik) Berbasis Hybrid. Proceeding Science and Engineering National Seminar, 7(1).

Haqquesda, J. T., & Pambudi, E. A. (n.d.). Gaussian Naïve Bayes dengan Harmonic Mean untuk Klasifikasi Hasil Produksi Gula Merah. Jurnal Media Pratama, 18(2), 2024–2038.

Hendriyana, H., Karo, I. M. K., & Dewi, S. (2022). Analisis Perbandingan Algoritma Support Vector Machine, Naive Bayes, Dan Regresi Logistik Untuk Memprediksi Donor Darah. Jurnal Teknologi Terpadu, 8(2), 121–126. https://doi.org/10.54914/jtt.v8i2.581

Nawiyah, N., Kaemong, R. C., Ilham, M. A., & Muhammad, F. (2023). Penyebab Pengaruhnya Pertumbuhan Pasar Indonesia Terhadap Produk Skin Care Lokal Pada Tahun 2022. ARMADA : Jurnal Penelitian Multidisiplin, 1(12), 1390–1396. https://doi.org/10.55681/armada.v1i12.1060

Nurdiawan, O., & Salim, N. (2020). Penerapan Data Mining Pada Penjualan Barang Menggunakan Metode Metode Naive Bayes Classifier Untuk Optimasi Strategi Pemasaran. Jurnal Teknologi Informasi Dan Komunikasi STMIK Subng, 11(1), 84-95.

Pramana, I. M. A. A., Sudiarsa, I. W., Nugraha, P. G. S. C. (2023). Penerapan Algoritma Naive Bayes Untuk Prediksi Penjualan Produk Terlaris Pada CV Akusara Jaya Abadi. Jurnal Teknik Informatika dan Sistem Informasi, 10(4), 518-534.

Pabubung, P., Michael, R. (2021). “Human Dignity” Dalam Pemikiran Yohanes Paulus Ii Dan Relevansi Untuk Dunia Masa Kini. Jurnal Teologi, 10(1), 49–70. https://doi.org/10.24071/jt.v10i1.2905

Punkastyo, D. A., Septian, F., & Syaripudin, A. (2024). Implementasi Data Mining Menggunakan Algoritma Naïve Bayes Untuk Prediksi Kelulusan Siswa. Journal of System and Computer Engineering, 5(1), 2723–1240. https://doi.org/10.61628/jsce.v5i1.1073

Rizal, M., & Rahman, A. (2021). Tata Kelola Teknologi Informasi Pada Domain EDM (Studi Kasus: CV. HBI, Klinik Kecantikan Ms Glow Penajam). INTEGER, 6, 49–55. https://doi.org/10.31284/j.integer.2021.v6i1.1502

Rosidi, R. P. M., & Setiawan, K. (2024). Implementasi Algoritma Naïve Bayes Terhadap Data Penjualan untuk Mengetahui Pola Pembelian Konsumen pada Kantin. Jurnal Indonesia. Manajemen Informatika Dan Komunikasi, 5(1), 120–126. https://doi.org/10.35870/jimik.v5i1.407

Syamsudi, D., Halundaka, Y. C. D., & Nugroho, A. (2020). Prediksi Status Konsumen Produk Celana Menggunakan Naïve Bayes. JOINTECS 3(1). https://doi.org/10.31328/jointecs.v5i3.1435

Shalmont, J. (2020). Sustainable Beauty: Kesiapan Konsumen Di Indonesia Dalam Mengintegrasikan Konsep Keberlanjutan Dalam Pengelolaan Sampah Kemasan Plastik Produk Industri Kecantikan. Law Review, 20(2), 138-168. https://doi.org/10.19166/lr.v20i2.2591

Sunaryo, D., Hamdan, Anggriani, A., Winata, C., & Alumi, D. D. (2024). Corporate Financial Risk Trend Prediction Using ARIMA-Based Machine Learning: A Semantic Literature Review. Jurnal Akuntansi Manajemen (JAKMEN), 3(2), 78–94. https://doi.org/10.30656/jakmen.v3i2.9704