ANALISIS OPTIMALISASI WEBSITE UNTUK EFISIENSI DAN AKURASI DATA PERUSAHAAN DI ERA DIGITAL MENGGUNAKAN METODE NAÏVE BAYES

  • JEREMY TIMOTHY PRATAMA RINGON
  • 2025

Abstrak

Pemanfaatan teknologi digital yang semakin berkembang tekah menjadi website
sebagai komponen utama dalam operasional bisnis modern. Namun, tidak semua
perusahaan dapat mengelola data secara efisien dan akurat melalui website mereka.
Kendala utama sering kali berasal dari desain sistem yang kurang optimal dan metode
pengolahan data yang tidak tepat. Penelitian ini bertujuan untuk mengoptimalkan
website dalam mendukung efisiensi operasional serta akurasi data perusahaan dengan
menggunakan metode Naïve Bayes. Metode Niave Bayes dipilih karena
kemampuannya yang andal dalam mengklasifikasikan ata secara efisien dan
menghasilkan prediksi yang akurat. Studi ini mencakup pengumpulan data, analisis
atribut seperti jenis kelamin, biaya pelangan, jumlah diterima dan hasil serta proses
pelatihan dan pengujian model. Hasilnya menunjukan bahwa penerapan metode naïve
bayes meningkatkan akurasi sebesar 94,12% pengolahan data hingga ke tingkat
optimal, sekaligus mempercepat proses pengambilan keputusan berbasis data. Temuan
ini menunjukkan bahwa optimasi website yang dilakukan tidak hanya mendukung
kelancaran oprasional perusahaan, tetapi juga memberikan pengalaman penggina yang
lebih baik. Dengan pendekatan ini, perusahaan dapat meningkatkan daya saing diera
digital dengan memanfaatkan teknologi secara strategis dan efektif.

Kata Kunci
Akses Repositori Open Access

https://repository.bsi.ac.id/repo/61409/ANALISIS-OPTIMALISASI-WEBSITE-UNTUK-EFISIENSI-DAN--AKURASI-DATA-PERUSAHAAN-DI-ERA-DIGITAL--MENGGUNAKAN-METODE-NAÏVE-BAYES
Anda dapat membaca file tugas akhir ini di repository.

Detail Informasi

Tugas Akhir ini ditulis oleh :

  • 19236014 - JEREMY TIMOTHY PRATAMA RINGON
  • Prodi : Sistem Informasi
  • Kampus : Kramat 98
  • Tahun : 2025
  • Pembimbing : Rame Santoso, M.Kom
  • Kode : 0018.S1.19.SKRIPSI.II.2024
  • Status Akses : Open Access
  • Diinput oleh : AXD
  • Terakhir update : 12 Maret 2025
  • Dilihat : 106 kali