Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Sistem Informasi Prediksi Tren Produk Skincare Mglam Clinic Berbasis Machine Learning

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 5 No. 2 (2025) · hlm. 683–694

DOI
10.51454/decode.v5i2.1255
ISSN
2775-1813, 2775-2984
Terbit
2025-07-31
Penerbit
Universitas Muhammadiyah Kendari
Lisensi
creativecommons.org/licenses/by-sa/4.0/

Abstrak

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.

Jaringan kolaborasi para penulis

2 penulis · 1 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Data ini berasal dari Crossref (yang disetorkan penerbit), karena endpoint OAI-PMH milik jurnal tidak dapat di-harvest.

Sumber metadata: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, pertama di-harvest 26 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata sebagai oai_dc, dikonversi dari Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Sistem Informasi Prediksi Tren Produk Skincare Mglam Clinic Berbasis Machine Learning</dc:title><dc:creator>Ritonga, Larasati Rince Pratita</dc:creator><dc:creator>Rakhmat Kurniawan R</dc:creator><dc:description>&lt;jats:p&gt;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.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2025-07-31</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v5i2.1255</dc:identifier><dc:identifier>10.51454/decode.v5i2.1255</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 5 No 2 (2025); 683-694</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/decode/article/download/1255/628</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>