Analisis Kinerja Algoritma Naïve Bayes Dalam Prediksi Tingkat Persediaan Susu Formula Pada Sektor Ritel
Abstract
Formula milk inventory management at Toko Serba Ada has traditionally relied on a manual system that is often inefficient and error-prone. One of the main challenges is the mismatch between inventory levels and market demand, leading to overstocking and the risk of financial losses from product expiration. This study aims to analyze the performance of the Naïve Bayes algorithm in predicting formula milk inventory levels in the retail sector. The variables used in this study include initial stock, demand trends, product price, and sales volume. The prediction model was developed as a web-based application using PHP. Model performance was evaluated using a confusion matrix with accuracy, precision, and recall as evaluation metrics. The experimental results showed that the model achieved 71.43% accuracy, 73.76% precision, and 74.08% recall. These findings indicate that the Naïve Bayes algorithm demonstrates satisfactory decision-making capability for formula milk inventory management in the retail sector.
Keywords: Naïve Bayes; Inventory Prediction; Formula Milk; Retail Sector; Inventory Management.
Abstrak
Selama ini, pengelolaan stok susu formula di Toko Serba Ada masih mengandalkan sistem manual yang sering kali kurang efisien dan rentan terhadap kesalahan manusia. Masalah utama yang sering muncul adalah ketidaksesuaian antara jumlah stok dan permintaan pasar sehingga menyebabkan penumpukan produk maupun risiko kerugian akibat kedaluwarsa. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Naïve Bayes dalam memprediksi tingkat persediaan susu formula pada sektor ritel. Variabel yang digunakan meliputi stok awal, tren permintaan, harga, dan tingkat penjualan. Model dikembangkan dalam aplikasi berbasis web menggunakan bahasa pemrograman PHP. Evaluasi dilakukan menggunakan confusion matrix dengan parameter akurasi (accuracy), presisi (precision), dan recall. Hasil pengujian menunjukkan bahwa model menghasilkan tingkat akurasi sebesar 71,43%, presisi sebesar 73,76%, dan recall sebesar 74,08%. Hasil tersebut menunjukkan bahwa algoritma Naïve Bayes memiliki kemampuan yang cukup baik dalam mendukung proses pengambilan keputusan terkait pengelolaan persediaan susu formula di sektor ritel.
Kata kunci: Naive Bayes; Prediksi Stok; Manajemen Persediaan; Toko Serba Ada; Klasifikasi.
References
M. Taufik Hidayat, N. Suarna, and N. Rahaningsih, “Implementasi Algoritma Naïve Bayes Untuk Prediksi Persediaan Barang Pt. Dilmoni Citra Mebel Indonesia,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 693–699, 2023, doi: 10.36040/jati.v7i1.6310.
Y. Y. L. Yuyun, C. W. Silaban, A. S. Sitepu, and R. K. Telaumbanua, “Classification Analysis of Product Sales Results at Alfamart Using the Naïve Bayes Method,” Electron. Integr. Comput. Algorithm J., vol. 1, no. 2, pp. 69–74, 2024, doi: 10.62123/enigma.v1i2.18.
M. A. Firmansyah and M. M. Alamin, “Sistem Prediksi Pengiriman Pada Dakota Cargo Menggunakan Metode Naive Bayes Berbasis Web,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, pp. 324–335, 2024, doi: 10.35889/jutisi.v13i1.1802.
A. Hasyim, M. Fatchan, and W. Hadikristanto, “Penerapan Algoritma Naïve Bayes Dalam Memprediksi Tingkat Penjualan Mobil Tahun 2022,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 4, no. 02, pp. 207–215, 2022, doi: 10.46772/intech.v4i02.872.
A. Karima and T. A. Y. Siswa, “Prediksi Kinerja Mahasiswa Dalam Perkuliahan Berbasis Learning Management System Menggunakan Algoritma Naïve Bayes,” Progresif J. Ilm. Komput., vol. 18, no. 2, p. 211, 2022, doi: 10.35889/progresif.v18i2.922.
Rayuwati, Husna Gemasih, and Irma Nizar, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid,” Jural Ris. Rumpun Ilmu Tek., vol. 1, no. 1, pp. 38–46, 2022, doi: 10.55606/jurritek.v1i1.127.
D. Y. Utami, E. Nurlelah, and N. Hikmah, “Attribute Selection in Naïve Bayes Algorithm Using Genetic Algorithms and Bagging for Prediction of Liver Disease,” J. Informatics Telecommun. Eng., vol. 4, no. 1, pp. 76–85, 2020, doi: 10.31289/jite.v4i1.3793.
B. Asyari, S. Putri, A. Alkadri, and P. Y. Utami, “Uji Akurasi Algoritme K-Nearest Neighbor Dan Naïve Bayes Dalam Klasifikasi Kelayakan Pemberian Kredit Perbankan,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 12, no. 3, pp. 999–1012, 2023.
R. Pakan and E. Mailoa, “Komparasi Kinerja Algoritma Machine Learning Untuk Mengklasifikasi Penyakit Kanker Payudara,” Progresif J. Ilm. Komput., vol. 20, no. 1, 2024, doi: 10.35889/progresif.v20i1.1812.
B. Imran, M. N. Karim, and N. I. Ningsih, “Klasifikasi Berita Hoax Terkait Pemilihan Umum Presiden Republik Indonesia Tahun 2024 Menggunakan Naïve Bayes Dan SVM,” J. Ilm. Din. Rekayasa, vol. 20, no. 1, pp. 1–9, Jan. 2024, doi: 10.20884/1.DINAREK.2024.20.1.27.
D. Puspa Martiyaningsih, R. Dias Ramadhani, D. Atika, and R. Dewi, “Komparasi Algoritme C4.5 Dan Naïve Bayes Dalam Klasifikasi Produk Zam-Zam Time Berdasarkan Tingkat Kepuasan Pelanggan,” Progresif J. Ilm. Komput., vol. 19, no. 2, pp. 578–590, 2023.
D. A. Tyas, S. Hartati, A. Harjoko, and T. Ratnaningsih, “Erythrocyte Classification using Multi-Layer Perceptron, Naïve Bayes Classifier, RBF Network and SVM,” Int. J. Eng. Adv. Technol., vol. 9, no. 2, pp. 2024–2028, 2019, doi: 10.35940/ijeat.B3231.129219.
S. N. Abdullah, S. K. Gusti, F. Wulandari, and F. Syafria, “Klasifikasi Tingkat Keparahan Korban Kecelakaan Lalu Lintas Menggunakan Naive Bayes,” Progresif J. Ilm. Komputer Jurnal Ilm. Komput., vol. 19, no. 2, pp. 858–866, 2023.
G. G. Warow and H. Pandia, “Analisis Sentimen Aplikasi Dana Menggunakan Naïve Bayes Classifier dan Support Vector Machine,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, pp. 609–621, 2024, doi: 10.35889/jutisi.v13i1.1893.
F. A. Hizham, C. K. Murni, and M. Qori’atunnadyah, “Uji Klasifikasi Algoritma Naive Bayes Classification dalam Analisis Sentimen Ulasan Puncak B29 Lumajang,” Progresif J. Ilm. Komput., vol. 20, no. 1, p. 361, 2024, doi: 10.35889/progresif.v20i1.1618.
E. L. Rara and E. Mailoa, “Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Perubahan Piala Dunia U-20,” Progresif J. Ilm. Komput., vol. 20, no. 1, p. 259, 2024, doi: 10.35889/progresif.v20i1.1550.
F. Kristanto, W. W. Winarno, and A. Nasiri, “Perbandingan Algoritme Naïve Bayes dan Decision Tree Pada Analisis Sentimen Data Komentar Siswa Pada Aplikasi Digital Teacher Assessment,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 12, no. 2, pp. 538–548, 2023.
A. Simanungkalit, J. P. P. Naibaho, and A. De Kweldju, “Analisis Sentimen Berbasis Aspek Pada Ulasan Aplikasi Shopee Menggunakan Algoritma Naïve Bayes,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, pp. 659–670, 2024, doi: 10.35889/jutisi.v13i1.1826.
How To Cite This :
Refbacks
- There are currently no refbacks.
