Penggunaan metode klasifikasi Naïve Bayes pada penjualan barang: studi kasus pada UD X

ABSTRAK:

Penelitian ini dilatarbelakangi oleh permasalahan ketidakpastian dalampengelolaan stok barang yang sering kali menyebabkan kelebihan atau kekuranganpersediaan di UD X, sebuah perusahaan yang bergerak di bidang penjualan waterheater. Tujuan penelitian ini adalah untuk mengembangkan model prediksipenjualan menggunakan metode klasifikasi Naïve Bayes guna membantuperusahaan dalam pengambilan keputusan terkait pengelolaan stok barang.Penelitian ini menggunakan data historis penjualan periode Januari 2022 hinggaJuni 2024. Proses penelitian meliputi tahapan identifikasi masalah, studi literatur,analisis dan perancangan sistem, implementasi metode Naïve Bayes menggunakanbahasa pemrograman Python di platform Google Colab, serta pengujian modeldengan membagi data menjadi data latih dan data uji. Hasil pengujianmenunjukkan bahwa model yang dikembangkan mampu memprediksi kategoripenjualan dengan tingkat akurasi sebesar 54%. Meskipun tingkat akurasi masihtergolong sedang, hasil penelitian ini diharapkan dapat memberikan kontribusipositif dalam membantu perusahaan dalam mengoptimalkan pengelolaanpersediaan barang dan meminimalkan biaya penyimpanan.

ABSTRACT:

This research is motivated by the problem of uncertainty in inventorymanagement, which often leads to either excess or shortage of stock at UD X, acompany engaged in the sales of water heaters. The aim of this study is to developa sales prediction model using the Naïve Bayes classification method to assist thecompany in making more accurate stock management decisions. The study utilizeshistorical sales data from January 2022 to June 2024. The research process includesproblem identification, literature review, system analysis and design,implementation of the Naïve Bayes algorithm using Python on the Google Colabplatform, and model testing by dividing the data into training and testing sets. Thetesting results show that the developed model is able to predict sales categorieswith an accuracy rate of 54%. Although the accuracy level is moderate, the resultsof this study are expected to contribute positively to the company's efforts inoptimizing inventory management and reducing storage costs..

مستخلص البحث:

ىلإ نايحألا نم ريثك يف يدؤي امم ،نوزخملا ةرادإ يف نيقيلا مدع ةلكشم نم ةساردلا هذه عبنتةكرش يف نوزخملا يف صقن وأ ضئاف UD X، فدهتو .هايمال تاناخس عيب الجم يف لمعت ةكرش يهوعيبملا ؤبنتل جذومن ريوطت ىلإ ةساردلا هذهفينصتلا ةقيرط مادختساب تا Naïve Bayes ةكرشلا ةدعاسملرياني نم ةرتفلل ةيخيرات تاعيبم تانايب ةساردلا تمدختسا .نوزخملا ةرادإ نأشب ةقد رثكأ تارارق ذاختا يف2022 وينوي ىتح 2024،ماظنلا ميمصتو ليلحت ،تايبدألا ةعجارم ،ةلكشملا ديدحت ثحبلا تاوطخ تلمشو .مزراوخ ذيفنتةي Naïve Bayes ةغل مادختساب Python ةصنم ىلع Google Colab، جذومنال رابتخاورداق روطملا جذومنلا نأ رابتخالا جئاتن ترهظأ .رابتخا تانايبو بيردت تانايب ىلإ تانايبلا ميسقت لالخ نمغلبت ةقدب تاعيبملا تائفب ؤبنتلا ىلع 54سوتم لازي ال ةقدلا ىوتسم نأ نم مغرلا ىلعو .٪عقوتملا نمف ،اًطنيزختلا فيلاكت ليلقتو نوزخملا ةرادإ نيسحتل ةكرشلا دوهج يف يباجيإ لكشب ةساردلا هذه جئاتن مهست نأ