112-Article Text-458-4-10-20220613
112-Article Text-458-4-10-20220613
Abstract— In the era of the COVID-19 pandemic, the menciptakan penjualan dengan tujuan menghasilkan laba.
production of goods is always maintained according to needs Oleh karena itu, pengendalian persediaan sangat diperlukan
and looks at the stock of rattan. Rattan stock is currently untuk mengendalikan persediaan barang-barang yang
slightly hampered because there are several policies that are dibutuhkan konsumen. Dalam pelaksanaannya perusahaan
considered to be able to affect production, namely the partition
between regions. This study focuses on predicting the
dapat mengalami permasalahan pengendalian persediaan
determination of rattan stock so that production continues, raw seperti kelebihan persediaan dan kekurangan persediaan.[1][2]
materials are always available. Analysis of stock predictions is Untuk menyelesaikan permasalahan tersebut maka
adjusted from sales transaction data, from sales transaction dibutuhkan pengendalian persediaan yang baik dalam
data an analysis is carried out using the Nave Bayes Penitian mengolah data persediaan barang menggunakan teknik data
algorithm using production data in 2020 on cv jakka with the mining. Data mining merupakan suatu metode pengolahan
address depok cirebon. This prediction uses the Rapidminer data untuk menemukan suatu informasi, hasil pengolahan
Version 9.9 application with Operator, Retrive, Cross datanya bisa digunakan untuk pengambilan keputusan di
Validation, Naïve Bayes, Apply Model and Performance. masa yang akan datang.[3][6]
Accuracy results in this study show 91.43% with details of
Rarely and True Rare Prediction Results having 181 data.
Penelitian pertama yang dilakukan oleh Siska
Infrequent and True Prediction Results Often have 9 data. Delima pada jurnal perencanaan sains teknologi dan
Prediction Results Often and True Rarely have 23 data. komputer dengan judul prediksi penyediaan sparepart
Prediction Results Often and True Rarely have 160 data. There kendaraan roda dua dengan metode Naive Bayes (studi kasus :
are 183 goods that are prioritized to increase production. Toko Dewi Motor) menjelaskan bahwa sparepart adalah
suatu barang yang terdiri dari beberapa komponen yang
Keywords : Rattan, Naïve Bayes Algorithm, Covid 19 membentuk satu kesatuan dan mempunyai fungsi tertentu.
Perkembangan yang begitu cepat dengan tingkat persaingan
Abstrak- Pada era pandemi Covid 19 produksi barang selalu yang semakin berat mengarahkan setiap industri harus
dijaga sesuai dengan kebutuhan dan melihat pada stok rotan. memandang ke depan dalam menentukan langkahnya dan
Stok rotan saat ini sedikit terhambat karena terdapat beberapa bagaimana usaha dan cara untuk mencapainya. Oleh sebab itu,
kebijakan yang dinilai dapat mempengaruhi produksi yaitu strategi penjualan merupakan hal yang sangat penting dalam
Penyekatan antar wilayah. Penelitian ini menitik beratkan pada bisnis untuk dapat meningkatkan nilai penjualan. Salah
prediksi penentuan stok rotan agar produksi tetap jalan, bahan satunya ialah dibutuhkan suatu ketersediaan stok sparepart
baku selalu tersedia. Analisa prediksi stok disesuaikan dari data yang cukup untuk bisa men- supplay banyaknya minat
transaksi penjualan, dari data transakasi penjualan dilakukan konsumen yang ingin membeli produk tersebut.mencermati
analisa menggunakan algoritma naïve bayes. Penitian ini kondisi yang terjadi pada instansi toko dewi motor selama ini,
menggunakan data produksi pada tahun 2020 pada CV Jaka masih terdapat masalah dalam penyetokan sparepart yang
Depok Cirebon. Prediksi ini menggunakan aplikasi Rapidminer berupa barang. Diantaranya adalah masih sering terjadi
Versi 9.9 dengan Operator, Retrive, Cross Validation, Naïve kehabisan stok sebelum waktu yang sudah ditentukan yaitu
Bayes, Apply Model dan Performance. Hasil Akurasi pada selama satu bulan.. Metode Naïve Bayes merupakan
penlitian ini menunjukan 91.43 % dengan rincian Hasil Prediksi komponen dasar yang digunakan dalam implementasi
Jarang dan True Jarang memiliki data sebanyak 181 Data. Hasil
pembuatan perangkat lunak yang terdapat dalam sistem
operasi. Dalam penelitian ini akan menguji keakuratan dari
Prediksi Jarang dan True Sering memiliki data sebanyak 9 Data.
metode bayes dalam penyetokan sparepart, adapun cara
Hasil Prediksi Sering dan True Jarang memiliki data sebanyak
pengujiannya adalah dengan membandingkan antara tingkat
23 Data. Hasil Prediksi Sering dan True Sering memiliki data
keakuratan antara proses perhitungan manual dengan proses
sebanyak 160 Data. Terdapat 183 Barang yang menjadi Prioritas
perhitungan menggunakan metode Naïve Bayes sama atau
untuk diperbanyak produksinya.
tidak. Pada sistem pengolahan data sparepart di toko dewi
Kata Kunci : Rotan, Algoritma Naïve Bayes, Covid 19 motor ini dapat digunakan untuk mengetahui prediksi stok
sparepart yang terjual. Sehingga pihak toko bisa tahu jumlah
sparepart yang akan dipasok. Menghasilkan sebuah sistem
I. PENDAHULUAN yang dapat membantu karyawan dalam menentukan
Persediaan barang merupakan hal yang sangat penting persediaan stok sparepart pada toko Dewi Motor.[8][9]
bagi suatu perusahaan karena akan mempengaruhi tingkat Penelitian kedua yang dilakukan oleh Deri lianda1,
produksi dan penjualan. Persediaan diperlukan untuk Niko Surya Atmaja pada jurnal jurnalpseudocode, volume
viii nomor 1, februari 2021, issn 2355-5920, e-issn 2655- dalam penyetokan sparepart, adapun cara pengujian nya
1845 dengan judul prediksi data buku favorit menggunakan adalah dengan membandingkan antara tingkat keakuratan
metode Naïve Bayes menjelaskan bahwa perpustakaan antara proses perhitungan manual dengan proses perhitungan
Universitas Dehasen Bengkulu memprediksi buku favorit menggunakan metode bayes sama atau tidak. Pada sistem
berdasarkan catatan peminjaman buku. Prediksi buku favorit pengolahan data sparepart di toko dewi motor ini dapat
bertujuan untuk mempermudah persediaan jumlah buku dan digunakan untuk mengetahui prediksi stok sparepart yang
penyusunan buku di ruang perpustakaan, sehingga juga terjual. Sehingga pihak toko bisa tahu jumlah sparepart yang
mempermudah pembaca buku yang menginginkan buku akan dipasok. Menghasilkan sebuah sistem yang dapat
favorit untuk dibaca. Masalah yang dialami ketika penjaga membantu karyawan dalam menentukan persediaan stok
perpustakaan melakukan prediksi adalah saat membuka sparepart pada toko Dewi Motor.[15]
kembali catatan peminjaman buku dan mengumpulkan nama-
nama buku yang paling banyak dipinjam sehingga cara ini Penelitian kedua yang dilakukan oleh Deri Lianda, Niko
sangat sulit untuk dilakukan mengingat banyaknya data Surya Atmaja Pada Jurnal Jurnalpseudocode, Volume Viii
peminjam yang terdapat di dalam buku catatan. Oleh karena Nomor 1, Februari 2021, Issn 2355-5920, e-issn 2655-1845
itu dibutuhkan sebuah solusi untuk mempermudah penjaga dengan judul prediksi data buku favorit menggunakan metode
perpustakaan dalam memprediksi buku favorit. Penelitian ini naïve bayes menjelaskan bahwa perpustakaan Universitas
menerapkan Data Mining menggunakan metode Naïve Bayes, Dehasen Bengkulu memprediksi buku favorit berdasarkan
sehingga dengan adanya data mining menggunakan Naïve catatan peminjaman buku. Prediksi buku favorit bertujuan
Bayes diharapkan dapat mempermudah penjaga perpustakaan untuk mempermudah persediaan jumlah buku dan
dalam memprediksi buku favorit dengan menggunakan penyusunan buku di ruang perpustakaan, sehingga juga
menerapkan rumus serta langkah dari metode Naïve Bayes, mempermudah pembaca buku yang menginginkan buku
maka Metode Naïve Bayes dapat diterapkan untuk prediksi favorit untuk dibaca. Masalah yang dialami ketika penjaga
buku favorit dan dengan menggunakan data peminjaman perpustakaan melakukan prediksi adalah saat membuka
buku setiap tahun, maka dengan Metode Naïve Bayes dapat kembali catatan peminjaman buku dan mengumpulkan nama-
memprediksi data buku pada tahun selanjutnya.[10] nama buku yang paling banyak dipinjam sehingga cara ini
Pada era pandemi COVID 19 produksi barang selalu sangat sulit untuk dilakukan mengingat banyaknya data
dijaga sesuai dengan kebutuhan dan melihat pada stok rotan. peminjam yang terdapat di dalam buku catatan. Oleh karena
Stok rotan saat ini sedikit terhambat karena terdapat beberapa itu dibutuhkan sebuah solusi untuk mempermudah penjaga
kebijakan yang dinilai dapat mempengaruhi produksi yaitu perpustakaan dalam memprediksi buku favorit. Penelitian ini
Penyekatan antar wilayah. menerapkan data mining menggunakan metode naïve bayes,
Penelitian ini menitik beratkan pada prediksi sehingga dengan adanya data mining menggunakan naïve
penentuan stok rotan agar produksi tetep jalan, bahan baku bayes diharapkan dapat mempermudah penjaga perpustakaan
selalu tersedia. Analisa prediksi stok disesuaikan dari data dalam memprediksi buku favorit dengan menggunakan
transaksi penjualan, dari data transakasi penjualan di lakukan menerapkan rumus serta langkah dari metode naïve bayes,
analisa menggunakan Algoritma Naïve Bayes. maka metode Naïve Bayes dapat diterapkan untuk prediksi
buku favorit.dan dengan menggunakan data peminjaman
buku setiap tahun, maka dengan metode Naïve Bayes dapat
II. LANDASAN TEORI memprediksi data buku pada tahun selanjutnya.[17]
Penelitian pertama yang dilakukan Oleh Siska Delima Penelitian ketiga yang dilakukan oleh Dira pada jurnal
Pada Jurnal Perencanaan Sains Teknologi Dan Komputer perencanaan sains teknologi dan komputer dengan judul
Dengan Judul Prediksi Penyediaan Sparepart Kendaraan Rancangan Aplikasi Pada Puskesmas Cerenti Dalam
Roda Dua Dengan Metode Naive Bayes (studi kasus : Toko Persediaan Obat Menggunakan Metode Naive bayes
Dewi Motor) menjelaskan bahwa sparepart adalah suatu menjelaskan bahwa Puskesmas Cerenti merupakan sebuah
barang yang terdiri dari beberapa komponen yang pusat kesehatan masyrakat yang menyediakan obat-obat yang
membentuk satu kesatuan dan mempunyai fungsi tertentu. dibutuhkan oleh masyarakat setempat. Puskesmas Cerenti
Perkembangan yang begitu cepat dengan tingkat persaingan mengalami kesulitan dalam mengelola data-data mengenai
yang semakin berat mengarahkan setiap industri harus persediaan obat yang sering kelebihan dan kekurangan stok
memandang ke depan dalam menentukan langkahnya dan karena data yang kurang akurat. Untuk mendukung
bagaimana usaha dan cara untuk mencapainya. Oleh sebab itu, persediaan obat yang efektif perlu dirancang suatu sistem
strategi penjualan merupakan hal yang sangat penting dalam yang dapat mengatasi masalah tersebut. Penulis menerapkan
bisnis untuk dapat meningkatkan nilai penjualan. Salah metode Naïve Bayes yang bertujuan untuk mempredisi stok
satunya ialah dibutuhkan suatu ketersediaan stok sparepart “habis” atau “sisa” untuk penjualan dan persediaan obat pada
yang cukup untuk bisa men- supplay banyaknya minat Puskesmas Cerenti yang datanya diambil berdasarkan data
konsumen yang ingin membeli produk tersebut.mencermati pada tahun lalu. Sehingga, dapat membantu dalam
kondisi yang terjadi pada instansi toko dewi motor selama ini, menentukan persediaan stok obat sesuai dengan kebutuhan
masih terdapat masalah dalam penyetokan sparepart yang dan keinginan serta menghasilkan alternatif pilihan stok obat,
berupa barang. Diantaranya adalah masih sering terjadi prediksi. Metode Naïve Bayes merupakan sebuah
kehabisan stok sebelum waktu yang sudah ditentukan yaitu pengklasifikasian probabilistik sederhana yang menghitung
selama satu bulan.. Metode bayes merupakan komponen sekumpulan probabilitas dengan menjumlahkan frekuensi dan
dasar yang digunakan dalam implementasi pembuatan kombinasi nilai dari dataset yang diberikan. Pada metode
perangkat lunak yang terdapat dalam sistem operasi. Dalam Naïve Bayes dilakukan dua tahap yaitu tahap pelatihan dan
penelitian ini akan menguji keakuratan dari metode bayes
2
KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 04, No. 01, April 2020
tahap pengujian. Pada tahap pelatiahan sistem akan mulai maka persediaan ini (fluctuation stock) dibutuhkan
membaca data training dan untuk selanjutnya dihitung sangat besar pula untuk menjaga kemungkinan naik
probabilitas untuk setiap kriteria dan setiap kelas, hasil turunnya permintaan tersebut.
probabilitas yang paling besar menjadi kesimpulan dan 3. Anticipation Stock adalah persediaan yang diadakan
terakhir sistem akan menampilkan hasil prediksi. untuk menghadapi fluktuasi permintaan yang dapat
berdasarkan hasil penelitian bahwa aplikasi prediksi diramalkan, berdasarkan pola musiman yang
persediaan obat yang dibangun berbasis web,agar dapat terdapat dalam satu tahun untuk menghadapi
menjadi solusi yang alternatif dan membantu proses prediksi penggunaan atau permintaan yang meningkat.
persediaan obat, sehingga proses persediaan obat yang kita Disamping itu, Anticipation Stock dimaksudkan
inginkan akan lebih mudah, proses pengembangan prediksi pula untuk menjaga kemungkinan sukarnya
persediaan obat ini menggunakan metode naive bayes untuk diperoleh bahan-bahan sehingga tidak mengganggu
masalah dalam proses prediksi persediaan obat Puskesmas jalannya produksi atau menghindari kemacetan
Cerenti.[13] produksi.
A. Persediaan Barang C. Tujuan Persediaan barang
Sistem persediaan secara umum berarti sistem 1. Menghilangkan risiko keterlambatan barang tiba.
pengaturan data persediaan barang yang berkaitan dengan 2. Untuk dapat memenuhi kebutuhan atau
aktivitas logistik sebuah perusahaan. Barang- barang permintaan.
tersebut disimpan dengan tujuan tertentu. Tujuan ini 3. Menjaga keberlangsungan produksi atau menjaga
bergantung pada skala perusahaan dan kebijakan dari agar perusahaan tidak mengalami kehabisan
manajemen. Pada sebuah perusahaan besar ada barang yang persediaan yang mengakibatkan terhentinya
disimpan untuk produksi dan untuk dijual kembali. Manfaat proses produksi.
memiliki sistem persediaan barang adalah menjaga 4. Memberikan pelayanan yang sebaik mungkin
persediaan barang secara optimal dengan biaya total yang kepada konsumen dengan tersedianya barang
minimal.(Nafisah, 1998) yang diperlukan
3. Tujuan data mining adalah mendapatkan hubungan 6. Pola informasi yang dihasilkan dari proses data
atau pola yang mungkin memberikan indikasi yang mining perlu ditampilkan dalam bentuk yang mudah
bermanfaat dimengerti oleh pihak yang berkepentingan. Tahap
ini merupakan bagian dari proses KDD yang disebut
interpretation. Tahap ini mencakup pemeriksaan
apakah pola atau informasi yang ditemukan
bertentangan dengan fakta atau hipotesis yang ada
sebelumnya.
E. Rapid Miner
4. Data Mining
Data mining adalah proses mencari pola atau
informasi menarik dalam data terpilih dengan
menggunakan teknik atau metode tertentu. Teknik, Gambar 2. Tahapan Proses KDD
metode atau algoritma dalam data mining sangat
bervariasi. Pemilihan metode atau algoritma yang Berikut merupan hal – hal yang perlu di lakukan dalam
tepat sangat bergantung pada tujuan dan proses KDD penelitian berdasarkan tahapan knowledge discovery in
secara keseluruhan.I databases :
5. Interpretarion/ Evaluation 1. Data
4
KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 04, No. 01, April 2020
Data yang digunakan adalah datar sekunder data yang dibutuhkan yaitu Nominal dan Real, data tersebut
yaitu data yang diambil dari hasil penjualan atau dapat dilihat pada gambar berikut ini
barang keluar pada bulan Agustus 2021
2. Data Cleaning atau Selection
A. Data
DOI : https://doi.org/10.32485/kopertip.v4i1.112 5
Yuniar Kartika : Implementasi Algoritma Naïve Bayes Untuk Prediksi Persediaan Barang Rotan
10.47065/bits.v3i3.1091.
[16] h. Putri, a. I. Purnamasari, a. R. Dikananda, o.
Nurdiawan, and s. Anwar, “penerima manfaat bantuan
non tunai kartu keluarga sejahtera menggunakan
metode naïve bayes dan knn,” build. Informatics,
technol. Sci., vol. 3, no. 3, pp. 331–337, 2021, doi:
10.47065/bits.v3i3.1093.
[17] h. Putri, a. I. Purnamasari, a. R. Dikananda, o.
Nurdiawan, and s. Anwar, “penerima manfaat bantuan
non tunai kartu keluarga sejahtera menggunakan
metode naïve bayes dan knn,” build. Informatics,
technol. Sci., vol. 3, no. 3, pp. 331–337, 2021, doi:
10.47065/bits.v3i3.1093.
[18] k. S. H. K. Al atros, a. R. Padri, o. Nurdiawan, a.
Faqih, and s. Anwar, “model klasifikasi analisis
kepuasan pengguna perpustakaan online
menggunakan k-means dan decission tree,” jurikom
(jurnal ris. Komputer), vol. 8, no. 6, pp. 323–329,
2022, doi: 10.30865/jurikom.v8i6.3680.
[19] ramadhona,e.w. Game edukasi “nihongo kurabu”
belajar bahasa menggunakan unity 2d berbasis
android
DOI : https://doi.org/10.32485/kopertip.v4i1.112 7