Perbandingan Algoritma C4.5 dan Naïve Bayes dalam Menentukan Persediaan Stok

Rian Pratama (Universitas Buana Perjuangan Karawang)
Baenil Huda (Universitas Buana Perjuangan Karawang)
Elfina Novalia (Universitas Buana Perjuangan Karawang)
Huban Kabir (Universitas Subang)

METIK JURNAL
Vol 6 No 2 (2022): METIK Jurnal

Dalam bisnis ritel, persediaan merupakan faktor penting yang perlu diperhitungkan. Jumlah persediaan yang keluar masuk harus dipeerhitungkan. Alasannya adalah agar stok persediaan tetap stabil dan juga untuk menghindari kerugian yang disebabkan oleh kadaluarsa. Masalahnya adalah setiap item memiliki pembelian yang berbeda. Oleh karena itu, diperlukan perhitungan untuk memprediksi item apa saja yang perlu ditambah atau dikurangi di gudang. Berdasarkan permasalah tersebut, metode klasifikasi data mining digunakan dalam menentukan algoritma yang cocok untuk prediksi persediaan. Dua algoritma yang digunakan adalah algoritma C4.5 dan Naive Bayes. Setelah dilakukan pengujian kedua algoritma tersebut menggunakan tools RapidMiner, didapatkan hasil bahwa algoritme C4.5 memberikan nilai akurasi sebesar 96.80%, sedangkan algoritma Naive Bayes memberikan hasil sebesar 91.20%. Kesimpulannya adalah algoritma C4.5 baik untuk prediksi persediaan.