<![CDATA[Penelitian ini bertujuan untuk mengembangkan model prediksi penjualan dan persediaan pada Toko Berkat Plastik guna meningkatkan efisiensi manajemen stok dan mengurangi risiko overstock maupun stockout. Metode yang digunakan adalah analisis berbasis data mining dengan pendekatan Knowledge Discovery in Database (KDD), meliputi tahap seleksi data, pre-processing, transformasi, pemodelan, dan evaluasi. Algoritma Naïve Bayes digunakan untuk mengklasifikasikan tingkat penjualan dan kondisi stok ke dalam kategori Rendah, Sedang, Tinggi serta Aman, Menipis, dan Kritis. Hasil penelitian menunjukkan bahwa model prediksi stok mencapai akurasi 75%, sementara model penjualan memperoleh akurasi 68,42%. Model menunjukkan performa terbaik pada kategori stok Aman dan penjualan Tinggi, sedangkan kategori lain memiliki akurasi lebih rendah akibat karakteristik data yang fluktuatif. Kesimpulan penelitian ini menyatakan bahwa model Naïve Bayes efektif digunakan dalam memprediksi permintaan dan kondisi persediaan, serta dapat dimanfaatkan sebagai alat pendukung keputusan untuk mengoptimalkan perencanaan pembelian dan pengendalian inventori pada usaha retail skala menengah.]]>
Copyrights © 2026
