<![CDATA[Penelitian ini menangani tantangan kritis manajemen inventaris pada Usaha Mikro, Kecil, dan Menengah (UMKM) dengan mengimplementasikan modul prediksi stok menggunakan algoritma Support Vector Regression (SVR) dalam arsitektur Microservices. Menggunakan kerangka kerja CRISP-DM, penelitian ini memproses data historis penjualan melalui rekayasa fitur sliding window dan transformasi logaritma untuk menangani pola permintaan non-linear. Sistem dirancang dengan memisahkan fungsi operasional berbasis Node.js dan mesin komputasi AI berbasis Python. Pemisahan ini bertujuan untuk meningkatkan skalabilitas dan performa aplikasi. Hasil evaluasi menunjukkan bahwa model SVR dengan kernel Radial Basis Function (RBF) mencapai Root Mean Square Error (RMSE) sebesar 3.57 dan koefisien determinasi ($R^2$) sebesar 0.64, membuktikan kemampuannya dalam memberikan rekomendasi stok yang akurat dan berbasis data. Solusi yang diusulkan mampu memitigasi risiko overstock dan stockout serta mendorong perubahan manajemen inventaris dari proses manual yang bersifat reaktif menuju sistem otomatis yang lebih proaktif., serta meningkatkan efisiensi operasional dan keberlanjutan finansial bagi UMKM.]]>
Copyrights © 2026
