<![CDATA[Proses pengadaan barang memerlukan pengambilan keputusan yang tepat untuk memastikan ketersediaan barang sesuai dengan kebutuhan serta pemilihan supplier yang mampu memenuhi kriteria organisasi. Pengambilan keputusan yang hanya didasarkan pada pengalaman atau pertimbangan subjektif berpotensi menyebabkan ketidaksesuaian jumlah persediaan maupun pemilihan supplier yang kurang optimal. Penelitian ini bertujuan mengimplementasikan algoritma Gaussian Naive Bayes untuk mengklasifikasikan tingkat permintaan barang serta metode Simple Additive Weighting (SAW) untuk menentukan supplier terbaik berdasarkan beberapa kriteria. Dataset yang digunakan merupakan Indonesia E-Commerce Sales and Shipping Dataset 2023-2025 yang diperoleh dari Kaggle dengan jumlah data awal sebanyak 20.848 transaksi. Setelah melalui tahap preprocessing, diperoleh 16.239 data yang digunakan dalam proses klasifikasi. Kategori permintaan dibentuk menjadi tiga kelas, yaitu Low, Medium, dan High, menggunakan metode kuantil (quantile). Model Gaussian Naive Bayes dievaluasi menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan nilai accuracy sebesar 60,07%, precision 65,95%, recall 60,07%, dan F1-score 57,44%. Selanjutnya, hasil klasifikasi dimanfaatkan sebagai dasar dalam proses pemilihan supplier menggunakan metode SAW berdasarkan kriteria harga, ketepatan waktu pengiriman, kualitas, dan responsivitas. Hasil perhitungan SAW menunjukkan bahwa PT. Mahkota Bisnis memperoleh nilai preferensi tertinggi sebesar 0,9000, sehingga direkomendasikan sebagai supplier terbaik. Hasil penelitian menunjukkan bahwa integrasi Gaussian Naive Bayes dan SAW dapat mendukung proses pengambilan keputusan pengadaan barang secara lebih objektif dan sistematis.]]>
Copyrights © 2026
