Pengembangan Model Prediksi Penjualan dan Persediaan  dengan Klasifikasi Produk untuk Efisiensi Manajemen Stok Toko Berkat Plastik

Evelyn Agustin; Ferdy Setiawan; Andri Wijaya

doi:10.47134/jtsi.v3i1.5191

Authors

Evelyn Agustin Univesitas Katolik Musi Charitas
Ferdy Setiawan Univesitas Katolik Musi Charitas
Andri Wijaya Univesitas Katolik Musi Charitas

DOI:

https://doi.org/10.47134/jtsi.v3i1.5191

Keywords:

Data Mining, Naïve Bayes, Prediksi Penjualan, Prediksi Persediaan, Klasifikasi

Abstract

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.

References

Aldahmani, E., Alzubi, A., & Iyiola, K. (2024). Demand forecasting in supply chain using hybrid regression model. Applied Sciences, 14(18), 8110.

Anggraini, S., & Kurniawan, R. (2024). Historical sales data as forecasting input for retail analysis. Journal of Business Analytics, 6(2), 51–60.

Audita, I., Damanik, I. S., & Irawan, E. (2024). Pemetaan hasil produksi buah-buahan dengan teknik data mining K-Medoids. Jurnal Teknik Mesin, Industri, Elektro dan Informatika, 1(3). https://doi.org/10.55606/jtmei.v1i3.535

Aulia, D., & Fathurrahman, M. (2024). Implementasi machine learning untuk optimasi inventori produk retail. Jurnal Teknologi Informasi dan Data Mining, 5(1), 33–44.

Ayuningtyas, N., R., & Basysyar, F. (2022). Penerapan data mining pada penjualan produk menggunakan metode Naïve Bayes. AIMS Journal, 5(2), 157-166.

Budianto, A. G., Eko Suryo, A. T., Zulkarnain, A. F., Cahyono, G. R., Rusilawati, & Az-Zahra, S. F. (2024). A text mining approach to analyzing the omnichannel retail business performance of the KlikIndomaret app. Jurnal Teknik Industri: Jurnal Keilmuan dan Aplikasi Teknik Industri, 26(2), 131–144. https://doi.org/10.9744/jti.26.2.131-144.

Firmansyah, R., & Hanifa, L. (2024). Normalisasi data dalam model prediksi menggunakan skala min-max. Journal of Artificial Intelligence Research, 9(2), 115–124.

Hartawan, I. (2024). Hyperparameter tuning in LSTM for product demand prediction. JKDN Journal, 8(1), 54-62.

Hidayat, M., Suarna, N., & Rahaningsih, N. (2023). Implementasi klasifikasi untuk prediksi persediaan barang. JATI Journal, 7(1), 693-699.

Kawilarang, R. D. A., & Fitriana, R. (2024). Data mining dan aplikasi Six Sigma dalam meningkatkan kualitas batubara pada pembangkit listrik. JISI: Jurnal Integrasi Sistem Industri, 11(2), 183–190. https://doi.org/10.24853/jisi.11.2.183-190.

Khairunnisa, A., & Yusuf, M. (2022). Penerapan discretization pada data mining untuk peningkatan akurasi klasifikasi inventori. Journal of Applied Data Science, 6(3), 221–230.

Liu, Y., Chen, X., & Wei, F. (2025). Machine learning-based inventory simulation for retail stock control. Journal of Digital Economy, 4(2), 112-126.

Maulana, H., & Febrianti, S. (2023). Discretization techniques for classification models in retail datasets. Journal of Data Science and Informatics, 5(1), 77–88.

Mulyani, S., Pratama, R., & Dewantara, Y. (2023). Framework KDD pada prediksi penjualan retail berbasis data mining. Journal of Information Systems and Analytics, 4(2), 89–102.

Munoz, L. (2024). SKU-based forecasting strategy using classification clustering. RSD Journal, 13(6), 1151-1163.

Pradhana, A., Firmansyah, A., & Islami, M. (2025). Prediksi penjualan dan klasifikasi kategori menggunakan RapidMiner. JAMI Journal, 6(1), 9-17.

Putra, A., & Hidayat, R. (2022). Pendekatan kuantitatif pada prediksi sistem informasi penjualan retail. Jurnal Sistem Informasi Indonesia, 8(1), 71–82.

Rahmawati, N., & Idris, F. (2022). Transaction-based documentation method for sales data collection. Information Management Journal, 4(3), 144–155.

Rahmawati, N., & Samudra, H. (2023). Tren penjualan berbasis data historis untuk retail modern. Jurnal Manajemen Industri & Rantai Pasok, 12(4), 177–188.

Sabilla, A., Irnanda, R., & Putri, N. (2025). Strategi e-SCM berbasis klasifikasi persediaan. JTIKP Journal, 5(3), 211-223.

Safitri, L., & Kurniawan, A. (2025). Teknik pembagian dataset dalam validasi model machine learning. Journal of Computational Intelligence, 11(1), 58–70.

Salsabila, D., & Nurdiansyah, B. (2024). Dataset split strategies for forecasting and classification models. Machine Learning Applications Journal, 11(1), 65–73.

Saputra, A., & Aziz, M. (2025). The role of data cleansing in machine learning forecasting. Journal of Artificial Intelligence Practice, 9(1), 22–30.

Saputro, M. R., Syaharani, A. D., Septaria, S. S., & Shofa, M. J. (2025). Penerapan teknik asosiasi data mining untuk menemukan pola penjualan di kantin kampus. Jurnal Aplikasi Ilmu Teknik Industri (JAPTI), 6(1), 1–10. https://doi.org/10.32585/japti.v6i1.6243.

Widiyanto, B., & Firdaus, D. (2024). Model prediksi penjualan menggunakan pendekatan KDD untuk UMKM. Management Innovation Journal, 7(1), 101–115.

Wijaya, T., Sari, F., & Nugroho, P. (2021). Kinerja algoritma Naïve Bayes dalam klasifikasi dataset retail. Journal of Information Technology and Computation, 5(2), 142–150.

Zulfiqar, M., & Rahmat, F. (2024). RapidMiner sebagai platform prediksi dan klasifikasi retail. Jurnal Teknologi Komputasi dan Sistem Cerdas, 6(1), 55–67.