KOMPARASI METODE KLASIFIKASI UNTUK PREDIKSI KEBUTUHAN RESTOCK BARANG AIR MINUM DALAM KEMASAN (AMDK)

Air merupakan kebutuhan utama dalam kehidupan sehari-hari untuk kebutuhan
minum. Semakin banyak orang yang mengelola bisnis air minum dalam kemasan dan
semakin banyak pula perusahaan yang memproduksi bisnis tersebut. Kebutuhan
restock barang sangat penting bagi pengusaha, agar dapat memastikan kelancaran
produksi dan menjaga pasokan produk yang stabil. Pada penelitian ini bertujuan
untuk untuk menganalisis komparasi algoritma K-NN, SVM, dan Naïve Bayes
dengan menggunakan aplikasi RapidMiner untuk mengetahui algoritma yang
memiliki hasil nilai akurasi lebih tinggi yang akan diterapkan ke dalam sebuah
sistem pembelajaran (machine learning) untuk memprediksi kebutuhan restock
barang air minum dalam kemasan (AMDK).
Metode klasifikasi yang digunakan yaitu algoritma K-NN, SVM, dan Naïve
Bayes menghasilkan nilai akurasi K-NN sebesar 88.20%, SVM sebesar 84.51%, dan
Naïve Bayes sebesar 66.20%. Hasil nilai AUC dari tiga algoritma hasilnya termasuk
Good Classification. Hasil T-Test dari algoritma K-NN dan SVM merupakan kinerja
terbaik dengan nilai alpha sebesar 0.102. Dari hasil nilai akurasi tersebut, maka
metode klasifikasi algoritma K-NN memiliki hasil model prediksi terbaik untuk
kebutuhan restock barang air minum dalam kemasan.
Kesimpulan dari data mining menggunakan metode klasifikasi untuk analisis
dan membuat model prediksi menggunakan algoritma K-NN, SVM, dan Naïve
Bayes yang dapat memberikan pengetahuan tentang sistem pembelajaran (machine
learning) dalam memprediksi kebutuhan restock barang berdasarkan komparasi nilai
yang akan menentukan bahwa barang perlu restock dan tidak perlu restock.