"SISTEM PREDIKSI PENJUALAN MATERIAL KONSTRUKSI MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) PADA TB. SAMIJAYA"

TB. Samijaya adalah perusahaan penyedia bahan konstruksi yang menawarkan komponen utama seperti pasir, paku, semen, besi, baja berat, dan produk elektronik untuk proyek konstruksi infrastruktur. Di era perkembangan teknologi yang pesat, perusahaan menghadapi tantangan untuk membuat prediksi penjualan yang akurat. Penelitian ini bertujuan untuk mengembangkan sistem prediksi penjualan menggunakan Support Vector Machine (SVM) untuk membantu TB. Sami Jaya mengoptimalkan pasokan bahan konstruksi berdasarkan data transaksi yang ada, yang dikumpulkan dari November hingga Desember 2023.
Dengan menggunakan metode Support Vector Machine (SVM), penelitian ini berfokus pada pengembangan sistem yang dapat mengidentifikasi tren dan pola yang relevan dalam data penjualan. Metode Rational Unified Process (RUP) digunakan untuk pengembangan sistem informasi ini, yang melibatkan berbagai
tahapan seperti inisiasi, elaborasi, konstruksi, dan transisi. Evaluasi performa model dilakukan dengan membandingkan hasil prediksi dengan data aktual, menggunakan metrik seperti Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE).
Data transaksi yang digunakan dalam penelitian ini dikumpulkan selama periode bulan November-Desember 2023, dengan pembagian 80% untuk data training dan 20% untuk data testing. Hasil pengujian model menunjukkan bahwa metode Support Vector Machine (SVM) memiliki tingkat akurasi yang sangat baik, yaitu mencapai nilai 95,59%, yang mengindikasi efektifitas metode ini dalam memprediksi penjualan material konstruksi pada TB. Samijaya.
Hasil penelitian menunjukkan bahwa penggunaan SVM untuk memprediksi penjualan bahan konstruksi terbukti efektif dalam membantu TB. Samijaya mengoptimalkan manajemen inventaris. Dengan menghasilkan proyeksi yang lebih andal, sistem ini mampu mengurangi risiko kelebihan atau kekurangan persediaan, yang dapat meningkatkan biaya operasional dan menurunkan kepuasan pelanggan. Ini menunjukkan bahwa penerapan teknologi prediktif seperti SVM dapat memberikan dampak positif yang signifikan terhadap efisiensi operasional perusahaan.

Link Ojs : https://ejournal.isha.or.id/index.php/Mandiri/index