OPTIMALISASI PREDIKSI PENJUALAN DAN PERSEDIAAN BARANG MENGGUNAKAN ALGORITMA NAÏVE BAYES

Penjualan dan manajemen persediaan merupakan faktor penting dalam keberlangsungan bisnis, terutama dalam industri tekstil. CV Azad Textile menghadapi tantangan dalam menentukan produk mana yang memiliki tingkat penjualan tinggi dan bagaimana mengoptimalkan jumlah stok agar tidak terjadi kelebihan atau kekurangan barang. Penelitian ini bertujuan untuk memprediksi penjualan dan persediaan barang menggunakan algoritma Naïve Bayes, dengan harapan dapat membantu perusahaan dalam pengambilan keputusan yang lebih akurat berdasarkan data historis penjualan. Metode yang digunakan dalam penelitian ini adalah pengolahan data penjualan kain menggunakan algoritma Naïve Bayes yang diimplementasikan melalui aplikasi RapidMiner. Dataset yang digunakan mencakup informasi penjualan selama periode 2024 dengan variabel utama berupa nama produk, kualitas kain, harga, dan segmen pasar. Hasil penelitian menunjukkan bahwa kategori kain dengan kualitas sangat bagus dan harga tinggi, seperti Katun Minyak Carini SS, Double Hicon SS, dan BSY Flat Fernando, memiliki probabilitas lebih tinggi untuk diminati pelanggan. Evaluasi model menggunakan confusion matrix menghasilkan tingkat akurasi sebesar 50,57%, dengan nilai sensitivitas (recall) 76,24%, spesifikasi 16,00%, Positive Predictive Value (PPV) 55,00%, dan Negative Predictive Value (NPV) 33,33%. Hasil ini menunjukkan bahwa algoritma Naïve Bayes masih memiliki potensi dalam memprediksi tingkat penjualan suatu produk, khususnya dalam mengidentifikasi produk yang kemungkinan besar akan diminati. Dengan demikian, model ini dapat dimanfaatkan oleh CV Azad Textile sebagai alat bantu dalam pengambilan keputusan terkait pengelolaan stok dan strategi pemasaran yang lebih tepat sasaran.

Kata kunci: Naïve Bayes, Prediksi Penjualan, Manajemen Persediaan, Data Historis, RapidMiner, Industri Tekstil