Implementasi Gaussian Naive Bayes untuk Klasifikasi Permintaan dan Simple Additive Weighting untuk Pemilihan Supplier Pengadaan Barang
Keywords:
Gaussian Naive Bayes, Simple Additive Weighting, Klasifikasi Permintaan, Pemilihan Supplier, Pengadaan BarangAbstract
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.
References
[1] B. R. Aditama et al., "Sistem Penunjang Keputusan Pemilihan Pemasok Gula Merah Menggunakan Simple Additive Weighting dan Weighted Product," vol. 8, pp. 779-792, 2024.
[2] P. S. Informatika et al., "Sistem Informasi Prediksi Penjualan E-Commerce Menggunakan Analisis Data Historis dan Algoritma," vol. 1, no. 2021, pp. 893-900, 2023.
[3] F. D. Wulandari et al., "Evaluating Entropy-Based Feature Selection for Sales Demand Forecasting Using K-Means Clustering and Naive Bayes Classification," vol. 8, no. 2, pp. 387-396, 2025.
[4] I. M. Sumual, J. Supriadi, E. Effendy, and A. Wijaya, "KLASIFIKASI KATEGORI PRODUK TERLARIS PADA E-COMMERCE," vol. 5, no. 2, pp. 51-60.
[5] R. Blanquero, E. Carrizosa, and P. Ramírez-cobo, "Computers and Operations Research Variable selection for Naïve Bayes classification," Comput. Oper. Res., vol. 135, p. 105456, 2021, doi: 10.1016/j.cor.2021.105456.
[6] P. D. Mardika and A. Fauzi, "SUPPLIER TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHT ( SAW )," vol. 12, no. 1, pp. 677-682, 2024.
[7] Y. Muhyidin, T. I. Hermanto, Y. R. Ramadhan, D. Irmayanti, and M. A. Permana, "Implementation of the Simple Additive Weighting ( SAW ) Method for Supplier Selection," vol. 5, no. 1, 2024.
[8] R. Kumar, "Data-Driven Decision Making in Supply Chain Management," Innov. Res. Thought, no. December, pp. 265-281, 2023, [Online]. Available: https://irt.shodhsagar.com/index.php/j/article/view/1487
[9] X. Zhang, F. Guo, T. Chen, L. Pan, G. Beliakov, and J. Wu, "A Brief Survey of Machine Learning and Deep Learning Techniques for E-Commerce Research," pp. 2188-2216, 2023.
[10] T. Emmanuel, T. Maupong, D. Mpoeleng, T. Semong, and B. Mphago, A survey on missing data in machine learning. Springer International Publishing, 2021. doi: 10.1186/s40537-021-00516-9.
[11] F. Pedregosa, R. Weiss, and M. Brucher, "Scikit-learn?: Machine Learning in Python," vol. 12, pp. 2825-2830, 2011.
[12] B. Practices, "Data Preprocessing and Feature Engineering for Data Mining?:," 2025.
[13] S. Developers, "Scikit Learn," scikit-learn User Guide. [Online]. Available: https://scikit-learn.org/stable/modules/naive_bayes.html
[14] M. V. Anand, B. Kiranbala, S. R. Srividhya, C. Kavitha, and M. Younus, "Gaussian Na ¨ ?ve Bayes Algorithm?: A Reliable Technique Involved in the Assortment of the Segregation in Cancer," vol. 2022, 2022, doi: 10.1155/2022/2436946.
[15] S. Sathyanarayanan and B. R. Tantri, "Confusion Matrix-Based Performance Evaluation Metrics," vol. 27, no. 4, 2024.
[16] G. Zeng, "Invariance Properties and Evaluation Metrics Derived from the Confusion Matrix in Multiclass Classification," no. 1997, 2025.
[17] D. Rusvinasari, A. Hantoro, R. J. Permana, and J. T. Yudhistira, "SUPPLIER TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING ( SAW ) BERBASIS WEBSITE," pp. 28-39, 2024.
