Perancangan Sistem Penentuan Restock Barang Menggunakan Algoritma Naive Bayes (Studi Kasus: Dzakira Store)

Dimas Sugiana; Muhamad Arief Yulianto

doi:10.69693/ijmst.v5i1.14576

Authors

Dimas Sugiana Universitas Pamulang
Muhamad Arief Yulianto Universitas Pamulang

DOI:

https://doi.org/10.69693/ijmst.v5i1.14576

Keywords:

Restock, Naive Bayes, Inventory, Dzakira Store

Abstract

Dzakira Store merupakan usaha yang bergerak di bidang penjualan produk fashion yang memiliki berbagai jenis barang dengan tingkat permintaan yang berbeda-beda. Dalam kegiatan sehari-hari, pengelolaan persediaan barang menjadi hal yang cukup penting agar ketersediaan barang tetap terjaga. Namun, dalam praktiknya, penentuan restock barang di Dzakira Store masih dilakukan secara manual berdasarkan pengalaman dan perkiraan, sehingga sering terjadi ketidaksesuaian jumlah stok seperti overstock maupun stockout. Kondisi ini tentunya dapat berdampak pada meningkatnya biaya penyimpanan serta hilangnya peluang penjualan ketika permintaan sedang tinggi. Untuk mengatasi permasalahan tersebut, pada penelitian ini digunakan algoritma Naive Bayes dalam merancang sistem penentuan restock barang berbasis web. Algoritma ini digunakan untuk mengklasifikasikan kebutuhan restock barang ke dalam kategori “Perlu Restock” dan “Tidak Perlu Restock” berdasarkan data historis seperti penjualan, jumlah stok, dan lama penyimpanan stok. Sistem yang dibangun diharapkan dapat membantu dalam proses pengambilan keputusan agar menjadi lebih cepat dan tidak hanya bergantung pada perkiraan saja. Hasil dari penelitian ini menunjukkan bahwa sistem yang dibuat dapat memberikan rekomendasi kebutuhan restock barang berdasarkan perhitungan algoritma Naive Bayes. Dengan adanya sistem ini, diharapkan Dzakira Store dapat lebih mudah dalam mengelola persediaan barang serta mengurangi risiko terjadinya overstock dan stockout.

References

1. Agustin, E., Setiawan, M. F., & Wijaya, A. (2026). Pengembangan Model Prediksi Penjualan dan Persediaan dengan Klasifikasi Produk untuk Efisiensi Manajemen Stok Toko Berkat Plastik. Journal of Technology and System Information, 3(1), 1–16. https://journal.pubmedia.id/index.php/jtsi/article/view/5191/4274

2. Akbar dan Qitbiyah. (2025). Penerapan Metode Naïve Bayes untuk Klasifikasi Produk. Jurnal Indonesia: Manajemen Informatika Dan Komunikasi, 6(3), 1921–1930. https://doi.org/10.63447

3. Alfian, Z. (2022). PREDIKSI PEMBELIAN STOK BARANG MENGGUNAKAN ALGORITMA NAIVE BAYES (STUDI KASUS: CV. KURNIA JAYA). Scientia Sacra: Jurnal Sains, Teknologi Dan Masyarakat, 2(3), 451–454.

4. Anand, M. V., Kiranbala, B., Srividhya, S. R., Kavitha, C., & Younus, M. (2022). Gaussian Na ¨ ıve Bayes Algorithm : A Reliable Technique Involved in the Assortment of the Segregation in Cancer. Hindawi Mobile Information Systems, 2022. https://doi.org/10.1155/2022/2436946

5. Ardiansyah, A., Pratmanto, D., & Aji, S. (2022). Sistem Informasi Jasa Servis Printer Dengan Metode Waterfall. Indonesian Journal on Software Engineering (IJSE), 8(1), 18–25.

6. Arifin, S., & Helilintaar, R. (2022). Sistem Pendukung Keputusan Penentuan Restock Barang Dengan Metode Naive Bayes. Seminar Nasional Inovasi Teknologi, 259–264. https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/2593/1621

7. Arisandi et al. (2022). Aplikasi naïve bayes classifier (nbc) pada klasifikasi status gizi balita stunting dengan pengujian k-fold cross validation 1,2,3. JURNAL GAUSSIAN, 11, 130–139.

8. Aruan et al. (2025). Sistem Persediaan Baju di Farida Olshop Dengan Metode EOQ. DINAMIK, 30, 172–179. https://www.unisbank.ac.id/ojs/index.php/fti1/article/view/10117/4270

9. Asri, G. P., & Doni, F. R. (2024). Klasifikasi Produk Persediaan pada PT HMS Kompresindo Sukses Menggunakan Algoritma Naive Bayes. URNAL INFORMATIKA & MULTIMEDIA, 16(2), 1–9.

10. Azhar, I. S. B., Sari, W. K., Komputer, F. I., Sriwijaya, U., & Neighbors, K. (2022). PENERAPAN DATA MINING DAN TEKNOLOGI MACHINE. JSI : Jurnal Sistem Informasi (E-Journal), 14(1), 2560–2568.

11. Erni et al. (2025). Klasifikasi Stok Barang Menggunakan Naive Bayes Untuk. JURITEK: Jurnal Ilmiah Teknik Mesin, Elektro Dan Komputer. https://doi.org/10.51903

12. Fakiki et al. (2025). Classification of Subsidized Organic Fertilizer Stock Rations using Based of Website Naive Bayes Method ( Farmers ’ Groups in Sumberagung Village ). Journal of Artificial Intelligence and Engineering Applications, 5(1).

13. Herlambang, P. Z., Rahaningsih, N., Ali, I., Akuntansi, K., Studi, P., Perangkat, R., Jawa, C., Indonesia, B., Persediaan, M., Bayes, N., Baja, T., & Baja, T. (2025). KLASIFIKASI NAIVE BAYES DI TOKO BAJA MANDIRI. JATI (Jurnal Mahasiswa Teknik Informatika), 9(4), 5651–5657.

14. Julianto, A., & Andayani, S. (2024). Penerapan Data Mining Untuk Klasifikasi Produk Terlaris Menggunakan Algoritma Naive Bayes Pada Bengkel Motor. Jurnal Sistem & Teknologi Informasi Komunikasi, 7.

15. Kementerian Koordinator Bidang Perekonomian Republik Indonesia. (2023). Dorong UMKM Naik Kelas dan Go Export , Pemerintah Siapkan Ekosistem Pembiayaan yang Terintegrasi. https://ekon.go.id/publikasi/detail/5318/dorong-umkm-naik-?utm_source=chatgpt.com

16. Kementerian Usaha Mikro Kecil dan menengah. (2025). PERKEMBANGAN DATA UMKM NON PERTANIAN TAHUN 2024 – 2025 (SIDT-UMKM). 2025(1), 2024–2025. https://175utx.umkm.go.id/uploads/PERKEMBANGAN_DATA_UMKM_NON_PERTANIAN_TAHUN_2024_2025_SIDT_UMKM_1177b5d58d.pdf?utm_source=chatgpt.com

17. Nugroho et al. (2023). Analisis Algoritma Gaussian Naïve Bayes Terhadap Klasifikasi Data Pasien Demam Tifoid ( Typhoid Fever ) Di Puskesmas Balung Jember. Jurnal Aplikasi Sistem Informasi Dan Elektronika, 5(1), 12–18.

18. Nugroho, R. A., Santoso, D., Azmi, M. R. N., & Djutalov, R. (2023). Analisis Data Jumlah Stok Barang Bengkel Bima Garage Menggunakan Metode Klasifikasi Naive Bayes. Jurnal Ilmu Komputer Dan Pendidikan, 1(3), 510–515.

19. Nurfaida, A., Yulianty, R., Syabana, A., & Abimanyu, T. (2022). Web-Based Inventory Application and Prediction Using Naive Bayes Algorithm ( Case Study : Puskesmas Kecamatan Sawah Besar ). Journal of Information Systems and Informatics, 4(4), 864–878.

20. Oktafiani, R., Hermawan, A., & Avianto, D. (2023). Pengaruh Komposisi Split Data Terhadap Performa Klasifikasi Penyakit Kanker Payudara Menggunakan Algoritma Machine Learning. Jurnali Sainsi Dan IInformatika, 9(April), 19–28. https://doi.org/10.34128/jsi.v9i1.622

21. Pratama, R., Huda, B., Novalia, E., & Kabir, H. (2022). Perbandingan Algoritma C4 . 5 dan Naïve Bayes dalam Menentukan Persediaan Stok. METIK JURNAL, 6, 115–122. https://doi.org/10.47002/metik.v6i2.379

22. purnama dan putra. (2024). Klasifikasi Penjualan Produk Menggunakan Algoritma Naive Bayes pada Konter HP Bayu Cell. Riset Dan E-Jurnal Manajemen Informatika Kompute, 8, 286–292.

23. Santoso, R. L. Z., Helilintar, R., & Kasih, P. (2024). Penerapan Metode Naïve Bayes dalam Sistem Restock Barang pada Toko Ffactory2nd. Jurnal Nusantara Of Engineering, 7(1).

24. Setiawan, R., Priyatna, B., Novalia, E., & Huda, B. (2025). Klasifikasi Tingkat Penjualan Produk pada Toko Jati Karebet Menggunakan Algoritma Naïve Bayes. JURNAL FASILKOM, 15(2), 297–303.

25. Trisnawati, N. L. D. E., & Suryaningsih, K. (2025). Sistem Pengelolaan Persediaan Barang Dagang Pada UMKM. Jurnal Akuntansi, Ekonomi Dan Manajemen Bisnis. https://researchhub.id/index.php/jaem/article/view/7651/4674

26. Wardani, N. W., Gede, P., Cipta, S., & Mahendra, G. S. (2023). Implementasi Naïve Bayes Pada Data Mining Untuk Mengklasifikasikan Penjualan Barang Terlaris Pada Perusahaan Ritel. Jurnal Sains Dan Teknologi, 12(3), 656–668.