Penerapan Algoritma Naïve Bayes untuk Klasifikasi Spare Part Industri Kelapa Sawit
Keywords:
Klasifikasi, Naive Bayes, Spare partAbstract
Industri kelapa sawit yang menghasilkan produk Crude palm oil (CPO) dan Kernel palm oil membutuhkan proses maintenance. Dalam kegiatan maintenance, pemeliharaan dan perawatan dilakukan untuk mencegah timbulnya gangguan dan kerusakan yang tidak terprediksi yang dapat menghambat proses produksi. Ketersediaan spare part yang baik dapat menunjang kegiatan maintenance dan performa mesin-mesin produksi. Permintaan spare part berkaitan erat dengan ketersediaan komponen dan kondisi suatu mesin. Untuk itu diperlukan sebuah algoritma yang mampu mengklasifikasi setiap spare part dibutuhkan. Algoritma Naïve Bayes yang merupakan metode dari data mining yang mampu melakukan klasifikasi dan peramalan setiap probabilitas dengan tingkat akurasi yang tinggi. Data yang akan diklasifikasi diambil dari data transaksi setiap item dari gudang dengan enam parameter acuan, yaitu golongan, pembelian, indent, demand, tipe order, dan stok. Terdapat empat class yang menjadi acuan dalam peramalan, yaitu urgent, important, quick, dan normal. Dari perhitungan Confusion matrix terhadap hasil prediksi 50 data uji, didapat hasil untuk nilai Accuracy Naive Bayes sebesar 82%, Precision Naive Bayes sebesar 77% dan nilai Recall Naive Bayes sebesar 87%.
Downloads
References
[2] S. Agarwal, Data mining: Data mining concepts and techniques. 2014.
[3] Bustami, “Penerapan Algoritma Naive Bayes,†J. Inform., vol. 8, no. 1, pp. 884–898, 2014.
[4] D. Xhemali, C. J. Hinde, and R. G. Stone, “Naive Bayes vs. Decision Trees vs. Neural Networks in the Classification of Training Web Pages,†Int. J. Comput. Sci., vol. 4, no. 1, pp. 16–23, 2009.
[5] F. Handayani and S. Pribadi, “Implementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110,†J. Tek. Elektro, vol. 7, no. 1, pp. 19–24, 2015.
[6] D. Jollyta, G. Gusrianty, and D. Sukrianto, “Analysis of Slow Moving Goods Classification Technique: Random Forest and Naïve Bayes,†Khazanah Inform. J. Ilmu Komput. dan Inform., vol. 5, no. 2, pp. 134–139, 2019.
