PENERAPAN NAÏVE BAYES DALAM KLASIFIKASI SPARE PART PRIORITAS
Dalam dunia bisnis, menentukan prioritas pengadaan spare part di tengah
keterbatasan sumber daya adalah suatu tantangan yang sering dihadapi. Spare part
menjadi komponen prioritas utama karena selalu diperlukan dalam berbagai
kegiatan produksi dan pemeliharaan Perusahaan. Oleh sebab itu dibutuhkan metode
klasifikasi yang dapat mengelompokkan spare part berdasarkan prioritasnya. Pada
penelitian sebelumnya, Naïve Bayes mampu mengelompokkan suatu objek
kedalam kelas dengan memperhatikan probabilitas yang mungkin untuk masingmasing kelasnya. Tugas Akhir ini akan menerapkan klasifikasi Naïve Bayes pada
10.600 data spare part dengan 3 variabel fitur berupa frekuensi bulan pemakaian
lebih dari 3 perbulannya, frekuensi bulan pemakaian dan jumlah penggunanya.
Klasifikasi Naïve Bayes mendapatkan hasil akurasi yang baik, dengan rata-rata
akurasi sebesar 95,90%. Untuk meningkatkan performa Naïve Bayes, akan
dilakukan tuning Hyperparameter pada proses Laplace Smoothing.
Hyperparameter akan ditentukan menggunakan Particle Swarm Optimization
(PSO). Penerapan tuning Hyperparameter mampu meningkatan rata-rata akurasi
klasifikasi menjadi 96,86%, yang menunjukkan bahwa model klasifikasi menjadi
lebih baik dalam mengidentifikasi pola data dan mampu membuat pilihan yang
tepat berdasarkan data yang diberikan dengan tingkat kesalahan yang kecil.
URI
https://repo.itera.ac.id/depan/submission/SB2407240028
Keyword
Spare part, Klasifikasi, Naïve Bayes, Tuning Hyper