IMPLEMENTASI TEORI ENTROPI UNTUK OPTIMALISASI SELEKSI FITUR PADA ALGORITMA K-MEANS DAN NAIVE BAYES DALAM PREDIKSI STOK PENJUALAN

Wulandari, Fadhilah Dwi (2025) IMPLEMENTASI TEORI ENTROPI UNTUK OPTIMALISASI SELEKSI FITUR PADA ALGORITMA K-MEANS DAN NAIVE BAYES DALAM PREDIKSI STOK PENJUALAN. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (Cover) Halaman Depan (Cover).pdf - Published Version Download (1MB)
Preview	Text (Abstrak) ABSTRAK.pdf - Published Version Download (246kB) | Preview
	Text (BAB I) BAB I Pendahuluan.pdf - Published Version Restricted to Repository staff only Download (321kB) | Request a copy
	Text (BAB II) BAB II Tinjauan Pustaka.pdf - Published Version Restricted to Repository staff only Download (384kB) | Request a copy
	Text (BAB III) BAB III Metodologi Penelitian.pdf - Published Version Restricted to Repository staff only Download (667kB) | Request a copy
	Text (BAB IV) BAB IV Hasil dan Pembahasan.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V) BAB V Simpulan dan Saran.pdf - Published Version Restricted to Repository staff only Download (232kB) | Request a copy
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Repository staff only Download (214kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (11MB) | Request a copy

Abstract

Di era Revolusi Industri 4.0, digitalisasi berperan penting dalam meningkatkan efisiensi manajemen bisnis, khususnya bagi usaha mikro, kecil, dan menengah (UMKM). Salah satu tantangan utama pada industri ritel adalah pengelolaan stok manual yang berisiko menimbulkan overstock dan stockout. Penelitian ini bertujuan mengembangkan sistem prediksi stok berbasis web dengan optimalisasi seleksi fitur menggunakan teori entropi (Shannon Entropy dan Information Gain). Seleksi fitur menghasilkan atribut paling relevan, yaitu Kode Barang, Nama Barang, dan Total Belanja, sedangkan atribut seperti Ukuran, Harga, dan Stok dieliminasi karena kontribusinya rendah. Algoritma K-Means mengelompokkan produk ke tiga cluster (0, 1, dan 2) dengan distribusi 58, 282, dan 193 data, pada jumlah cluster optimal K = 3 berdasarkan kombinasi Elbow Method dan Silhouette Score yang cukup baik (tertinggi 0.6275). Naive Bayes untuk klasifikasi menunjukkan peningkatan akurasi dari 95.63% menjadi 97.50% setelah seleksi fitur terhadap Jumlah Terjual. Sistem web yang dikembangkan berhasil mengintegrasikan seleksi fitur, clustering, dan klasifikasi secara real-time. Hasil pengujian menunjukkan sistem berjalan stabil (error rate ≤ 0.57%, response time < 3 detik) dan memberikan rekomendasi stok yang akurat. Temuan ini menunjukkan sistem mampu mendukung pengambilan keputusan pengelolaan inventaris berbasis data secara adaptif bagi UMKM. Kata Kunci: Manajemen Stok, Entropi, Information Gain, Seleksi Fitur, K-Means, Naive Bayes, Sistem Berbasis Web.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Manajemen Stok, Entropi, Information Gain, Seleksi Fitur, K-Means, Naive Bayes, Sistem Berbasis Web
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	13 Aug 2025 15:49
Last Modified:	13 Aug 2025 15:49
URI:	http://eprints.polsri.ac.id/id/eprint/18407

Actions (login required)

View Item