Prediksi Stok Bahan Baku Minuman Pada Cafe Kiyo Menggunakan Machine Learning (Studi Kasus Pada : Cafe Kiyo)

Abstract

Cafe Kiyo merupakan sebuah usaha yang bergerak dibidang coffe shop (kedai kopi). Selama ini, dalam menentukan jumlah persedian stok bahan baku, Cafe Kiyo hanya menggunakan sistem perkiraan tanpa adanya perhitungan yang benar mengakibatkan tidak efisien pada tempat penyimpanan, biaya dan juga waktu. Oleh karena itu, Cafe Kiyo membutuhkan suatu model prediksi yang dapat digunakan untuk meningkatkan efisiensi pembelian stok bahan baku di Cafe Kiyo. Tujuan dari penelitian ini adalah untuk kelebihan stok barang pada gudang Cafe Kiyo dengan cara melakukan perbandingan kinerja dari dua algoritma klasifikasi K-NN dan Naive Bayes pada stok bahan baku Cafe Kiyo. Adapun data yang digunakan pada penelitian ini adalah data satu tahun terakhir yang dimiliki oleh Cafe Kiyo terkait pembelian stok bahan baku minuman yang digunakan untuk menyajikan menu minuman kepada customer. Metode yang digunakan dalam penelitian ini adalah data mining menggunakan algoritman  K-NN dan Naive Bayes. Berdasarkan hasil penelitian diketahui bahwa kinerja dari algoritma K-Nearest Neighbors (KNN Mendapatkan nilai Kurasi 55.36%,dan Algoritma Naïve Bayes Mendapatkan nilai akurasi 68.86%

Kata Kunci: Prediksi Stok Bahan, Algoritma K-NN, Algoritma Naïve-Bayes.