Prediksi Stok Barang Menggunakan Regresi Linier Dengan Pendekatan Explainable Artificial Intelligence (Xai)
DOI:
https://doi.org/10.35145/jmapteksi.v8i1.5583Kata Kunci:
Prediksi Stok Barang, Regresi Linier Berganda, Explainable Artificial IntelligenceAbstrak
Stok barang merupakan hal yang penting dalam mendukung kelancaran operasional sebuah perusahaan. Kesalahan dalam menentukan jumlah stok dapat menyebabkan kerugian, baik karena kekurangan stok saat dibutuhkan maupun pemborosan akibat kelebihan stok. Penelitian ini bertujuan untuk merancang sistem prediksi stok barang dengan menggunakan metode Regresi Linier Berganda yang dipadukan dengan pendekatan Explainable Artificial Intelligence (XAI) menggunakan teknik SHAP (Shapley Additive Explanations). Sistem ini diimplementasikan dalam bentuk aplikasi berbasis Python yang memudahkan bagian pembelian dalam mencatat, memantau, dan memprediksi kebutuhan stok barang berdasarkan data historis. Selain memberikan hasil prediksi, pendekatan XAI membantu pengguna memahami kontribusi masing-masing variabel input terhadap hasil prediksi, sehingga meningkatkan transparansi dan kepercayaan pengguna terhadap sistem. Studi kasus dilakukan di perusahaan pelayaran PT. Mitra Tujuh Samudra, dengan fokus pada prediksi kebutuhan barang kapal. Hasil pengujian menunjukkan bahwa metode yang digunakan mampu memberikan prediksi dengan keakuratan yang baik dengan tingkat kesalahan rata-rata (MAPE) sebesar 15% untuk oli dan 16% untuk filter kapal. Dengan adanya sistem ini, diharapkan perusahaan dapat mengelola stok secara lebih efisien dan responsif terhadap kebutuhan operasional.
Unduhan
Referensi
[1] P. Sari, A. F. Oklilas, and I. S. B. A., “Implementasi Metode Min-Max Stock Pada Sistem Informasi Persediaan Berbasis Android,” J. Nas. Teknol. dan Sist. Inf., vol. 8, no. 1, pp. 17–24, 2022, doi: 10.25077/teknosi.v8i1.2022.17-24.
[2] A. Oktaviyana, M. M. B. Aritonang, and E. S. B. Sembiring, “Analisis dan Pengembangan Sistem Informasi Manajemen Sragen,” J. Sainstech Politek. Indonusa Surakarta, vol. 1, no. 1, pp. 1–8, 2019.
[3] H. Subakti, “Media Edukasi Tentang Pentingnya Artificial Intelligence Bagi Dunia Pendidikan di Daerah Ibu Kota Nusantara (IKN),” J. Pengabdi. Masy. Akad., vol. 2, no. 1, pp. 56–60, 2024, doi: 10.59024/jpma.v2i1.603.
[4] S. Ali, T. Abuhmed, S. El-sappagh, and K. Muhammad, “Explainable Artificial Intelligence ( XAI ): What we know and what is left to attain Trustworthy Artificial Intelligence,” Inf. Fusion, vol. 99, no. 1, pp. 1–52, 2023, doi: 10.1016/j.inffus.2023.101805.
[5] T. Handayani, A. H. Furqon, and S. Supriyono, “Rancang Bangun Sistem Inventori Pengendalian Stok Barang Berbasis Java Pada PT Kalibesar Artah Perkasa,” J. Sist. Inf. dan Teknol., vol. 3, no. 1, pp. 35–40, 2020, doi: 10.24176/sitech.v3i1.4884.
[6] A. Bagus Setiawan, W. Rachmawati, A. Taufiq Arrahman, N. Natasyah, and F. N. S. Fadil, “Aplikasi Monitoring Stok Barang Berbasis Web Pada PT. Intermetal Indo Mekanika,” ADI Bisnis Digit. Interdisiplin J., vol. 2, no. 2, pp. 93–99, 2021, doi: 10.34306/abdi.v2i2.254.
[7] Linda, S. Arief, and Sudirman, “Sistem Informasi Pengelolaan Stok Perhiasan Emas Dengan Metode Lifo Pada Toko Emas Senang,” Jtriste, vol. 5, no. 1, pp. 24–34, 2018, [Online]. Available: https://jurnal.kharisma.ac.id/jtriste/article/view/45
[8] R. S. Nugraha, A. D. Rachmanto, and Z. Munawar, “Analisis Keakuratan Nilai Bitcoin Menggunakan Algoritma Regresi Linier Pada Data Mining,” J. Teknol. Inf. dan Komun., vol. 12, no. 2, pp. 81–102, 2022, doi: 10.56244/fiki.v12i2.668.
[9] N. Putri Alfianti and Risnawati, “Literature Review : Pengaruh Teknik Marmet Terhadap Pengeluaran Asi Pada Ibu Postpartum,” Nusant. J. Multidiscip. Sci., vol. 1, no. 3, pp. 494–503, 2023.
