Penerapan Algoritma Naïve Bayes untuk Klasifikasi Spare Part Industri Kelapa Sawit

Abstract

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%.