PENERAPAN DALAM PEMBANGUNAN SISTEM PREDIKSI PERMINTAAN BARANG DENGAN OPTIMASI MANAJEMEN STOK MENGGUNAKAN ALGORITMA ENSEMBLE LEARNING

Abstract

Manajemen stok pada usaha mikro di pasar tradisional masih banyak dilakukan secara intuitif, sehingga berisiko menimbulkan kelebihan stok, kekurangan stok, dan ketidakefisienan penggunaan modal harian. Permasalahan ini semakin kompleks pada toko penjual bahan pelengkap masakan yang menjual produk perishable dan semi-tahan lama dengan pola permintaan yang fluktuatif. Penelitian ini bertujuan membangun sistem prediksi permintaan barang dan optimasi manajemen stok berbasis arus kas pada satu toko pasar tradisional di Tanjung Morawa. Metode yang digunakan adalah Ensemble Learning dengan mengombinasikan Support Vector Regression (SVR) dan Seasonal Autoregressive Integrated Moving Average (SARIMA) melalui mekanisme weighted averaging. Data yang digunakan berupa data penjualan harian per produk selama sekitar 6–12 bulan, serta variabel pendukung seperti hari kerja/libur, hari besar keagamaan, kondisi cuaca, harga beli, dan harga jual. Tahapan penelitian meliputi pengumpulan data, preprocessing, rekayasa fitur, pelatihan model SVR dan SARIMA, penggabungan prediksi ensemble, serta transformasi hasil prediksi ke dalam variabel keuangan berupa kebutuhan modal beli, potensi pendapatan, dan risiko rugi susut. Selanjutnya, hasil prediksi digunakan sebagai input pada optimasi alokasi modal harian menggunakan Linear Programming. Evaluasi model dilakukan menggunakan metrik MAE, RMSE, MAPE, dan R². Penelitian ini diharapkan menghasilkan sistem yang mampu meningkatkan akurasi prediksi permintaan, membantu pedagang mengalokasikan modal secara lebih efisien, mengurangi potensi kerugian akibat stok tidak terjual, serta mendukung pengambilan keputusan yang lebih tepat pada usaha mikro di pasar tradisional.