Abstract:
Salah satu komponen kunci dalam mendukung operasional perusahaan adalah
manajemen persediaan, terutama dalam menentukan ketersediaan dan pergerakan
produk. PT Rodes Chemindo masih mengidentifikasi barang-barang yang cepat
laku dan lambat laku secara manual menggunakan Microsoft Excel. Prosedur ini
tidak memanfaatkan sepenuhnya data transaksi perusahaan yang sangat besar,
relatif memakan waktu, dan rentan terhadap kesalahan manusia. Metode Extreme
Gradient Boosting (XGBoost) akan digunakan dalam penelitian ini untuk
menganalisis dan mengkategorikan barang berdasarkan pergerakannya ke dalam
kategori “Barang yang Cepat Terjual” dan “Barang yang Lambat Terjual”. Selain
itu, sistem berbasis web akan dikembangkan untuk mengotomatiskan proses
klasifikasi ini. Kumpulan data ini terdiri dari 17.973 transaksi penjualan PT Rodes
Chemindo yang tercatat antara Januari dan Desember 2025. Sebanyak 413 item
berbeda diidentifikasi sebagai objek klasifikasi dengan menggunakan jumlah
penjualan total (total_qty) dan frekuensi transaksi sebagai fitur utama setelah
prapemrosesan data, agregasi, dan rekayasa fitur. Rasio Perputaran (Turnover
Ratio/TOR) digunakan untuk menentukan kategori Barang yang Cepat Terjual dan
Barang yang Lambat Terjual. Selanjutnya, dataset tersebut dibagi menjadi 330 set
pelatihan dan 83 set uji dengan rasio 80:20 dan random_state = 42. Teknik
XGBoost, dengan laju pembelajaran sebesar 0,1, kedalaman pohon maksimum 5,
dan 100 estimator, digunakan untuk membangun model klasifikasi. Confusion
Matrix, Accuracy, Precision, Recall, dan F1-Score digunakan untuk mengevaluasi
kinerja model. Model XGBoost mencapai nilai Accuracy, Precision, Recall, dan
F1-Score sebesar 1,00 atau 100%, berdasarkan hasil evaluasi terhadap 83 titik data
uji. Hal ini berartiseluruh data uji diklasifikasikan dengan benarsesuai dengan label
yang telah ditentukan sebelumnya dalam dataset penelitian. Model tersebut
kemudian diintegrasikan ke dalam sistem berbasis web yang mendukung
pengunggahan data, pemrosesan, klasifikasi, serta penyajian hasil melalui tabel dan
visualisasi menggunakan Flask dan MySQL. Untuk meningkatkan pengambilan
keputusan dalam manajemen persediaan PT Rodes Chemindo, algoritma XGBoost
dapat diimplementasikan dalam sistem berbasis web guna mengotomatiskan
klasifikasi produk dan menghasilkan data yang lebih terorganisir.
