KLASIFIKASI FAST-MOVING DAN SLOW-MOVING TERHADAP DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA XGBOOST PADA PT RODES CHEMINDO

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.