Model Keputusan Repeat Order pada Vendor Menggunakan Machine learning Classification

Abstract

Abstrak: PT XYZ menghadapi tantangan dalam pemilihan vendor yang dapat memengaruhi kinerja dan operasional perusahaan. Masalah ketidaksesuaian barang dan keterlambatan pengiriman merupakan isu utama dalam proses pengadaan barang. Penelitian ini mengidentifikasi kriteria pemilihan vendor menggunakan Vendor Performance Index (VPI) dan menguji normalitas data yang digunakan. Selain itu, Principal Component Analysis (PCA) diterapkan untuk mereduksi dimensi data dan mengidentifikasi komponen utama dari VPI. Model klasifikasi vendor dikembangkan menggunakan lima metode Machine learning yaitu Logistic Regression, Support Vector Machine (SVM), Gaussian Naive Bayes, Random Forest Classifier, dan K-nearest Neighbors. Berdasarkan pengumpulan data kuesioner menunjukkan distribusi normal melalui uji Shapiro-Wilk dan Kolmogorov-Smirnov karena p-value > alpha, yang berarti bahwa hipotesis nol diterima atau data terdistribusi normal. Kemudian dilakukan uji parametrik menghasilkan nilai t sebesar 3.991 dan p sebesar 0.000855, menandakan perbedaan signifikan antara kelompok "High Repeat Order" dan "Low Repeat Order". Kemudian pada analisis PCA mengungkapkan bahwa dua komponen utama menjelaskan lebih dari 90% varians data. Dari lima model Machine Learning yang diuji, Gaussian Naive Bayes menunjukkan performa terbaik dengan akurasi 0.83 dan AUC 0.78. Model ini membantu perusahaan membuat keputusan yang lebih tepat mengenai vendor Repeat Order, meningkatkan efisiensi dan mengurangi risiko bisnis.

Kata kunci: machine learning, principal component analysis, vendor performance index