Pengembangan Sistem Informasi Prediksi Piutang Customer Obat Dan Vitamin Dengan Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbors Berbasis Web

Development of an Information System for Predicting Customer Receivables for Medicines and Vitamins Using Naïve Bayes and K-Nearest Neighbors Algorithms Based on the Web

                Arus keuangan yang lancar adalah kunci keberlangsungan dan ketahanan perusahaan. Salah satu masalah yang sering dihadapi adalah penundaan pembayaran faktur penjualan, yang dapat mempengaruhi stabilitas keuangan perusahaan, memperlambat perputaran kas, dan berdampak pada operasional. PT. United Dico Citas, sebuah perusahaan distributor farmasi, juga menghadapi masalah ini. Meskipun setiap customer yang terdaftar sudah melalui survei dari karyawan perusahaan, kondisi umur piutang yang berkepanjangan masih sering terlihat dalam laporan umur piutang.

                Untuk mengatasi masalah ini, sebuah sistem informasi berbasis web dikembangkan untuk memprediksi piutang dari customer yang berhubungan dengan pembelian obat dan vitamin. Sistem ini menggunakan algoritma Naïve Bayes dan K-Nearest Neighbors untuk memprediksi apakah faktur penjualan akan dibayar tepat waktu atau terlambat.

                Hasilnya menunjukkan bahwa algoritma Naïve Bayes dan K-Nearest Neighbors mampu memprediksi faktur dengan akurasi mencapai 97,02%. Dengan demikian, sistem ini memberikan wawasan yang berharga bagi perusahaan dalam menangani prediksi pembayaran faktur, membantu meningkatkan stabilitas keuangan, dan mempercepat perputaran kas.

                Smooth cash flow is crucial for the sustainability and resilience of a company. One common issue faced is the delay in sales invoice payments, which can affect the company's financial stability, slow down cash turnover, and impact operations. PT. United Dico Citas, a pharmaceutical distribution company, also encounters this problem. Although every registered customer undergoes a survey by the company's employees, prolonged accounts receivable conditions are still frequently observed in the aging reports.

                To address this issue, a web-based information system was developed to predict accounts receivable from customers related to the purchase of medicines and vitamins. This system uses Naïve Bayes and K-Nearest Neighbors algorithms to predict whether sales invoices will be paid on time or delayed.

                The results show that the Naïve Bayes and K-Nearest Neighbors algorithms can predict invoices with an accuracy of up to 97.02%. Thus, this system provides valuable insights for the company in handling invoice payment predictions, helping to enhance financial stability and accelerate cash turnover.