Penelitian ini bertujuan merancang dan membangun Sistem Informasi Prediksi persediaan barang berbasis website yang mengintegrasikan basis data komputasional dengan algoritma Support Vector Regression (SVR) menggunakan Kernel Radial Basis Function (RBF). Pengembangan rekayasa perangkat lunak ini dieksekusi menggunakan metodologi Rapid Application Development (RAD) dengan menerapkan arsitektur Model-View-Controller (MVC) pada framework CodeIgniter 4 dan RDBMS MySQL. Himpunan data latih (training dataset) yang diproses merupakan data kontinu transaksi penjualan harian dalam rentang periode Februari hingga April 2026. Pengujian keandalan model diproses secara empiris menggunakan metrik Mean Absolute Percentage Error (MAPE) untuk memvalidasi selisih antara estimasi algoritma dengan realitas data aktual. Hasil evaluasi menunjukkan tingkat akurasi yang berhasil memetakan karakteristik komoditas toko. Pada komoditas perangkat keras penunjang dengan permintaan stabil, model SVR mencapai tingkat "Sangat Akurat" dengan nilai error terendah 8,79%. Pada komoditas reguler harian, tingkat proyeksi model tergolong "Akurat" dengan rentang deviasi sebesar 14,39% hingga 18,35%. Sebaliknya, komoditas umpan hidup organik mencatatkan galat tertinggi sebesar 43,3% (Cukup) akibat volatilitas permintaan yang ekstrem dan masa hidup komoditas yang sangat terbatas. Secara keseluruhan, integrasi SVR terbukti valid mengonversi data histori manual menjadi proyeksi kuantitatif yang objektif sebagai instrumen pendukung keputusan untuk meyeimbangkan pengadaan logistik.

S12613

INF 0135 2026

Bekasi

Tersedia