Penelitian ini membahas mengenai prediksi nilai vendor Material Distribusi Utama (MDU) bertujuan untuk memberikan informasi terkait kelayakan vendor. Kelayakan vendor pada PT. PLN (Persero) Kantor Pusat masih terdapat kesulitan dalam menentukan kelayakan perpanjangan kontrak vendor dan masih belum tepat sasaran. Pada Naive Bayes digunakan untuk klasifikasi kelayakan vendor dimana perusahaan dapat mengetahui mengenai keterangan layak dan tidak layak. Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dapat memprediksi peluang di masa yang akan datang berdasarkan pengalaman di masa sebelumnya. Pada penelitian ini, pengembangan sistem menggunakan metode CRISP-DM agar pengerjaan menjadi lebih terurut. Pengujian Data Mining dengan menggunakan algoritma Naive Bayes menghasilkan tingkat accuracy sebesar 86.66%, precision 100% dan recall 81,81%. Hasil tersebut membuktikan bahwa metode Naive Bayes dapat digunakan untuk membantu dalam memprediksi kelayakan vendor, karena menghasilkan tingkat akurasi yang sangat baik.

This research discusses prediction value of The Main Distribution Material vendor aimed to provide information concerning to vendor feasibility. Vendor feasibility at PT. PLN (Persero) Head Office still has difficulty in determining the feasibility of vendor contract extension and still not on target. In Naive Bayes is used for vendor feasibility classification where the company can know about the information worthy and unworthy. Naive Bayes is a classification with the probability and statistical methods that can predict future opportunities based on past experience. In this study, system development used CRISP-DM method to make the work more sorted. Data Mining testing using Naive Bayes algorithm resulted in accuracy rate of 86.66%, precision 100% and recall of 81.81%. These results prove that the Naive Bayes method can be used to assist in predicting vendor feasibility, as it results in an excellent level of accuracy.