Implementasi Metode k-Nearest Neighbor (k-NN) untuk Memprediksi Penjualan Buah di Indonesia berbasis Website

Siti Mujilahwati; Lilis Devita Windasari

doi:10.29407/stains.v3i1.4077

Authors

Siti Mujilahwati Universitas Islam Lamongan
Lilis Devita Windasari Universitas Islam Lamongan

DOI:

https://doi.org/10.29407/stains.v3i1.4077

Keywords:

Data mining, Prediksi penjualan buah, K-Nearest Neighbors (KNN)

Abstract

Badan Pusat Statistik (BPS) merekam data penjualan buah di Indonesia setiap tahun sebagai laporan dan sumber informasi bagi masyarakat. Sayangnya, meskipun data ini disediakan, masih banyak pelaku bisnis yang tidak memanfaatkannya secara optimal. Data penjualan buah memiliki nilai sebagai indikator untuk mengarahkan produksi suatu produk; semakin tinggi penjualan, semakin penting persiapan stok yang matang. Untuk mengatasi tantangan ini, perlu adanya sistem yang mampu melakukan prediksi penjualan buah untuk membantu mengelola stok dan produksi dengan efektif. Dalam studi ini, telah diimplementasikan metode K-Nearest Neighbors (KNN) sebagai alat untuk memprediksi penjualan buah. Metode ini terbukti mampu memberikan hasil yang memuaskan, dengan tingkat akurasi mencapai 70.93%. Prediksi yang dihasilkan menunjukkan peningkatan penjualan pada tahun 2023. Implementasi metode ini memberikan kontribusi positif dalam membantu pelaku bisnis untuk mengambil keputusan yang lebih tepat dalam manajemen stok dan produksi buah, sehingga dapat mengoptimalkan kinerja bisnis mereka.

Downloads

Download data is not yet available.

References

L. Suryadi, N. E. Pratiwi, F. Ardhy, and ..., “PENERAPAN DATA MINING PREDIKSI PENJUALAN MEBEL TERLARIS MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN)(STUDI KASUS: TOKO ZERITA …,” JUSIM (Jurnal Sistem …, 2022.

S. Mujilahwati, N. Qomariyah Nawafilah, and M. Aliyudin, “ANALISIS HASIL PREDIKSI DENGAN METODE PROMETHEE,” Jurnal Mnemonic, vol. 2, no. 1, 2019, doi: 10.36040/mnemonic.v2i1.49.

P. Studi, T. Informatika, and U. A. Yogyakarta, “Optimasi Parameter Artificial Neural Network Menggunakan Algoritma Genetika Untuk Prediksi Kelulusan Mahasiswa,” vol. 18, no. 1, pp. 54–59, 2019.

M. Yunus and N. K. A. Pratiwi, “Prediksi Status Gizi Balita Dengan Algoritma K-Nearest Neighbor (KNN) di Puskemas Cakranegara,” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 4, no. 4, 2023, doi: 10.35746/jtim.v4i4.328.

N. Arifin, R. Heri Irawan, I. Nur Farida, K. Kunci -Penumpukan Stok Bahan Baku, P. Stok Bahan Baku, and A. K-Means, “Algoritma K-Means Untuk Memprediksi Stok Bahan Baku Produksi,” Universitas Nusantara PGRI Kediri. Kediri, vol. 1, 2022.

M. Kafil, “Penerapan Metode K-Nearest Neighbors,” Jurnal Mahasiswa Teknik Informatika (JATI), vol. 3, no. 2, 2019.

R. D. Probo, B. Irawan, and R. Rumani M, “Analisis dan Implementasi Perbandingan Algoritma KNN (K-Nearest Neighbor) Dengan SVM (Support Vector Machine) untuk Prediksi Penawaran Produk,” eProceedings of Engineering, vol. 3, no. 3, 2016.

J. Maulani and M. Sari, “Komparasi Metode K-Nearest Neighbor (Knn) Dengan Support Vector Machine (Svm) Terhadap Tingkat Akurasi Klasifikasi Kualitas Air,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 12, no. 2, 2023, doi: 10.30591/smartcomp.v12i2.4205.

M. Ruswandi, D. I. Mulyana, and A. Awaludin, “Optimasi Klasifikasi Kematangan Buah Alpukat Menggunakan KNN dan Fitur Statistik,” Smart Comp :Jurnalnya Orang Pintar Komputer, vol. 11, no. 2, 2022.

J. Han and M. Kamber, Data Mining Concepts And Techniq