Implementasi Metode k-Nearest Neighbor (k-NN) untuk Memprediksi Penjualan Buah di Indonesia berbasis Website
DOI:
https://doi.org/10.29407/stains.v3i1.4077Keywords:
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
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
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Siti Mujilahwati, Lilis Devita Windasari
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
