ANALISA TINGKAT PENJUALAN PRODUK MENGGUNAKAN K-NEAREST NEIGHBOR (K-NN) DAN K-MEANS (STUDI KASUS PERUSAHAAN KAYU ELANG PERKASA)
Abstract
Tujuan dari penelitian ini adalah memperoleh pengetahuan tingkat penjualan produk pada sebuah perusahaan untuk memberikan rekomendasi pada pemilik perusahaan tentang produk mana yang prioritas diberi perhatian demi kemajuan perusahaan tersebut. Metodologi pada penelitian ini menggunakan metodologi CRISP-DM (CRoss Industry Standard Process for Data Mining ). Pada penelitian ini algoritma yang digunakan adalah jenis klasifikasi dan clustering yaitu K-NN dan K-Means. Dari penelitian ini akan diuji yang lebih baik apakah menggunakan analisa klasifikasi atau clustring dengan menggunakan data yang sama. Berdasarkan hasil pengujian akurasi kedua metode diperoleh bahwa K-Means memiliki tingkat akurasi yang lebih baik sebesar 78,37% sedangkan K-NN memiliki tingkat akurasi 76,06%.
References
[2] Herianto Herianto (Universitas Darma Persada, T. I., & Cahyaningrum, Nila (Universitas Darma Persada, T. I. (2020). IMPLEMENTASI K-NN DAN AHP UNTUK REKOMENDASI MODEL PAKAIAN TOKO ONLINE. Jurnal Sains & Teknologi Fakultas Teknik, X (2). Pp. 9-19. ISSN 2088-060X, X(1), 9–19. Retrieved from http://repository.unsada.ac.id/1631/
[3] Meliala, Meilida Dina. Penda Hasugian. 2020. “Perbandingan Algoritma K-Nearest Neighbor Dengan Decision Tree Dalam Memprediksi Penjualan Makanan Hewan Peliharaan Di Petshop Dore Vet Clinic”. Jurnal Teknologi Informasi . ISSN: 1907-2430. Vol. XV (hlm 35-39).
[4] Pradnyana, Aditra, Gede, Agus Aan Jiwa Permana. 2017. “Perbandingan Algoritma K-Means Dan Hybrid K-Means KNN Untuk Pembagian Kelas Kuliah Mahasiswa”. Seminar Nasional Riset Inovatif. ISBN: 978-602-6428-11-0 (hlm 941-949).
[5] Prayoga, Yudi. Heru Satria Tambunan. Iin Parlina. 2019. “Penerapan Clustering Pada Laju Inflasi Kota di Indonesia Dengan Algotima K-Means”. Jurnal Penerapan Kecerdasan Buatan. Vol. 1, No. 1(hlm 24-30).
[6] Sembiring, Falentino, Octavia dan Sudin Saepudin. 2020. “Implementasi Metode K-Means Dalam Pengklasteran Daerah Pungutan Liar Di Kabupaten Sukabumi (Studi Kasus : Dinas Kependudukan Dan Pencatatan Sipil). Vol. 14, No.1 (hlm 40-47).
[7] Suyanto. 2017. “Data Mining untuk Klasifikasi dan Klasterisasi Data”. Bandung: Informatika Bandung.
[8] Umam, Khaerul dan Muhammad Hilman Fakhriza. 2021. “Analisis Produk Terlaris Menggunakan Metode K-Means Clustering Pada PT. Sukanda Jaya”. Jurnal Informatika. E-ISSN: 2722-2713. Hlm. 8-15.
[9] Utomo, Putro, Dito dan Mesran. 2020. “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung”. Jurnal Media Informatika Budidarma. ISBN: 2614-5278. ISSN : 2548-8368 (hlm 437-444).
[10] Vulandari, R.T. 2017. “Data Mining Teori dan Aplikasi Rapidminer”. Yogyakarta: Gava Media.
[11] Widaningsih, Sri. 2019. “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4.5, Naïve Bayes, K-NN Dan SVM”. Jurnal Tekno Insentif. ISSN(p):1907-4964. Vol.13, No 1 (hlm 16-25).
[12] Yolanda, Ike dan Hasanul Fahmi. 2021. “Penerapan Data Mining Untuk Prediksi Penjualan Produk Roti Terlaris Pada PT. Nippon Indosari Corpindo Tbk Menggunakan Metode K-Nearest Neighbor”. Jurnal Ilmu Komputer dan Sistem Informasi. E-ISSN: 2723-6129. Hlm 9-15.
Copyright (c) 2021 Darma Persada of University
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright
