ANALISIS PREDIKSI PENJUALAN PRODUK MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR REGRESSION

Ratna Salkiawati; Hendarman Lubis; Nurfiyah Nurfiyah; Abdillah Syah Al Malik MK

doi:10.52362/jisicom.v9i2.2132

Ratna Salkiawati Universitas Bhayangkara Jakarta Raya
Hendarman Lubis Universitas Bhayangkara Jakarta Raya
Nurfiyah Nurfiyah Universitas Bhayangkara Jakarta Raya
Abdillah Syah Al Malik MK Universitas Bhayangkara Jakarta Raya

DOI: https://doi.org/10.52362/jisicom.v9i2.2132

Abstract

Toko Sembako merupakan usaha yang bergerak dibidang perdagangan, produk yang menyediakan produk sembako. Permasalahan yang ada yaitu belum adanya prediksi penjualan produk di masa mendatang berdasarkan data yang telah direkam sebelumnya. Prediksi ini untuk mempermudah serta memberitahu pemilik toko mengenai produk yang paling banyak dibeli konsumen. Untuk mengetahui prediksi penjualan produk digunakan metode K-Nearest Neighbor Regression, selanjutnya akan melewati tahapan Knowledge Discovery in Database (KDD). Hasil yang diperoleh penulis dari penelitian ini adalah nilai k = 2 mendapat RMSE 0.31318 untuk produk Beras pada bulan ke-11, k = 2 mendapat RMSE 0.29367 untuk produk Gula Pasir pada bulan ke-11 dan bulan ke-12, k = 4 mendapat RMSE 0.34002 untuk produk Minyak Goreng 2 Ltr pada bulan ke-11 dan bulan ke-12, k = 3 mendapat RMSE 0.31820 untuk produk Telur Ayam pada bulan ke-11, k = 6 mendapat RMSE 0.44437 untuk produk Tepung Terigu pada bulan ke-8. Seperti yang tertera dalam pedoman RMSE dapat disimpukan bahwa seluruh model yang penulis uji memiliki satu kesalahan yang kecil yaitu 0,00 – 0,299 dan empat kesalahan sedang yaitu 0,30 – 0,559.

Downloads

Download data is not yet available.

References

[1] V. Kotu and B. Deshpande, Predictive analytics and data mining : concepts and practice with RapidMiner. 225 Wyman Street, Waltham, MA 02451, USA: Morgan Kaufmann is an imprint of Elsevier, 2015.
[2] Nong. Ye, Data mining : theories, algorithms, and examples. CRC Press, 2014.
[3] Z. Zhang, “Introduction to machine learning: K-nearest neighbors,” Ann Transl Med, vol. 4, no. 11, Jun. 2016, doi: 10.21037/atm.2016.03.37.
[4] R. Salkiawati, H. Lubis, F. Sapril Telaumbanua, and F. Ilmu Komputer, “JSI (Jurnal Sistem Informasi) Universitas Dirgantara Marsekal Suryadarma Prediksi Penjualan Produk Sepatu dengan Menggunakan Algoritma K-Nearest Neighbor Regression dan Cross Validation,” vol. 12, no. 1, pp. 48–57, Jan. 2025.
[5] R. Salkiawati, H. Lubis, I. Nur El Ghozy, P. Studi Informatika, F. Ilmu Komputer, and U. Bhayangkara Jakarta Raya, “K-Nearest Neighbor Regression untuk Prediksi Penjualan Donut,” Journal of Information System, Informatics and Computing Issue Period, vol. 9, no. 1, pp. 180–190, 2025, doi: 10.52362/jisicom.v9i1.1964.
[6] D. Nurfauzan and T. Fatimah, “Implementasi Algoritma K-Nearest Neighbors Regression Dalam Memprediksi Harga Saham,” 2022. [Online]. Available: https://senafti.budiluhur.ac.id/index.php/
[7] I. Colanus and R. Drajana, “Prediksi Jumlah Produksi Coconut Oil Menggunakan k-Nearest Neighbor dan Backward Elimination.”
[8] F. Ekawati, “Prediksi Laju Pertumbuhan Jumlah Penduduk Provinsi Kalimantan Selatan menggunakan metode K-Nearest Neighbor Regression,” 2022.
[9] Y. Mukhlisin, M. Imrona, and D. T. Murdiansyah, “Prediksi Harga Beras Premium dengan Metode Algoritma K-Nearest Neighbor.”
[10] L. H. S. R. Nurfiyah, “Identifikasi Citra Garis Telapak Tangan Menggunakan Metode GLCM & K-NN,” Jurnal Manajemen Informatika Jayakarta, vol. 4, no. 3, pp. 251–257, Jul. 2024.
[11] Larose, Discovering Knowledge in Data: An Introduction to Data Mining. New Jersey: Published by John Wiley & Sons, Inc., Hoboken, 2005.
[12] Jiawei Han, Micheline Kmaber, and Jian Pei, Data Mining Third Edition, Third. 225 Wyman Street,Waltham, MA 02451, USA: Morgan Kaufmann Publishers is an imprint of Elsevier, 2012.
[13] D. Berrar, “Cross-validation,” in Encyclopedia of Bioinformatics and Computational Biology: ABC of Bioinformatics, vol. 1–3, Elsevier, 2018, pp. 542–545. doi: 10.1016/B978-0-12-809633-8.20349-X.