PENERAPAN METODE K-NEAREST NEIGHBOR UNTUK MEMPREDIKSI PENJUALAN PRODUK REMPAH-REMPAH TERLARIS PADA TOKO HJ FATIMAH

Ella Octa Teres, Rizaldi Rizaldi, Santoso Santoso

Abstract


Abstract: Hj Fatimah Store is a retail business that sells a variety of spice products. The store is not computerized yet, so employees still record reports manually. Hj Fatimah Store faces challenges in predicting the sales of its best-selling spice products, leading to stockouts, difficulties in inventory planning, and the lack of a computerized system to forecast product sales. In this context, data mining plays a crucial role in uncovering knowledge from data sets that is not easily discovered through manual analysis. The system aims to predict the best-selling spice products at Hj Fatimah Store by applying the K-Nearest Neighbor (KNN) method. This method is expected to assist in stock planning and address stockout issues. K-Nearest Neighbor is a classification technique that groups data based on the proximity or distance between data points. The purpose of applying the K-Nearest Neighbor algorithm is to classify new objects using attributes and training samples. The data to be used in this system includes sales at Hj Fatimah Store from June 2022 to May 2023. The results of the implementation and testing demonstrate that the designed system for Hj Fatimah Store aims to predict the best-selling spice products, facilitating inventory planning and helping the store manage data more effectively and produce accurate reports..

Keywords: K-Nearest Neighbor; HJ Fatimah Shop; Rempah-Rempah ; Laris

Abstrak: Toko Hj Fatimah merupakan usaha yang bergerak dibidang retail, yang menjual berbagai macam produk rempah-rempah. Toko Hj Fatimah ini belum terkomputerisasi sehingga pegawai masih saja pencatatan laporan secara manual. Toko Hj Fatimah mengalami kesulitan dalam memprediksi penjualan produk rempah-rempah terlaris sehingga mengalami kehabisan stok, sulit dalam perencanaan persediaan stok dan belum adanya sistem komputerisasi yang dapat memprediksi penjualan produk. Dalam hal ini, data mining sangat berperan penting dalam mengungkap pengetahuan dari kumpulan data yang tidak mudah diketahui melalui analisis manual. Sistem ini bertujuan untuk memprediksi penjualan produk rempah-rempah terlaris di Toko Hj Fatimah dengan menerapkan metode K-Nearest Neighbor (KNN). Metode ini diharapkan dapat membantu perencanaan stok dan mengatasi masalah kehabisan stok. K-Nearest Neighbor adalah teknik klasifikasi yang mengelompokkan data berdasarkan kedekatan atau jarak antara titik data. Tujuan penerapan algoritma K-Nearest Neighbor adalah untuk mengklasifikasikan objek baru menggunakan atribut dan sampel pelatihan. Data yang akan digunakan dalam sistem ini mencakup penjualan di Toko Hj Fatimah dari Juni 2022 hingga Mei 2023. Dari hasil implementasi dan pengujian hasil dapat dijelaskan bahwa sistem yang dirancang pada toko HJ Fatimah merupakan suatu rancangan untuk memprediksi penjualan produk rempah-rempah terlaris pada toko Hj Fatimah yang dapat memudahkan pihak toko dalam perencanaan kebutuhan stok produk rempah-rempah. Dengan rancangan ini diharapkan mampu mempermudah pihak toko HJ Fatimah bisa mengelola data dengan baik serta mendapatkan hasil laporan.

Kata Kunci: K-Nearest Neighbor; Toko HJ Fatimah; Rempah-Rempah; Laris

 


Full Text:

PDF

References


D. W. T. Putra and R. Andriani, “Unified Modelling Language (UML) dalam Perancangan Sistem Informasi Permohonan Pembayaran Restitusi SPPD,” J. TeknoIf, vol. 7, no. 1, p. 32, 2019, doi: 10.21063/jtif.2019.v7.1.32-39.

S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, pp. 16–25, 2019, doi: 10.36787/jti.v13i1.78.

I. Yolanda and H. Fahmi, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Roti Terlaris Pada PT . Nippon Indosari Corpindo Tbk Menggunakan Metode K-Nearest Neighbor,” vol. 3, no. 3, pp. 9–15, 2021.

M. H. Iku, I. Surya Kumala, and Y. A. Mustofa, “Metode K-Nearest Neighbor untuk Memprediksi Harga Eceran Beras di Pasar Tradisional Gorontalo,” J. Nas. cosPhi, vol. 3, no. 2, pp. 2597–9329, 2019.

Y. Anggraini, D. Pasha, D. Damayanti, and A. Setiawan, “Sistem Informasi Penjualan Sepeda Berbasis Web Menggunakan Framework Codeigniter,” J. Teknol. dan Sist. Inf., vol. 1, no. 2, pp. 64–70, 2020, doi: 10.33365/jtsi.v1i2.236.

D. Handoko, H. S. Tambunan, and J. T. Hardinata, “Analisis Penjualan Produk Paket Kuota Internet Dengan Metode K-Nearest Neighbor,” Jurasik (Jurnal Ris. Sist. Inf. dan Tek. Inform., vol. 6, no. 1, p. 111, 2021, doi: 10.30645/jurasik.v6i1.275.

Kaharuddin, Kusrini, and E. T. Luthfi, “Klasifikasi Jenis Rempah-Rempah Berdasarkan Fitur Warna Rgb Dan Tekstur Menggunakan Algoritma K-Nearest Neighbor,” J. Inf. Interaktif, vol. 4, no. 1, pp. 17–22, 2019.

D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media Inform. Budidarma, vol. 4, no. 2, p. 437, 2020, doi: 10.30865/mib.v4i2.2080.

S. P. Dewi, N. Nurwati, and E. Rahayu, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor,” Build. Informatics, Technol. Sci., vol. 3, no. 4, pp. 639–648, 2022, doi: 10.47065/bits.v3i4.1408.

A. Alfani W.P.R., F. Rozi, and F. Sukmana, “Prediksi Penjualan Produk Unilever Menggunakan Metode K-Nearest Neighbor,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 6, no. 1, pp. 155–160, 2021, doi: 10.29100/jipi.v6i1.1910.




DOI: https://doi.org/10.33330/jutsi.v4i2.3347

Article Metrics

Abstract view : 94 times
PDF - 76 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 


Copyright © LPPM STMIK ROYAL

Lisensi Creative Commons

Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.