Penerapan Metode K-Nearest Neighbor untuk Prediksi Penjualan Sparepart Mobil pada Gudang Marketplace
DOI:
https://doi.org/10.36350/jskom.v2i3.124Kata Kunci:
K-NN, Data Mining, Confusion Matrix, Classification, Prediction, Spare Parts, SalesAbstrak
This study focuses on predicting car spare parts sales in a marketplace warehouse by employing the K-Nearest Neighbor (K-NN) algorithm. K-NN is utilized as an effective data mining technique for classification in order to construct an accurate predictive model. The dataset used in this research consists of key attributes, including spare part name, sales volume, quantity, price, condition, and brand. A web-based prototype was developed using PHP, enabling accessibility across devices and providing itemset predictions through Euclidean distance analysis. To assess model performance, evaluation was carried out using a confusion matrix, which produced an accuracy of 72%, precision of 86%, and recall of 100%. Furthermore, a feasibility test of the system achieved a perfect score of 100%, while user testing resulted in 83.03%, both of which indicate that the system is highly feasible and user-friendly. The research findings confirm that the K-NN method can deliver effective and reliable predictions of car spare parts sales. Beyond its theoretical contribution in expanding insights into K-NN applications, this study also offers practical value by supporting inventory management efficiency and assisting company management in making strategic business decisions.
Unduhan
Referensi
[1] Abdy, S., Gultom, E. R. B., Ramadhany, S., & Afifudin, A. (2022). Prediksi Penjualan Sparepart Mobil Terlaris Menggunakan Metode K-Nearest Neighbor. JURIKOM (Jurnal Riset Komputer), 9(6), 2003-2009.
[2] Anonim. (2022). BAB II: Tinjauan Pustaka dan Dasar Teori. Yogyakarta: Universitas Teknologi Digital Indonesia.
[3] Ardiansyah, A., Mahendra, G. S., Rahayu, P. W., et al. (2023). Buku Ajar Sistem Pendukung Keputusan. PT Sonpedia Publishing Indonesia.
[4] Arhami, M., & Nasir, M. (2021). Data Mining: Algoritma dan Implementasi. Penerbit Andi.
[5] Elisa, E., Tukino, T., & Handoko, K. (2022). Penerapan Forecasting Methods Untuk Penjualan Produk Umkm Dengan Algoritma K-Nearest Neighbor. Jurnal Tekinkom (Teknik Informasi dan Komputer), 5(2), 455-463.
[6] Hasibuan, A. M., & Sriani, S. (2024). Klasifikasi Kelayakan Peminjaman Nasabah Menggunakan Algoritma K-Nearest Neighbor (K-NN): Classification of Customer Loan Eligibility Using The K-Nearest Neighbor (K-NN) Algorithm. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(4), 1525-1532.
[7] Iku, M. H., Mustofa, Y. A., & Kumala, I. S. (2019). Metode k-nearest neighbor untuk memprediksi harga eceran beras di pasar tradisional gorontalo. Jurnal Cosphi, 3(2).
[8] Johan, A. (2020). Data Mining: Algoritma dan Implementasi. Deepublish.
[9] Khairunnisa, Nurhadi, N., Jatmiko, A. R., et al. (2023). Buku Ajar Logika & Algoritma. PT Sonpedia Publishing Indonesia.
[10] Maesaroh, S., Iskandar, D., Sari, M. M., et al. (2023). Rekayasa Perangkat Lunak. Sada Kurnia Pustaka.
[11] Mesran, Windarto, A. P., Wanto, A., et al. (2020). Sistem Pendukung Keputusan & Data Mining: Metode dan Penerapannya Dalam Berbagai Kasus. Green Press.
[12] Nijunnihayah, U., Hilabi, S. S., Nurapriani, F., & Novalia, E. (2024). Implementasi Algoritma K-Nearest Neighbor untuk Prediksi Penjualan Alat Kesehatan pada Media Alkes: Implementation of the K-Nearest Neighbor Algorithm to Predict Sales of Medical Devices in Medical Devices. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 695-701.
[13] Prayoga, I. F. (2023). Sistem Pendukung Penerimaan Beasiswa Sekolah Menggunakan Metode K-Nearest Neighbor (KNN) di SMA PGRI. Jurnal Teknologi Pintar, 3(10).
[14] Putri, D. P. (2021). Sistem Prediksi Cuaca Menggunakan Metode K-Nearest Neighbor. Skripsi, Universitas Batam.
[15] Rafsyanzani S, M. F. (2021). Implementasi Metode K-Nearest Neighbor Dalam Peramalan Penjualan Mobil Bekas Di Kota Batam (Doctoral dissertation, Prodi Teknik Informatika).
[16] Ramadhani, F. D., & Ardhiansyah, M. (2022). Sistem Prediksi Penjualan dengan Metode Single Exponential Smoothing dan Prototype.
[17] Raymana Aprilian, Roni Habibi, M Yusril Helmi Setyawan (2020). Algoritma KNN dalam Memprediksi Cuaca untuk Menentukan Tanaman yang Cocok. Jakarta: Kreatif.
[18] Sabda, M. A., & Suhardi, S. (2023). Implementasi Data Mining Dalam Memprediksi Penjualan Parfum Terlaris Menggunakan Metode K-Nearest Neighbor. Jurnal Sistem Komputer dan Informatika (JSON), 5(2), 415-422.
[19] Saputro, B. (2020). Manajemen Penelitian Pengembangan (Research & Development) Bagi Penyusun Skripsi, Tesis, dan Disertasi. Aswaja Presindo.
[20] Sembiring, F. (2022). Buku Ajar Dasar Pemrograman (Python). Nusa Putra Press.
[21] Setyobudhi, C. T. (2023). Buku Ajar Pemrograman Struktur Data. Mega Press Nusantara.
[22] Siagian, S. B. (2022). Implementasi Gain Ratio Pada Metode KNN Dalam Memprediksi Penjualan Sparepart Electronic Di Service Center Panasonic Lhokseumawe (Doctoral dissertation, Universitas Islam Negeri Sumatera Utara).
[23] Sutrisno, D., & Farizky, M. (2021). Implementasi Metode K-Nearest Neighbor (KNN) untuk Prediksi Cuaca Berbasis Android. Prosiding Seminar Nasional Energi dan Teknologi Informasi (SENESTIK), Institut Teknologi Adhi Tama Surabaya.
[24] Virza, V. P., Pranot, G. T., & Putra, F. E. (2023). Klasifikasi Kebutuhan Sparepart Dengan Algoritma K-Nearest Neighbor Untuk Meningkatkan Penjualan Sparepart. Bulletin of Information Technology (BIT), 4(3), 287-293.
[25] Wahana Komputer. (2019). Pemrograman Web dengan Menggunakan PHP dan MySQL: Edisi Revisi. Andi Offset. https://www.google.co.id/books/edition/Pemrograman_Web_dengan_Menggunakan_PHP_d/KuKTDwAAQBAJ?hl=id
[26] Whendasmoro, R. G., & Joseph, J. (2022). Analisis Penerapan Normalisasi Data Dengan Menggunakan Z-Score Pada Kinerja Algoritma K-NN. JURIKOM (Jurnal Riset Komputer), 9(4), 872-876.
[27] Pemerintah Kota. Perwali No. 13 Tahun 2024 tentang Pedoman Penerimaan Peserta Didik Baru. Pemerintah Kota, 2024.
[28] Pramudya, Aditya, et al. “Pengelompokan Hasil Belajar Siswa SDN Tunas Jaya dengan Algoritma K-Means.” JATI (Jurnal Mahasiswa Teknik Informatika), Dec. 2023.
[29] Pressman, Roger, and Bruce Maxim. Software Engineering: A Practitioner’s Approach. McGraw-Hill, 2019.
[30] Riani, Adella Putri, et al. “Penerapan K-Means Clustering dalam Pengelompokan Hasil Belajar Peserta Didik dengan Metode Elbow.” Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD, vol. 4, no. 2, 2023, pp. 164–172.
[31] Riadi, and Muchlisin. www.kajianpustaka.com/2022/02/sistem-pendukung- keputusan-spk.html. diakses pada tanggal 18 Aug. 2024.
[32] Rosa, A. S., and M. Shalahuddin. Rekayasa Perangkat Lunak: Terstruktur dan Berorientasi Objek. Informatika Bandung, 2013.
[33] Safiq, Rosad. Bahasa Pemrograman Java Tingkat Dasar. Nas Media Pustaka, 2022.
[34] Sugiyono. Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Alfabeta, 2013.
[35] Wali, Muhammad, et al. Pengantar 15 Bahasa Pemrograman Terbaik di Masa Depan (Referensi & Coding). Sonpedia Publishing, 2023.
[36] Wu, Junjie. Advances in K-Means Clustering: A Data Mining Thinking. Springer-Verlag, 2012.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
