Prediksi Penjualan Produk Unilever Menggunakan Metode K-Nearest Neighbor

W.P.R., Aisha Alfani; Rozi, Fahrur; Sukmana, Farid

doi:10.29100/jipi.v6i1.1910

Cited by 11 publications

(10 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dilihat banyaknya transaksi orderan dari customer, maka dibutuhkan prediksi untuk produksi garmen paling banyak tiap bulan (Alfani W.P.R. et al, 2021).…”

Section: Pendahuluanunclassified

Data Mining untuk Meningkatkan Efisiensi dan Prediksi Produk Garmen Menggunakan Algoritma K-Nearest Neighbor di PT Mas Silueta

Hidayat

2024

Jurnal Kridatama Saintek

View full text Add to dashboard Cite

Pakaian merupakan kebutuhan pokok manusia, terutama bagi wanita. PT MAS SILUETA berlokasi di Jln. Tugu Wijaya III, Randu Garut, Kec. Tugu, Kota Semarang dan memproduksi pakaian dan pakaian dalam wanita seperti Bra Cup, celana suport, dan baju, dengan banyaknya variasi pakaian ini, maka bisa di prediksi mana yang bayak diminat atau tidak agar proses produksi lebih produktif. dari banyaknya produk yang terjual maka akan di kelompokkan menjadi dua yaitu achieve atau produk yang diminati dan tidak achieve atau kurang di minati. Maka untuk mengetahui produksi garmen yang achive dibutuhkan proses perhitungan data untuk menyelesaikan masalah yang ditemukan dengan data mining. K-Nearest Neighbor (KNN) merupakan proses dalam data mining untuk prediksi agar data yang didapat akurat dan efisien. Dan dengan metode K-Nearest Neighbor dapat melakukan proses pengelompokan data lalu melakukan analisa terhadap kelompok data tersebut dan menghasilkan predikasi yang dapat di gunakan untuk menganalisa pada produk berdasarkan data dari penjualan pakaian dalam yang sangat banyak (big data) sehingga dapat sebuah informasi baru yang bermanfaat. Penelitian ini membahas tentang produksi garmen menggunakan 84 data uji. Dan menghasilkan akurasi sebanyak 87,50%.

show abstract

“…Dilihat banyaknya transaksi orderan dari customer, maka dibutuhkan prediksi untuk produksi garmen paling banyak tiap bulan (Alfani W.P.R. et al, 2021).…”

Section: Pendahuluanunclassified

Data Mining untuk Meningkatkan Efisiensi dan Prediksi Produk Garmen Menggunakan Algoritma K-Nearest Neighbor di PT Mas Silueta

Hidayat

2024

Jurnal Kridatama Saintek

View full text Add to dashboard Cite

show abstract

“…Ada beberapa penelitian yang telah melakukan penelitian terkait kasus jamur seperti salah satu penelitian yang dilakukan Yohannes1 dkk tahun 2022 dengan judul "Klasifikasi Jenis Jamur Menggunakan SVM dengan Fitur HSV dan HOG" dan mendapatkan hasil bahwa SVM mampu mengklasifikasikan jenis jamur pada citra dengan fitur HSV dan HOG dengan akurasi 82,69% dengan jenis jamur yang mendapatkan hasil terbaik, yaitu jamur boletus dengan akurasi 89,69% [2]. Penelitian yang dilakukan Aisha Alfani W dkk dengan judul "Prediksi penjualan Produk Unilever Menggunakan Metode K-Nearest Neighbor" tahun 2021dan mendapatkan hasil penjualan tertinggi dengan akurasi 86,66% dan akurasi terendah 40% [12]. Penelitian dari Aida Indriani dengan judul "Analisa Perbandingan Metode Naïve Bayes Classifier dan K-Nearest Neighbor terhadap Klasifikasi Data" tahun 2020.…”

Section: Pendahuluanunclassified

Perbandingan Jarak Metrik pada Klasifikasi Jamur Beracun Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Suarisman,

Nazir,

Syafria

et al. 2023

JoSYC

View full text Add to dashboard Cite

Mushrooms are organisms from the kingdom fungi that have a fleshy body structure and can be consumed, but there are some species of mushrooms that are not safe to eat and have specific characteristics, so distinguishing between edible and poisonous mushrooms can be tricky due to the almost identical appearance of various mushroom species. Errors in identifying edible mushrooms can impact the health of consumers who consume the mushrooms. Evaluating the performance of various methods on a dataset is a key step in determining the most suitable classification method. This research is about how to measure the performance of classification methods on toxic mushroom datasets using the K-Nearest Neighbor algorithm with several metrics such as euclidean, manhattan and minkowski, which is a method for classifying new data based on proximity to existing training data. The results obtained in this study with several distance metrics can be concluded that the accuracy value of the manhattan metric is better than the euclidean and minkowski metrics. Because the manhattan metric gets the highest accuracy result of 99% with K = 100 and the lowest 82% with K = 3000, while the euclidean metric gets accuracy results with a value of 98% with K = 100 and 72% with K = 3000, and the minkowski metric gets accuracy results with a value of 96% at K = 100 and 64% at K = 3000.

show abstract

“…Berdasarkan penelitian yang pernah dilakukan oleh [3] yang bertujuan untuk mengetahui penjualan produk Unilever terlaris agar mempermudah pihak pemilik toko dalam menyediakan stok. Prediksi yang dilakukan oleh peneliti menggunakan metode K-Nearest Neighbor yang mendapatkan nilai akurasi penjualan produk sebesar 86,66%.…”

Section: Pendahuluanunclassified

Penerapan Metode K-Nearest Neighbor Untuk Prediksi Harga Jagung Dengan Pengujian Rmse

Tri Wijaya,

Hartami Santi,

Wulansari

2023

jati

View full text Add to dashboard Cite

Jagung merupakan salah satu komoditas pertanian yang penting di Indonesia, baik sebagai bahan pangan maupun sebagai bahan industri. Namun, pada tahun 2022, produksi jagung mengalami penurunan menjadi sebesar 339.788,4 ton, sedangkan untuk permintaan jagung pada tahun 2022 sebesar 36.527 ton dan penawaran sebesar 298.508 ton. Penurunan produksi dapat berdampak pada pasokan jagung yang tersedia, maka harga jagung juga akan mengalami fluktuasi yang dapat mempengaruhi ekonomi petani, peternak maupun industri yang menggunakan bahan dasar jagung. Adapun tujuan dari penelitian ini yaitu memprediksi harga jagung menggunakan metode K-Nearest Neighbor (K-NN) di Kabupaten Tulungagung yang menghasilkan harga prediksi harga jagung pada bulan Mei dan menguji metode untuk mengetahui tingkat akurasinya. Pengujian dari prediksi menggunakan metode Root Mean Square Error (RMSE) yang menghasilkan tingkat error 185,1497 dan persentase sebesar 95%.

show abstract

Prediksi Penjualan Produk Unilever Menggunakan Metode K-Nearest Neighbor

Cited by 11 publications

References 9 publications

Data Mining untuk Meningkatkan Efisiensi dan Prediksi Produk Garmen Menggunakan Algoritma K-Nearest Neighbor di PT Mas Silueta

Data Mining untuk Meningkatkan Efisiensi dan Prediksi Produk Garmen Menggunakan Algoritma K-Nearest Neighbor di PT Mas Silueta

Perbandingan Jarak Metrik pada Klasifikasi Jamur Beracun Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Penerapan Metode K-Nearest Neighbor Untuk Prediksi Harga Jagung Dengan Pengujian Rmse

Contact Info

Product

Resources

About