PENERAPAN DATA MINING UNTUK PENJUALAN PRODUK MINUMAN TERLARIS MENGGUNAKAN METODE ALGORITMA K-NEAREST NEIGHBOR (STUDI KASUS :PT. AFI)

• RAMDANI

---

ABSTRAK

 

ABSTRAK
Ramdani (11212886), Penerpan Data Mining Untuk Prediksi Penjualan Produk
Minuman Terlaris Menggunakan Metode Algoritma K – Nearest Neighbor
(Studi kasus : PT. AFI) Penjualan merupakan salah satu unsur penting dalam suatu bisnis di bidang pemasaran. Setiap bisnis memiliki tujuan umum disetiap langkah dan prosesnya, tujuan yang dimaksud yaitu mampu mencapai target. Dan salah satu kegiatan usaha yang harus dilakukan agar perusahaan tetap berjalan dan berkembang yaitu dengan adanya penjualan.PT Aman Food Industri ini merupakan Perusahaan manufaktur pembuatan jenis minuman dalam kemasan RTD,PT Aman Food Industri memproduksi minuman dengan berbagai Varian Rasa,Teh semesta dan Nice lho Merupakan merek dagang PT Aman Food Industri. Varian Rasa diantaranya seperti: Rasa Nice lho Blackurrant, Guava, Strawberry, Teh semesta, Ngaso.sistem penjualan yang berjalan masih manual sehingga tidak bisa mengetahui produk minuman terlaris,sedangkan permintaan konsumen semakin banyak,untuk mengetahui penjualan ini digunakan teknik klasifikasi dan Algoritma k-nearest neighbor dengan tools yang digunakan adalah Rapidminer. Berdasarkan pengujian nilai K dari 1 sampai 7 dipilih nilai K 3 sebagai nilai tengah k yang mempunyai akurasi tinggi.dengan hasil pengolahan data set penjualan tahun 2021 yang diklasifikasikan berdasarkan nama barang produk minuman didapatlah hasil akurasi sebesar 100% yang artinya data set dapat digunakan pada tahap selanjutnya sebagai data yang valid untuk digunakan.
Kata kunci :K-nearest Neighbor, Klasifikasi,Rapidminer.
 

KATA KUNCI

Data Mining,Algoritma K-Nearest Neighbor

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] H. Herianto, S. Nur, and A. Sapitri, “Analisa Tingkat Penjualan Produk Menggunakan K-Nearest Neighbor (K-Nn) Dan K-Means (Studi Kasus Perusahaan Kayu Elang …,” J. Sains Teknol. … , vol. XI, no. 1, pp. 8–18, 2021, [Online]. Available: http://repository.unsada.ac.id/id/eprint/1891 [2] Y. arum sari sigit adinugroho, implementasi Data Mining menggunakan weka, 1st ed. malang: ub press, 2018. [3] Buulolo, Data mining untuk perguruan tinggi. yogyakarta, 2020. [4] e.prasetyowati, “Data Mining pengelompokan data untuk informasi dan evaluasi,” 2017. [5] A. yoraeni f.ristianto, “implementasi metode naive bayes untuk prediksi harga emas,” vol. 1, 2021. [6] 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. [7] 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. [8] Y. Yahya and W. Puspita Hidayanti, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape (Rokok Elektrik) pada ‘Lombok Vape On,’” Infotek J. Inform. dan Teknol., vol. 3, no. 2, pp. 104– 114, 2020, doi: 10.29408/jit.v3i2.2279. [9] A. A. Putri, “Penerapan Data Mining Untuk Memprediksi Penjualan Buah Dan Sayur Menggunakan Metode K-Nearest Neighbor ( Studi Kasus?: PT . Central Brastagi Utama ),” vol. 1, no. 6, pp. 354–361, 2021. [10] 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.