SUDALI, ALI (2024) PREDIKSI PENJUALAN PRODUK PERKAKAS TERLARIS MENGGUNAKAN METODE K-NEAREST NEIGHBOR. S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (HAL COVER)
01 Cover.pdf Download (950kB) |
|
Text (ABSTRAK)
02 Abstrak.pdf Download (354kB) |
|
Text (BAB I)
03 Bab 1.pdf Restricted to Registered users only Download (539kB) |
|
Text (BAB II)
04 Bab 2.pdf Restricted to Registered users only Download (667kB) |
|
Text (BAB III)
05 Bab 3.pdf Restricted to Registered users only Download (586kB) |
|
Text (BAB IV)
06 Bab 4.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
07 Bab 5.pdf Restricted to Registered users only Download (405kB) |
|
Text (DAFTAR PUSTAKA)
08 Daftar Pustaka.pdf Restricted to Registered users only Download (346kB) |
|
Text (LAMPIRAN)
09 Lampiran.pdf Restricted to Registered users only Download (1MB) |
Abstract
This research employs the K-Nearest Neighbor (KNN) method to analyze and test the sales transaction data of hardware products over the past two years at PT. Singa Mas Mandiri. Using the variables of product code and sales quantity as inputs, KNN is utilized in data mining to predict the best-selling hardware products by categorizing items into Very Popular, Popular Enough, and Not Popular. The calculation results reveal high levels of accuracy, recall, and precision, specifically an accuracy of 0.96, recall of 0.95, and precision of 1.0. This prediction assists PT. Singa Mas Mandiri in optimizing inventory, avoiding unnecessary production, and focusing on hardware products with high sales potential. This classification significantly contributes to helping the company anticipate market demand, enhance production efficiency, and identify optimal sales opportunities. Thus, the implementation of the KNN method in hardware product sales analysis provides a strategic foundation for PT. Singa Mas Mandiri to make smarter decisions in managing and improving the sales performance of its products. Keywords: Predictive, Tools, Method, KNN, Clasification Penelitian ini menggunakan metode K-Nearest Neighbor (KNN) untuk menganalisis dan menguji data transaksi penjualan produk perkakas selama dua tahun terakhir di PT. Singa Mas Mandiri. Dengan variabel kode barang dan jumlah penjualan sebagai input, KNN digunakan dalam data mining untuk memprediksi perkakas terlaris dengan mengkategorikan barang menjadi Sangat Laris, Cukup Laris, dan Tidak Laris Hasil perhitungan menunjukkan tingkat akurasi, recall, dan precision yang tinggi, yakni akurasi sebesar 0.96, recall sebesar 0.95, dan precision sebesar 1.0. Prediksi ini membantu PT. Singa Mas Mandiri dalam mengoptimalkan persediaan stok, menghindari produksi yang tidak diperlukan, dan fokus pada produk perkakas dengan potensi penjualan tinggi. Klasifikasi ini berkontribusi signifikan dalam membantu perusahaan mengantisipasi permintaan pasar, meningkatkan efisiensi produksi, dan mengidentifikasi peluang penjualan yang optimal. Dengan demikian, penerapan metode KNN dalam analisis penjualan produk perkakas memberikan landasan strategis bagi PT. Singa Mas Mandiri untuk mengambil keputusan yang lebih cerdas dalam mengelola dan meningkatkan performa penjualan produknya. Kata Kunci : Perkakas, Prediksi, Metode, KNN, Klasifikasi
| Item Type: | Thesis (S1) |
|---|---|
| Call Number CD: | FIK/INFO. 24 030 |
| Call Number: | SIK/15/24/025 |
| NIM/NIDN Creators: | 41519120059 |
| Uncontrolled Keywords: | Perkakas, Prediksi, Metode, KNN, Klasifikasi |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 010 Bibliography/Bibliografi > 017 General Subject Catalog/Katalog Subjek Umum > 017.8 Alphabetic Subject Sales Catalogs/Katalog Subjek Penjualan 600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan 600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan > 621 Applied Physics/Fisika terapan > 621.9 Tools/Perkakas dan Alat-alat 600 Technology/Teknologi > 670 Manufacturing/Manufaktur, Pabrik-pabrik |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | khalimah |
| Date Deposited: | 12 Feb 2024 02:53 |
| Last Modified: | 12 Feb 2024 02:53 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/85956 |
Actions (login required)
 |
View Item |
