PREDIKSI PENJUALAN SEPATU MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Bagus Hardiyanto, Fahrur Rozi

Abstract


Prediksi penjualan sepatu untuk klasifikasi potensi pelanggan baru di toko Obral Murah dengan menggunakan metode K-Nearest Neighbor. Agar  toko  Obral Murah tetap menjadi toko favorit dan tidak kalah dengan pesaing pesaing baru, untuk menghindari hal tersebut maka perlu adanya prediksi penjualan untuk melihat potensi dari para pelanggan dan barang yang disukai pelanggan. Tujuan Penelitian ini dilaksanakan di sebuah toko sepatu yang bernama toko Obral Murah yang beralamat di barat lampu merah gragalan 200 meter selatan jalan Kec.Kedungwaru Kab.Tulungagung dengan penjualan sepatu. Data yang digunakan adalah seluruh data pada penjualan sepatu dari tahun 2018-2019.

Penelitian ini dibutuhkan studi literatur untuk dapat menyelesaikan masalah. Teori-teori mengenai prediksi potensi pelanggan baru serta metode KNN yang digunakan sebagai dasar penelitian diperoleh dari sumber-sumber atau buku- buku referensi. Sumber data adalah pembeli dengan jumlah 99 pembeli dengan perhitungan KNN. Metode yang digunakan adalah metode wawancara dan survey.

Untuk menggunakan training data yang berjumlah 99 data dengan menguji testing data berjumlah 25 data, maka didapatkan nilai k yang terbaik untuk memprediksi masa studi mahasiswa yaitu sebagai berikut: Untuk pembeli ke 100 yaitu nilai k yang terbaik untuk digunakan memprediksi jenis sepatu yang akan di beli adalah nilai k = 9 dengan tingkat keberhasilan 49%. Untuk pembeli ke 100 yaitu nilai k yang terbaik untuk digunakan memprediksi pembelian jenis sepatu adalah nilai k = 7 dengan tingkat keberhasilan 74%. Untuk pembeli ke 100 yaitu nilai k = 1 merupakan nilai k yang terbaik untuk digunakan memprediksi masa studi mahasiswa dengan tingkat keberhasilan 89%.

Keywords


knn, Sepatu

References


Berry, Michael J.A. dan Gordon S. Linoff. 2004. Data mining techniques for marketing, sales, customer relationship management. Second edition. Wiley publishing,Inc.

Bramer, Max. 2007. Principles of Data Mining. London : Springer Gorunescu, Florin. 2011. Data Mining: Concepts, Models, and Tech-niques. Verlag Berlin Heidelberg : Springer

Gambbeta, Windy. 2012. Pohon Keputusan (Decision Tree). Departemen Teknik Informatika. Institute Teknologi Bandung. Bandung.

Han, J.,&Kamber, M. 2006.Data Mining Concept and Tehniques.San Fransisco : Morgan Kauffman.

Kusrini dan Emha Taufiq Lutfi.2009. Algorima Data Mining. Yogyakarta; Andi Offset.

Kusrini&Luthfi,E.T. 2009. Algoritma Data Mining. Yogyakarta : Andi Publishing.

Larose, D. T. 2005. Discovering Knowledge in Data. New Jersey : John Willey & Sons, Inc.

Liao. 2007. Recent Advances in Data Mining of Enterprise Data : Algorithms and Application. Singapore : World Scientific Publishing




DOI: https://doi.org/10.29100/joeict.v4i2.1693

DOI (PDF (Bahasa Indonesia)): https://doi.org/10.29100/joeict.v4i2.1693.g909

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Bagus Hardiyanto

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.