PREDIKSI PENJUALAN PRODUK MEUBEL MENGGUNAKAN METODE K- NEAREST NEIGHBOR (Studi Kasus: Toko Al-Kautsar Meubel)

Qorinah, Mazdatul (2024) PREDIKSI PENJUALAN PRODUK MEUBEL MENGGUNAKAN METODE K- NEAREST NEIGHBOR (Studi Kasus: Toko Al-Kautsar Meubel). Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK.pdf Download (87kB)
	Text COVER.pdf Download (160kB)
	Text DAFTAR ISI.pdf Download (98kB)
	Text DAFTAR PUSTAKA.pdf Download (147kB)
	Text Lembar pengesahan pembimbing.pdf Download (174kB)
	Text SKRIPSI 124200007.pdf Restricted to Repository staff only Download (2MB)

Abstract

vii
PREDIKSI PENJUALAN PRODUK MEUBEL MENGGUNAKAN METODE K-
NEAREST NEIGHBOR (STUDI KASUS: TOKO AL-KAUTSAR MEUBEL)
ABSTRAK
Prediksi merupakan suatu proses atau tidnakan untuk memperkirakan atau meramalkan
sesuatu yang akan terjadi di masa depan berdasarkan informasi yang ada saat ini. Tujuan dari
prediksi ini adalah untuk mencoba memahai atau mengantisipasi kemungkinan hasil atau
kejadian di masa mendatang. Pada Toko Alkautsar belum terdapat sebuah sistem yang
digunakan untuk memprediksi penjualan produk. Dilihat dari banyaknya permintaan konsumen
akan produk di toko al-kautsar. Penelitian ini bertujuan untuk membuat sistem informasi
prediksi penjualan produk meubel untuk mempermudah pihak pemilik toko dalam melakukan
perencanaan persediaan stok barang serta memberitahu pihak pemilik toko tentang produk
mana saja yang paling banyak dibeli oleh konsumen.
Penelitian ini menggunakan metode K-Nearest Neighbor dimana metode tersebut
digunakan untuk mengklasifikasikan berdasarkan mayoritas label pada kelas KNN. Dan juga
mencari tetangga terdekat berdasarkan objek yang ditentukan. Proses penelitian ini
menggunakan Knowledge Dicovery Database (KDD) yang merupakan keseluruhan proses non
– trivial untuk mencari dan mengidentifikasi pola (desain) dalam data. Dalam proses KDD
terdapat beberapa tahapan proses yakni Data Selection, Data Preprocessing, Transformation,
Data Mining dan Evaluation.
Hasil dari penelitian Prediksi Penjualan Produk Meubel Menggunakan Metode K
Nearest Neighbor mendapatkan hasil akurasi 93.33%, yang berarti metode tersebut cocok
diterapkan pada penelitian ini. Sedangkan, pada perhitungan Root Mean Square Error (RMSE)
mendapatkan hasil terkecil yakni 0.029 yakni pada produk rak piring yang berarti rata-rata
kesalahan prediksi model tersebut adalah 0.029 unit dari nilai sebenarnya. Semakin kecil hasil
RMSE mendekati nol, maka semakin akurat nilai yang diprediksi mendekati dengan nilai yang
sebenarnya.
Kata kunci: Prediksi, K-Nearest Neighbor, Root Mean Square Error
viii
PREDICTION OF SALES OF FURNITURE PRODUCTS USING THE K-NEAREST
NEIGHBOR METHOD (CASE STUDY: AL-KAUTSAR FURNITURE)
ABSTRACT
Prediction is a process or failure to predict or predict something that will happen in the
future based on the information available today. The purpose of this prediction is to try to
predict or anticipate possible future outcomes or events. In the Alkautsar Store, there is no
system used to predict product sales. Judging from the many consumer requests for products
in al-kautsar stores. This study aims to create a furniture product sales prediction information
system to make it easier for store owners to plan stock inventory and inform store owners about
which products are most purchased by consumers.
This study uses the K-Nearest Neighbor method where the method is used to classify
based on the majority of labels in the KNN class. And also search for the nearest neighbors
based on the specified objects. This research process uses the Knowledge Dicovery Database
(KDD) which is a whole non-trivial process to find and identify patterns (designs) in data. In
the KDD process, there are several stages of the process, namely Data Selection, Data
Preprocessing, Transformation, Data Mining and Evaluation.
The results of the research on Prediction of Sales of Furniture Products Using the K
Nearest Neighbor Method obtained an accuracy of 93.33%, which means that the method is
suitable for application in this study. Meanwhile, in the calculation of the Root Mean Square
Error (RMSE), the smallest result was 0.029, namely in the dish rack product, which means
that the average prediction error of the model is 0.029 units from the actual value. The smaller
the RMSE yield is close to zero, then the more accurate the predicted value is closer to the
actual value.
Keywords: Prediction, K-Nearest Neighbor, Root Mean Square Error.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Prediction, K-Nearest Neighbor, Root Mean Square Error.
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	29 Aug 2024 02:19
Last Modified:	29 Aug 2024 02:19
URI:	http://eprints.upnyk.ac.id/id/eprint/40865

Actions (login required)

View Item