Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Produk Terlaris pada Usaha Mikro

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan produk terlaris pada Kafe Anugerah Kupi sehingga dapat membantu pengambilan keputusan terkait pengelolaan stok dan strategi pemasaran. Metode penelitian yang digunakan adalah metode kuantitatif dengan pendekatan Data Mining menggunakan tahapan Knowledge Discovery in Database (KDD) yang meliputi seleksi data, pembersihan data (data cleaning), transformasi data, proses klasifikasi menggunakan algoritma K-Nearest Neighbor (KNN), serta evaluasi hasil klasifikasi. Data penelitian diperoleh dari data historis penjualan produk pada Kafe Anugerah Kupi dengan atribut yang digunakan meliputi jumlah penjualan, frekuensi pembelian, dan stok produk. Proses klasifikasi dilakukan menggunakan nilai K = 3 dan pengukuran jarak menggunakan metode Euclidean Distance.

Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbor (KNN) berhasil mengklasifikasikan produk ke dalam tiga kategori, yaitu Terlaris, Cukup Laris, dan Kurang Laris. Dari hasil pengolahan data diperoleh sebanyak 10 produk kategori Terlaris, 6 produk kategori Cukup Laris, dan 12 produk kategori Kurang Laris. Hasil evaluasi model menggunakan Confusion Matrix menunjukkan tingkat akurasi sebesar 77,78%, yang menandakan bahwa algoritma KNN memiliki performa yang cukup baik dalam melakukan klasifikasi produk terlaris pada Kafe Anugerah Kupi. Berdasarkan hasil penelitian dapat disimpulkan bahwa penerapan algoritma K-Nearest Neighbor (KNN) mampu membantu proses klasifikasi produk terlaris secara efektif dan dapat dijadikan sebagai pendukung keputusan dalam pengelolaan produk, pengendalian stok, dan strategi pemasaran pada usaha mikro.

GS Cited Analysis