Prediksi dan Klasifikasi Transaksi Penjualan Terbaik Dalam Toko Bangunan Dengan Metode K-Nearest Neighbors (K-NN)
Kata Kunci:
K-Nearest Neighbors (K-NN), Data Mining, KDD, Prediksi Penjualan, Klasifikasi Produk, Toko BangunanAbstrak
Studi ini menggunakan metode K-Nearest Neighbors (K-NN) untuk memprediksi dan mengklasifikasikan transaksi penjualan produk terbaik di toko bangunan. Dengan perkembangan teknologi informasi saat ini, analisis dan prediksi tren penjualan menjadi bagian penting dari proses pengambilan keputusan bisnis. Algoritma klasifikasi populer K-NN digunakan untuk menganalisis data penjualan dari dataset publik untuk menentukan produk mana yang paling diminati oleh konsumen. Proses pengumpulan data, pemilihan (selection), prapemrosesan (preprocessing), transformasi (transformation), penambangan (data mining), dan evaluasi hasil adalah semua bagian dari tahapan Knowledge Discovery in Database (KDD). Hasil analisis menunjukkan bahwa produk dalam kategori "aktif" menjual lebih banyak daripada produk dalam kategori "pasif". Dari total data, 56 berhasil dikategorikan sebagai data aktif, dan 29 data lainnya dikategorikan sebagai data pasif. Penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam tentang perilaku konsumen dan membantu manajemen toko bangunan membuat keputusan yang lebih baik dengan data yang mereka miliki. Hal ini diharapkan akan meningkatkan daya saing perusahaan dan meningkatkan efisiensi operasional.
Referensi
[1] N. W. Mardiyyah, N. Rahaningsih, and I. Ali, “Penerapan Data mining Menggunakan Algoritma K-Nearest Neighbor Pada Prediksi Pemberian Kredit di Sektor Finansial,” Feb. 2024. [Online]. Available: www.kaggle.com
[2] M. N. Maskuri, K. Sukerti, and R. M. Herdian Bhakti, “Penerapan Algoritma K-Nearest Neighbor (KNN) untuk Memprediksi Penyakit Stroke Stroke Desease Predict Using KNN Algorithm,” Jurnal Ilmiah Intech: Information Technology Journal of UMUS, vol. 4, no. 1, pp. 130–140, May 2022.
[3] V. P. Sabandar and R. Ahmad, “Sistem Pendukung Keputusan Penentuan Produk Terbaik Menggunakan Weighted Product Method,” Jurnal Ilmiah Computer Science, vol. 1, no. 2, pp. 58–68, Jan. 2023, doi: 10.58602/jics.v1i2.7.
[4] P. Guru, J. Sathyapriya, K. V. R. Rajandran, J. Bhuvaneswari, and C. Parimala, “International Journal of INTELLIGENT SYSTEMS AND APPLICATIONS IN ENGINEERING Product Sales Forecasting and Prediction Using Machine Learning Algorithm,” 2023. [Online]. Available: www.ijisae.org
[5] D. Safitri and M. Fakhriza, “K-Nearest Neighbor (KNN) Algorithm to Determine the Stock of Building Material Store Materials,” Journal of Computer System and Informatics (JoSYC), vol. 5, no. 4, pp. 850–857, Aug. 2024, doi: 10.47065/josyc.v5i4.5731.
[6] A. S. Miha Djami, N. W. Utami, and A. A. I. I. Paramitha, “The Prediction Of Product Sales Level Using K-Nearest Neighbor and Naive Bayes Algorithms (Case Study : PT Kotamas Bali),” Jurnal Pilar Nusa Mandiri, vol. 19, no. 2, pp. 77–84, Sep. 2023, doi: 10.33480/pilar.v19i2.4420.
[7] R. Syabania and N. Rosmawarni, “Perancangan Aplikasi Customer Relationship Management (CRM) Pada Penjualan Barang Pre-Order Berbasis Website,” 2021.
[8] F. D. Elyana and S. Arifin, “Analisis Strategi Pemasaran Secara Online Melalui TikTok dan InstagramTerhadap Volume Penjualan Skincare Justmine Beauty Pada Agen Yuyun di Lamongan,” Neraca Jurnal Ekonomi, Manajemen dan Akuntansi, vol. 1, no. Penjualan, pp. 344–352, 2023, [Online]. Available: http://jurnal.kolibi.org/index.php/neraca
[9] V. Immanuel Sunarko, D. Lizard Sambawo Dimara, P. Sandya Etniko Siagian, D. Manalu, and F. Tri Anggraeny, “Implementasi K-Fold Dalam Prediksi Hasil Produksi Agrikultur Pada Algoritma K-Nearest Neighbor (KNN),” Mar. 2025. [Online]. Available: https://satudata.pertanian.go.id/
[10] Y. Zidane, N. Betha, I. Sari, A. Maulana, and G. Primaya, “Penerapan Data mining Dalam Klasifikasi Data Transaksi Produksi Koperasi di SMK PGRI 2 KARAWANG,” 2025.
[11] L. I. Keksi, D. A. Lestari, and B. Prasetiyo, “Application of K-Nearest Neighbor Algortihm in Classification of Engine Performance in Car Companies Using RapidMiner,” Journal of Student Research Exploration, vol. 2, pp. 120–130, Jun. 2024.
[12] V. Ariyani, P. Putri, A. B. Prasetijo, and D. Eridani, “Perbandingan Kinerja Algoritme Naive Bayes dan K-Nearest Neighbor (KNN) Untuk Prediksi Harga Rumah,” Transmisi: Jurnal Ilmiah Teknik Elektro, vol. 4, pp. 162–71, Oct. 2022, doi: 10.14710/transmisi.24.4.162-171.
[13] A. Prayoga Permana, K. Ainiyah, and K. Fahmi Hayati Holle, “Analisis Perbandingan Algoritma Decision Tree, kNN, dan Naive Bayes untuk Prediksi Kesuksesan Start-up,” 2021. [Online]. Available: https://www.kaggle.com/manishkc06/startup-success-prediction.
[14] N. Sitompul, “Rapid Miner Testing With The Knn Algorithm,” 2023.
[15] E. Rosida, A. Firmansyah, and U. Pelita Bangsa Corresponding Author, “Comparative Analysis of Classification of K-Nearest Neighbor (KNN) Algorithm and Decision Tree in Breast Cancer Using RapidMiner,” International Journal of Applied Research and Sustainable Sciences (IJARSS), vol. 2, no. 12, pp. 1039–1060, 2024, doi: 10.59890/ijarss.v2i12.48.
[16] L. H. Jufri and D. Dasari, “Evaluation of the implementation of machine learning algorithm K-Nearest Neighbors (KNN) using rapid miner on junior high school student learning outcomes,” Jurnal Gantang, vol. 8, no. 2, pp. 193–197, Dec. 2023, doi: 10.31629/jg.v8i2.6590.
[17] N. T. Ujianto, Gunawan, H. Fadillah, A. P. Fanti, A. D. Saputra, and I. G. Ramadhan, “Penerapan algoritma K-Nearest Neighbors (KNN) untuk klasifikasi citra medis,” IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi, vol. 4, no. 1, pp. 33–43, Feb. 2025, doi: 10.24246/itexplore.v4i1.2025.pp33-43.
[18] A. A. Amer, S. D. Ravana, and R. A. A. Habeeb, “Effective k-nearest neighbor models for data classification enhancement,” J Big Data, vol. 12, no. 1, Dec. 2025, doi: 10.1186/s40537-025-01137-2.
[19] D. Damayanti, “Perbandingan Akurasi Software RapidMiner dan Weka Menggunakan Algoritma K-Nearest Neighbor (K-NN),” Jurnal Syntax Admiration, vol. 2, no. 6, pp. 994–1006, Jun. 2021, doi: 10.46799/jsa.v2i6.247.
[20] T. Hidayat, Y. Handayani, and A. Syaifudin, “Implementasi Algoritma K-Nearest Neighbor Untuk Meningkatkan Penjualan Produk Meuble dan Furniture,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 9, no. 2, pp. 118–124, Feb. 2023.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Adrian Chandra Kusumah, Nandi Adi Nugroho, Genta Aldora Leopriandis, Achmad Khautsar Rizaldi, Firmansyah, Maulana Fansyuri (Author)
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Creative Commons Attribution 4.0 International (CC BY 4.0).
This work is licensed under a 