Implementasi Data Mining Untuk Klasifikasi Barang Berdasarkan Tingkat Penjualan Menggunakan Metode Modifed K-Nearest Neighbor (MKNN)(Studi Kasus Toko Solo)

Zakiyah, Zakiyah (2024) Implementasi Data Mining Untuk Klasifikasi Barang Berdasarkan Tingkat Penjualan Menggunakan Metode Modifed K-Nearest Neighbor (MKNN)(Studi Kasus Toko Solo). undergraduate thesis, Universitas Muhammadiyah Gresik.

Preview	Text Lembar Keaslian.pdf Download (193kB) | Preview
Preview	Text lembar persetujuan skripsi.pdf Download (73kB) | Preview
Preview	Text lembar Pengesahan Skripsi.pdf Download (86kB) | Preview
Preview	Text pernyataan persetujuan publikasi.pdf Download (79kB) | Preview
Preview	Text Halaman Judul.pdf Download (1MB) | Preview
Preview	Text BAB 1.pdf Download (860kB) | Preview
Preview	Text BAB 2.pdf Download (1MB) | Preview
Preview	Text BAB 3.pdf Download (2MB) | Preview
	Text BAB 4.pdf Restricted to Repository staff only Download (2MB)
Preview	Text BAB 5.pdf Download (183kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (588kB) | Preview
Preview	Text LAMPIRAN.pdf Download (1MB) | Preview

Abstract

Toko solo merupakan UMKM yang bergerak pada bisnis retail sektor pakaian atau fashion, yang menjual produk pakaian secara online ataupun offline. Jenis pakain ataupun fashion yang dijual pun sangat beragam. Selama ini dalam memprediksi penjualan pakaian hanya mengandalkan metode hafalan dan perhitungan manual saja dalam pendataan produk yang terjual sehingga sulit untuk melihat produk yang sering terjual. Hal tersebut mengakibatkan stok produk atau barang terjadi penumpukan dikarenakan tidak adanya perencanaan penyediaan stok yang akan memberitahu pemilik usaha mengenai jenis produk apa saja yang harus dibeli dalam jumlah besar, sedang ataupun kecil dalam rentang waktu tertentu. Untuk mengetahui penjualan produk pakaian sehingga dapat juga mengetahui stok produk yang harus disediakan dengan cara memanfaatkan teknik data mining jenis klasifikasi, dengan 2 metode yaitu metode K-Nearest Neighbor (K-NN) dan Modified K-Nearest Neighbor (MKNN) terhadap nilai K =1,3,5,7 dan 9 , dengan harapan setelah diolah dengan data mining dapat membantu menemukan informasi dalam prediksi penentuan stok produk tersebut masuk penjualan produk pakain terlaris dan mempermudah dalam perencanaan penyediaan stok. Hasil dari penelitian ini yaitu metode K-Nearest Neighbor (K-NN) menghasilkan prediksi dengan nilai K paling optimal k=3,5,7 dan 9 dengan nilai Accuracy sebesar 73℅, sedangkan untuk metode Modified K-Nearest Neighbor (MKNN) menghasilkan nilai k optimal k= 3 dengan nilai Accuracy sebesar 94%. Dalam hal ini menunjukan penerapan MKNN lebih optimal dari KNN dalam klasifiksi barang atauproduk pada toko solo. Kata kunci : klasifikasi, Modife K-Nearest Neighbor, K-Nearest Neighbor

Item Type:	Thesis (undergraduate)
Uncontrolled Keywords:	klasifikasi, Modife K-Nearest Neighbor, K-Nearest Neighbor
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Zakiyah Zakiyah
Date Deposited:	16 Feb 2024 17:30
Last Modified:	16 Feb 2024 17:30
URI:	http://eprints.umg.ac.id/id/eprint/11692

Actions (login required)

View Item