PREDIKSI PENJUALAN PRODUK BUNGA TERLARIS MENGGUNAKAN METODE K-NN PADA PT. ELDADI USAHA FLORA

PREDIKSI PENJUALAN PRODUK BUNGA TERLARIS MENGGUNAKAN METODE K-NN PADA PT. ELDADI USAHA FLORA

• By RIVAN ALZANDRO OEINA;
• S1- Sistem Infomasi
• 300

PT.Eldadi Usaha Flora merupakan perusahaan yang menjual berbagai
produk Dekorasi Bunga, Bunga Potong, Taman dan Tanaman Hias. Dalam penelitian ini menggunakan aplikasi RapidMiner untuk mempermudah proses data mining, yang menghasilkan informasi prediksi penjualan produk bunga terlaris. Pengolahan data mining yang dilakukan dalam penelitian ini yaitu mengikuti tahapan Knowledge Discovery in Database (KDD) sehingga dapat menghasilkan informasi yang sesuai dengan urutan tahapan yang sudah ditentukan seperti Data Selection, Preprocessing, Transformation, Data mining, Interpretation /Evaluasi. Berdasarkan hasil perhitungan data mining menggunakan teknik klasifikasi dan algoritma k-nearest neighbor maka didapatlah hasil prediksi penjualan produk bunga terlaris sebanyak 3 jenis produk dari 8 jenis produk yang terjual diantaranya adalah Daun Pilo, Bunga Krisan dan Baby Brade. Berdasarkan nilai akurasi terhadap klasifikasi penjualan produk bunga terlaris keakuratan data yang didapatkan sebesar 100%.

• Katakunci Data mining, k-nearest neighbor, penjualan, prediksi
• URL http://
• Penerbit Universitas Nusa Mandiri, Jakarta DKI Jakarta

REFERENSI

[1] Ferrizal and E. Suswaini, “Analisa Peramalan Penjualan Handphone Menggunakan Metode Trend Moment.”

[2] R. I. Muhammad, E. R. Nainggolan, J. L. Putra, Sidik, Susafa’ati, and U. Radiyah, “Implementasi Metode K-Nearest Neighbor Untuk Prediksi Penjualan Kemasan Skincare Pada PT. Universal Jaya Perkasa,” Politek. Manufaktur Astra, vol. Vol. 12 No.

[3] S. P. Dewi, Nurwati, and E. Rahayu, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor,” Build. Informatics, Technol. Sci., vol. Volume 3, p. 639-648.

[4] I. Yolanda and H. Fahmi, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Roti Terlaris Pada PT. Nippon Indosari Corpindo Tbk Menggunakan Metode K-Nearest Neighbor,” JIKOMSI, vol. Vol.3 No., pp. 1–7, 2021.

[5] R. Hutami and E. Z. Astuti, “Implementasi Metode K-Nearest Neighbor Untuk Prediksi Penjualan Furniture Pada CV. Octo Agung Jepara.”

[6] F. Hermawan and H. Agung, “Implementasi Metode K-Nearest Neighbor Pada Aplikasi Data Penjualan PT. Multitek Mitra Sejati,” J. Sains dan Teknol., no. Vol.4 No.2, 2017.

[7] Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika,” J. Edik Inform., vol. 2, 2019.

[8] M. M. Baharuddin, H. Azis, and T. Hasanuddin, “Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca,” Ilk. J. Ilm., vol. 11, no. 3, pp. 269–274, 2019, doi: 10.33096/ilkom.v11i3.489.269-274.

[9] M. Arifanto and E. Santoso, “Politeknik manufaktur astra,” vol. 10, no. 8, pp. 1–9, 2015.

[10] W. A. Astuti and G. Herliana, “Analisis Perhitungan Harga Pokok Jasa Pengiriman Untuk Penetapan Tarif Pengiriman Paket Internasional (Tujuan Jepang) Di PT Pos Indonesia,” Maj. Ilm. Unikom, vol. Vol. 11 No.