PREDIKSI PENJUALAN BUKU PADA YAYASAN JANGKAR KEHIDUPAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR

PREDIKSI PENJUALAN BUKU PADA YAYASAN JANGKAR KEHIDUPAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR

• By DAVID ZEVANYA SILABAN;
• S1 - Teknik Informatika
• 240

Yayasan Jangkar Kehidupan merupakan sebuah Yayasan yang bercabang di Indonesia. Yayasan Jangkar Kehidupan sebagai Yayasan rohani di Indonesia, menawarkan beragam jenis buku kepada konsumennya. Sulitnya Yayasan Jangkar Kehidupan merencanakan stok, sehingga seringkali buku yang ada di toko kurang di minati karena tidak mengetahui minat dari konsumen. Di perlukan prediksi mengenai buku-buku terlaris guna mempermudah perencanaan stok di Yayasan Jangkar Kehidupan. Hasil prediksi ini membantu toko buku dalam membuat keputusan yang tepat terkait pemasaran, persediaan, dan pengembangan produk. Penelitian ini melibatkan analisis masalah melalui pengamatan langsung sistem penjualan buku, tinjauan kepustakaan untuk landasan teori yang kuat, dan pengumpulan data melalui observasi. Proses data mining dilakukan dengan memilih data yang relevan dan menerapkan teknik dan algoritma K-Nearest Neighbor (K-NN). Hasilnya menunjukkan 27 jenis buku yang terlaris dari 126 buku yang dijual, Dengan tingkat akursai klasifikasi penjualan buku terlaris mencapai 96.09%.

• Katakunci Data mining, prediksi penjualan buku, K-Nearest Neighbor
• URL http://
• Penerbit Universitas Nusa Mandiri, Jakarta DKI Jakarta

REFERENSI

[1] A. Sitar. Pengertian Sumber Kehidupan-Ciri, Faktor, Jenis, Prinsip, Mengembangkan, Contoh, Para Ahli. Pengembangan Ide Kreatif Dan Inovatif Serta Tahapannya Lengkap, 1(1), 2018, 3–3.

[2] Eryanto, O. Perancangan Aplikasi Forecasting Persediaan Bahan Baku Produksi Tapioka pada PT HUTAHAEAN dengan menggunakan Metode LEAST SQUARE. 8(1), 2019, 2–2.

[3] Bramer, M. Principles of Data Mining. In Principles of Data Mining (Vol. 5). Springer London. 5, 2018, 12-13

[4] Frank, E. Practical Machine Learning Tools and Techniques". Practical Machine Learning Tools and Techniques", 3(3), 2019, 15–16.

[5] Han, J. & K. M. Data Mining Concepts and Techniques. 1(1), 2020, 1–1.

[6] Rintho Rare Rerung. Penerapan Data Mining dengan Memanfaatkan Metode Association Rule untuk Promosi Produk. Jurnal Teknologi Rekayasa, 3(1), 2018, 90–90.

[7] VULANDARI. Konsep Dasar Data Mining. Konsep Dasar Data Mining, 1, 2018, 1–1.

[8] R. Adi. Implementasi Algoritma K-Nearest Neighbor Untuk Identifikasi Implementasi Algoritma K-Nearest Neighbor Untuk Identifikasi Kualitas Air. K-Nearest Neighbor (KNN) Adalah Metode Yang Diterapkan Dalam Mengklasifikasikan Objek Berdasarkan Data Pembelajaran Yang Paling Dekat Dengan Objek Berdasarkan Perbandingan Antara Data Sebelumnya Dan Saat Ini , 1(1), 2018, 2–3.

[9] Redy & Babbu. Ragam tipe Matching Learning. Ragam Tipe Matching Learning, 12(14), 2018, 1–1.

[10] Mustakim & Oktaviani F. K-Nearest Neighbor Classification Sebagai Sistem Prediksi Predikat Prestasi Mahasiswa. Jurnal Sains Teknologi, 13(2), 2016, 195–202.

[11] S. Rahmatullah, S. W. M. F. C. and F. C. Penerapan Data Mining Untuk Prediksi Penjualan Produk Furniture Terlaris Menggunakan Metode Knearest Neighbor,” . Penerapan Data
Mining, 3(4), 2020, 75–86.

[12] Findawati Yulia, M. A. R. Buku Ajar Pada Text Mining. Penerapan Konsep Text Mining
Meliputi Information Retrieval, Infomartion Extraction, 1(1), 2020, 10–10.

[13] Prabowo. Pembangunan Sistem Pendukung Keputusan Metode K-Nearest Neighbor”. 3, 2018, 3–4.

[14] Ricky Imanuel Ndaumanu. Algoritma Data Mining. 1(1), 2021, 2–2.

[15] Bhardwaj et al. Data Mining Techniques and Their Implementation in Blood Bank Sector. Ata Mining Techniques and Their Implementation in Blood Bank Sector – A Review, 2(4), 2020, 1303–1309.