IMPLEMENTASI METODE K-NEAREST NEIGHBORS (K-NN) UNTUK KLASIFIKASI PRODUK LARIS PADA DATA PENJUALAN RITEL

Syaiful, Rahman (2025) IMPLEMENTASI METODE K-NEAREST NEIGHBORS (K-NN) UNTUK KLASIFIKASI PRODUK LARIS PADA DATA PENJUALAN RITEL. undergraduate thesis, Universitas Muhammadiyah Mataram.

	Text COVER-DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (2MB) \| Request a copy
	Text SIMILARITY CHECK.pdf Restricted to Repository staff only Download (18MB) \| Request a copy

Abstract

Penelitian ini bertujuan menerapkan metode K-Nearest Neighbors (K-NN) untuk klasifikasi produk laris pada data penjualan Suplement Sales Data periode tahun 2020–2025. Dataset dalam penelitian ini berasal dari platform penyedia data publik Kaggle.com dengan total 4.385 data yang terdiri atas sepuluh atribut utama (Date, Product Name, Category, Unit Sold, Price, Revenue, Discount, Unit Returned, Location, dan Platform). Pada dataset awal tidak memiliki label, algoritma K-Means digunakan untuk mengelompokkan data berdasarkan fitur Units Sold, sehingga terbentuk dua kategori label yaitu “LARIS” dan “TIDAK LARIS”. Pemilihan fitur dilakukan dengan metode ANOVA F-Test, menghasilkan enam atribut utama yang digunakan dalam proses klasifikasi (Date, Unit Sold, Price, Revenue, Unit Returned, dan Location), kemudian seluruh data numerik dan hasil label encoding dinormalisasi menggunakan Min-Max Scaling. Proses klasifikasi dilakukan dengan algoritma K-NN menggunakan perhitungan jarak Euclidean Distance serta pengujian nilai K dari 1 hingga 17 untuk menentukan parameter terbaik. Hasil evaluasi menunjukkan nilai K optimal pada K = 14 dengan akurasi 94,75%, serta nilai precision, recall, dan F1-score seimbang pada kedua kelas dengan rata-rata sekitar 95%. Confusion matrix memperlihatkan distribusi prediksi yang seimbang antara kelas “LARIS” dan “TIDAK LARIS” dengan tingkat kesalahan minimal. Penelitian ini membuktikan bahwa kombinasi K-Means dan K-NN efektif untuk klasifikasi produk pada data tanpa label, serta dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam pengelolaan stok dan strategi pemasaran yang lebih tepat sasaran.

Item Type:

Thesis (undergraduate)

Contributors: