Publisher

STMIKJAYAKARTASTMIKJAYAKARTA

Journal Journal of Information System, Informatics and ComputingJournal of Information System, Informatics and Computing Abstract

Toko Donut “X merupakan sebuah toko yang memproduksi variasi roti dan kue dengan menggunakan bahan pilihan terbaik tanpa menggunakan pengawet. Permasalahan yang terjadi pada toko tersebut adalah kesulitan untuk memprediksi permintaan konsumen dan juga belum bisa memprediksi penjualan di masa yang akan datang. Agar mempermudah pihak pengusaha dalam merencanakan penjualan serta penjadwalan produksi, maka dilakukan prediksi penjualan produk menggunakan teknik K-Nearest Neighbor Regression. Metode yang diterapkan dalam penelitian ini adalah Knowledge Discovery in Database (KDD). Metode yang diterapkan melewati 5 tahap yaitu; Data Selection, Preprocessing, Transformation, Data Mining, Interpretation/Evaluation. Hasil pada penelitian ini menunjukkan prediksi penjualan terlaris pada produk Blackforest di bulan Juni dengan k = 12 RMSE = 0.41876, Brownies di bulan Januari dengan k = 4 RMSE = 0.46398, Coklat di bulan Februari dengan k = 9 RMSE = 0.4827, Donat di bulan Juli dengan k = 14 RMSE = 0.47980, Tart di bulan Juli dengan k = 12 RMSE = 0.47381, Triple Disert Box di bulan November dengan k = 13 RMSE = 0.49336. Sesuai dengan pedoman RMSE dapat disimpulkan bahwa seluruh model yang diuji memiliki tingkat kesalahan sedang dalam range 0,30 – 0,599.

Conclusion

Hasil penelitian dan pengujian model prediksi penjualan menggunakan metode K-Nearest Neighbor Regression, dapat ditarik kesimpulan bahwa nilai k yang paling optimal dari rentang 1 sampai 15 adalah nilai k = 12 menghasilkan nilai RMSE 0.41876 untuk produk Blackforest, k = 4 menghasilkan nilai RMSE 0.46398 untuk produk brownies, k = 9 menghasilkan nilai RMSE 0.46827 untuk produk coklat, k = 14 menghasilkan nilai RMSE 0.47980 untuk produk Donat, k = 12 menghasilkan nilai RMSE 0.47381 untuk produk Tart, dan k = 13 menghasilkan nilai RMSE 0.Dengan demikian berdasarkan pedoman interpretasi RMSE dapat disimpulkan bahwa tingkat kesalahan seluruh model pengujian dalam penelitian prediksi penjualan produk dengan metode K-Nearest Neighbor Regression yang penulis uji memiliki kesalahan sedang dikarenakan nilai RMSE yang didapat berada dalam range 0,30 – 0,599.Kesalahan sedang berarti hasil prediksi sedikit mendekati nilai yang sebenarnya.Diperoleh hasil prediksi penjualan produk terlaris untuk Blackforest pada bulan ke-6, Brownies pada bulan ke-1, Coklat pada bulan ke-2, Donat pada bulan ke-7, Tart pada bulan ke-6, dan Triple Disert Box pada bulan ke-11.

Future Research

Berdasarkan penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, perlu dilakukan eksplorasi lebih lanjut terhadap variabel-variabel lain yang mungkin memengaruhi penjualan, seperti faktor cuaca, promosi, atau bahkan tren media sosial. Dengan menambahkan variabel-variabel ini, model prediksi dapat menjadi lebih akurat dan komprehensif. Kedua, penelitian selanjutnya dapat mencoba menggabungkan beberapa algoritma machine learning yang berbeda, seperti K-Nearest Neighbor dengan Support Vector Machine, untuk menciptakan model ensemble yang lebih robust dan mampu menangani berbagai jenis data dengan lebih baik. Ketiga, penting untuk melakukan validasi model prediksi pada data yang lebih besar dan beragam, serta menguji performanya dalam jangka waktu yang lebih panjang untuk memastikan keandalannya dalam kondisi yang berbeda-beda. Dengan demikian, hasil prediksi dapat memberikan informasi yang lebih akurat dan bermanfaat bagi pengusaha dalam pengambilan keputusan terkait perencanaan produksi dan pengelolaan stok.

References

1. Implementasi Data Mining Dalam Memprediksi Transaksi Penjualan Menggunakan Algoritma Apriori (Studi Kasus... ejournal.uin-malang.ac.id/index.php/saintek/article/view/7821Implementasi Data Mining Dalam Memprediksi Transaksi Penjualan Menggunakan Algoritma Apriori Studi Kasus ejournal uin malang ac index php saintek article view 7821

Metadata

File size	1.33 MB
Pages	11
DMCA	Report