TUNASBANGSATUNASBANGSA

Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika)Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika)

PT. Akses Lintas Nusantara adalah Perusahaan yang bergerak di bidang Penjualan Paket Kuota Internet dan saldo paket. Perusahaan ini memiliki berbagai paket data mulai dari 6 GB, 11 GB, 21 GB dan 32 GB dengan berbagai variasi harga. Berdasarkan data penjualan produk paket kuota internet selama 1 (satu) tahun terakhir, maka dibutuhkan prediksi untuk penjualan kedepannya guna mempermudah pihak perusahaan dalam perencanaan penyediaan stok paket kuota internet. Algoritma K-Nearest Neighbor (KNN) adalah suatu metode yang merupakan algoritma supervised dimana hasil dari Sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada KNN. Untuk mengetahui penjualan produk tersebut digunakan algoritma K-Nearest Neighbor. Hasil yang diharapkan adalah mempermudah perusahaan memprediksi penyediaan stok paket kuota internet ke depannya di setiap daerah atau wilayah. Hasil dari Penelitian yang telah dilakukan Prediksi Penjualan Paket Kuota Internet terdiri dari SP CL1, SPCL2, SPCL4 dan SP CL8 dengan Accuracy sebesar 71,43%.

Pada penelitian ini dilakukan pemodelan menggunakan algoritma k-nearest neighbor dengan menggunakan data yang diolah berdasarkan tahapan knowledge in database (KDD).Berdasarkan hasil perhitungan data mining discovery menggunakan teknik klasifikasi dan algoritma k-nearest neighbor, didapatkan hasil prediksi penjualan kartu paket kuota internet dengan 4 jenis paket internet dan data yang digunakan pada tahun 2017 – 2019 yang dimana atribut terdiri dari Nama Produk, Kuant, dan Bulan kemudian berdasarkan nilai akurasi terhadap prediksi penjualan produk untuk tahun 2020 yaitu sebesar 71,43% dan telah diuji menggunakan tools Rapid Miner.

Penelitian lanjutan dapat membandingkan algoritma K-Nearest Neighbor dengan metode lain seperti Decision Tree atau Support Vector Machine untuk mengevaluasi akurasi prediksi. Selain itu, penelitian bisa menambahkan variabel demografi pelanggan atau faktor musiman sebagai input data untuk meningkatkan keakuratan model. Terakhir, model ini dapat diuji pada perusahaan atau wilayah lain untuk mengukur tingkat generalisasi dan adaptasi metode KNN dalam konteks bisnis yang berbeda.

  1. ANALISA KLASIFIKASI DATA MINING PADA TINGKAT KEPUASAN PENGUNJUNG TAMAN HEWAN PEMATANG SIANTAR DENGAN... doi.org/10.30865/Komik.V3i1.1664ANALISA KLASIFIKASI DATA MINING PADA TINGKAT KEPUASAN PENGUNJUNG TAMAN HEWAN PEMATANG SIANTAR DENGAN doi 10 30865 Komik V3i1 1664
  1. #kepuasan masyarakat#kepuasan masyarakat
  2. #pondok pesantren modern#pondok pesantren modern
Read online
File size1.11 MB
Pages9
Short Linkhttps://juris.id/p-2lh
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test