Penerapan Algoritma K-Nearest Neighbor untuk Memprediksi Penjualan Sepeda Motor Terlaris pada PT Daya Anugrah Mandiri

Rozimin, Rozimin (2022) Penerapan Algoritma K-Nearest Neighbor untuk Memprediksi Penjualan Sepeda Motor Terlaris pada PT Daya Anugrah Mandiri. Skripsi thesis, Prodi Teknik Infomatika.

	Text cover.pdf - Submitted Version Download (2MB)
	Text bab I.pdf - Submitted Version Download (1MB)
	Text bab II.pdf - Submitted Version Download (3MB)
	Text bab III.pdf - Submitted Version Download (1MB)
	Text bab IV.pdf - Submitted Version Restricted to Registered users only Download (4MB) | Request a copy
	Text bab V.pdf - Submitted Version Download (389kB)
	Text daftar pustaka.pdf - Submitted Version Download (265kB)
	Text lampiran.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Sepeda motor menjadi pilihan semua orang sebagai alat transportasi karena murah dan bisa digunakan dalam waktu yang lama. Kenaikan harga barang-barang konsumsi atau kebutuhan sehari-hari seperti kenaikan harga bahan bakar, bahkan pada hari raya keagamaan (idul fitri), atau sering juga disebut fluktuasi (musiman), data mining merupakan suatu data yang diproses melalui ekstraksi (dari yang sebelumnya belum diketahui, serta tidak bermanfaat) sehingga menjadi ilmu pengetahuan atau informasi dari pola data yang besar jumlahnya. salah satu teknik atau metode yang ada pada data mining adalah teknik K-Nearest Neighbor. algoritma klasifikasi bertujuan untuk memprediksi dataset yang memiliki kelas menjadi dataset kelas yang baru. Tujuan dari penelitian ini adalah diharapkan penelitian ini dapat membantu perusahaan dalam mengambil keputusan dalam menyediakan saham. Pengolahan data penjualan sepeda motor sebanyak 170 dan 3 atribut yang ada pada pemilihan data menggunakan metode algoritma K-Nearest Neighbor menghasilkan prediksi penjualan sepeda motor Honda dengan tipe metric lebih banyak diminati konsumen dibandingkan dengan tipe sport dan CUB. Penelitian ini menggunakan algoritma K-Nearest Neighbord dengan nilai akurasi sebesar 97,65%. presisi untuk matic 98.00 %, Sport 92.45 % CUB 94.12 % dan recall untuk matic 97.03%, Sport 96.08% dan CUB 88.89%. Pengujian yang dilakukan dengan menggunakan software Rapidminer cukup efektif karena hasil akhir yang didapatkan sama dengan perhitungan manual. oleh sebab itu, pengujian dengan Rapidminer cukup membantu dalam melakukan pengujian.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	algoritma K-Nearest Neighbord; Penambangan Data; Ramalan :K-Nearest Neighbord algorithm; Data Mining; Prediction
Subjects:	500 Ilmu Alam dan Matematika > 510-519 Matematika > 518.1 Algoritma
Divisions:	Fakultas Teknik dan Komputer > Teknik Informatika
Depositing User:	Lia Priscilla
Date Deposited:	06 Jan 2023 06:43
Last Modified:	11 Dec 2024 06:54
URI:	http://repository.upbatam.ac.id/id/eprint/2577

Actions (login required)

View Item

Downloads