JUTSI (Jurnal Teknologi dan Sistem Informas.
ISSN 2774-9029 .
Vol.
4 No.
June 2024, hlm.
141 Ae 148 DOI: https://doi.
org/10.
33330/jutsi.
Available online at https://jurnal.
id/index.
php/jutsi/article/view/3347 PENERAPAN METODE K-NEAREST NEIGHBOR UNTUK MEMPREDIKSI PENJUALAN PRODUK REMPAH-REMPAHTERLARIS
PADA TOKO HJ FATIMAH
Ella Octa Teres 1.
Rizaldi1*.
Santoso1 Sistem Informasi.
STMIK Royal Kisaran *Email: rizaldipiliang@gmail.
Abstract: Hj Fatimah Store is a retail business that sells a variety of spice products.
The store is not computerized yet, so employees still record reports manually.
Hj Fatimah Store faces challenges in predicting the sales of its best-selling spice products, leading to stockouts, difficulties in inventory planning, and the lack of a computerized system to forecast product In this context, data mining plays a crucial role in uncovering knowledge from data sets that is not easily discovered through manual analysis.
The system aims to predict the bestselling spice products at Hj Fatimah Store by applying the K-Nearest Neighbor (KNN) method.
This method is expected to assist in stock planning and address stockout issues.
K-Nearest Neighbor is a classification technique that groups data based on the proximity or distance between data points.
The purpose of applying the K-Nearest Neighbor algorithm is to classify new objects using attributes and training samples.
The data to be used in this system includes sales at Hj Fatimah Store from June 2022 to May 2023.
The results of the implementation and testing demonstrate that the designed system for Hj Fatimah Store aims to predict the bestselling spice products, facilitating inventory planning and helping the store manage data more effectively and produce accurate reports.
Keywords: K-Nearest Neighbor.
HJ Fatimah Shop.
Rempah-Rempah .
Laris Abstrak: Toko Hj Fatimah merupakan usaha yang bergerak dibidang retail, yang menjual berbagai macam produk rempah-rempah.
Toko Hj Fatimah ini belum terkomputerisasi sehingga pegawai masih saja pencatatan laporan secara manual.
Toko Hj Fatimah mengalami kesulitan dalam memprediksi penjualan produk rempah-rempah terlaris sehingga mengalami kehabisan stok, sulit dalam perencanaan persediaan stok dan belum adanya sistem komputerisasi yang dapat memprediksi penjualan produk.
Dalam hal ini, data mining sangat berperan penting dalam mengungkap pengetahuan dari kumpulan data yang tidak mudah diketahui melalui analisis Sistem ini bertujuan untuk memprediksi penjualan produk rempah-rempah terlaris di Toko Hj Fatimah dengan menerapkan metode K-Nearest Neighbor (KNN).
Metode ini diharapkan dapat membantu perencanaan stok dan mengatasi masalah kehabisan stok.
KNearest Neighbor adalah teknik klasifikasi yang mengelompokkan data berdasarkan kedekatan atau jarak antara titik data.
Tujuan penerapan algoritma K-Nearest Neighbor adalah untuk mengklasifikasikan objek baru menggunakan atribut dan sampel pelatihan.
Data yang akan digunakan dalam sistem ini mencakup penjualan di Toko Hj Fatimah dari Juni 2022 hingga Mei Dari hasil implementasi dan pengujian hasil dapat dijelaskan bahwa sistem yang dirancang pada toko HJ Fatimah merupakan suatu rancangan untuk memprediksi penjualan produk rempah-rempah terlaris pada toko Hj Fatimah yang dapat memudahkan pihak toko dalam perencanaan kebutuhan stok produk rempah-rempah.
Dengan rancangan ini diharapkan mampu mempermudah pihak toko HJ Fatimah bisa mengelola data dengan baik serta mendapatkan hasil laporan.
Kata Kunci: K-Nearest Neighbor.
Toko HJ Fatimah.
Rempah-Rempah.
Laris JUTSI (Jurnal Teknologi dan Sistem Informas.
ISSN 2774-9029 .
Vol.
4 No.
June 2024, hlm.
141 Ae 148 DOI: https://doi.
org/10.
33330/jutsi.
Available online at https://jurnal.
id/index.
php/jutsi/article/view/3347 PENDAHULUAN Dalam era perkembangan teknologi dan informasi yang semakin maju, kebutuhan akan informasi cepat sangat penting bagi lembaga dan bisnis, baik yang dijalankan secara pribadi maupun oleh organisasi.
Misalnya, dalam transaksi jual beli, diperlukan keefektifan dalam memperoleh data dan informasi baru untuk masa depan .
Kebutuhan informasi bisnis dalam penjualan dapat diperoleh melalui prediksi atau peramalan berdasarkan data penjualan sebelumnya.
Prediksi atau peramalan penjualan .
adalah metode perhitungan yang digunakan untuk memperkirakan kondisi masa depan dengan menguji data dari masa lalu .
Rempah-rempah adalah tanaman herba yang digunakan sebagai bumbu masakan untuk memberikan aroma dan meningkatkan selera makan.
Bagian tanaman yang termasuk rempah-rempah meliputi batang, daun, kulit kayu, umbi, rimpang .
, akar, biji, bunga, atau bagian lainnya.
Produk rempah-rempah dijual dalam jumlah besar dan memiliki beragam permintaan dari konsumen .
Toko Hj Fatimah mengalami kesulitan dalam memprediksi penjualan produk rempah-rempah terlaris sehingga mengalami kehabisan stok, sulit dalam perencanaan persediaan stok dan belum adanya sistem komputerisasi yang dapat memprediksi penjualan produk.
Dalam konteks ini, data mining memiliki peran penting dalam mengungkap informasi tersembunyi dari kumpulan data yang tidak dapat ditemukan secara manual .
Data mining adalah proses yang menggunakan satu atau lebih teknik pembelajaran mesin .
achine learnin.
untuk menganalisis dan mengungkap pengetahuan tersembunyi dalam database .
Oleh karena itu, data mining sangat penting untuk memperoleh informasi mengenai produk rempah-rempah yang paling laris dan diminati oleh konsumen.
Akan tetapi untuk menentukan produk rempahrempah mana saja yang terlaris dibutuhkan sebuah metode algoritma K-Nearest Neighbor untuk mempermudah pada toko Hj Fatimah.
Data mining adalah proses menggunakan pembelajaran mesin, pengenalan pola, basis data, statistik, dan teknik visualisasi untuk memecahkan masalah dalam mengekstraksi informasi dari repositori basis data yang besar .
Penelitian sebelumnya yang menggunakan metode K-Nearest Neighbor, berjudul "Penerapan Data Mining Untuk Prediksi Penjualan Produk Roti Terlaris Pada PT.
Nippon Indosari Corpindo Tbk," menunjukkan bahwa metode ini dapat digunakan untuk mengklasifikasikan data penjualan roti berdasarkan produk yang paling laris.
Metode K-Nearest Neighbor tersebut membantu pihak toko dalam mengelompokkan data penjualan .
METODE
K-Nearest Neighbor (KNN) adalah metode supervised yang mengklasifikasikan instance baru berdasarkan mayoritas label kelas dari tetangga terdekatnya.
Tujuan utama dari algoritma ini adalah mengklasifikasikan objek baru menggunakan atribut dan data pelatihan.
KNN bekerja dengan mengukur jarak terpendek antara instance query dan data pelatihan untuk menentukan tetangga terdekatnya .
Dalam penelitian ini, algoritma K-Nearest Neighbor menggunakan perhitungan jarak Euclidean, karena metode ini paling umum digunakan untuk data numerik.
Berikut adalah rumus perhitungan jarak Euclidean .
JUTSI (Jurnal Teknologi dan Sistem Informas.
ISSN 2774-9029 .
Vol.
4 No.
June 2024, hlm.
141 Ae 148 DOI: https://doi.
org/10.
33330/jutsi.
Available online at https://jurnal.
id/index.
php/jutsi/article/view/3347 Keterangan Rumus:
Nilai Xi : nilai yang ada pada data training Nilai Yi : nilai yang ada pada data testing Nilai K merupakan dimensi atribut .
Metode Penelitian Metode penelitian yang diterapkan dalam studi ini adalah metode penelitian Metode kuantitatif memungkinkan peneliti untuk menemukan pengetahuan melalui data yang dinyatakan dalam bentuk angka.
Angka-angka ini kemudian digunakan untuk menganalisis informasi.
Teknik pengumpulan data kuantitatif dilakukan dengan cara survei langsung ke toko Hj Fatimah, sehingga mengetahui data yang diinginkan seperti data penjualan produk rempah-rempah.
Gambar 1.
Kerangka Kerja Penelitian Teknik Pengumpulan Data Dalam Penelitian ini penulis mengumpulkan data dengan berbagai teknik sebagai berikut:
Wawancara adalah cara pengumpulan data yang dilakukan melalui percakapan antara peneliti dengan pemilik toko Ibu Alfridayati.
Observasi adalah teknik pengumpulan data yang dilakukan secara langsung datang ke lokasi yang diteliti, yaitu pada toko Hj Fatimah.
Studi Pustaka adalah pengumpulan data dengan cara membaca buku dan literatur lainnya yang dapat dijadikan acuan dalam penelitian skripsi.
JUTSI (Jurnal Teknologi dan Sistem Informas.
ISSN 2774-9029 .
Vol.
4 No.
June 2024, hlm.
141 Ae 148 DOI: https://doi.
org/10.
33330/jutsi.
Available online at https://jurnal.
id/index.
php/jutsi/article/view/3347 HASIL DAN PEMBAHASAN Implementasi Sistem Implementasi adalah proses penerapan atau pelaksanaan sebuah aplikasi.
Pada implementasi sistem ini, akan ditampilkan rancangan antarmuka pengguna.
Rancangan antarmuka ini khususnya mencakup antarmuka admin.
Antarmuka admin terdiri dari beberapa menu pilihan, yaitu menu Login.
Home.
Data Training.
Data Testing, dan Hasil KNN.
Sebelum sistem ini diimplementasikan pada server internet, sistem ini akan dijalankan terlebih dahulu pada server komputer lokal.
Pastikan Apache web server lokal dan database MySQL telah diaktifkan sebelum menjalankan sistem.
Setelah keduanya aktif, buka aplikasi web browser, seperti Mozilla Firefox atau browser Ketik alamat berikut pada address bar web browser: http://localhost/KNN/.
Data Training Data training adalah data yang sudah di kelompokan atau data yang akan dimasukkan dalam perhitungan K-Nearest Neighbor (KNN).
Adapun data training tersebut adalah sebagai berikut:
Tabel 1.
Data Testing N Nama 1 Akar Usar 2 Kecibling Data Periode Data Periode Data Periode Data Periode Jun 22 - Agt Sept 22 - Okt Des 22 - Feb Mar 23 - Mei Tidak Laris Tidak Laris Laris 3 Kumis Kucing 4 Sambiroto 5 Melati Cina Klasifikasi Laris Tidak Laris Data Testing Data testing adalah data data yang akan diprediksi dan dimasukkan dalam perhitungan K-Nearest Neighbor.
Data testing tersebut yang akan diprediksi ialah data pada bulan juni 2023.
Adapun data testing tersebut adalah sebagai berikut Tabel 2.
Data Testing Nama Akar Usar Kecibling Kumis Kucing Sambiroto Melati Cina Jun-23 Awal Jual TOTAL Perhitungan K-Nearest Neighbor Dalam perhitungan K-Nearest Neighbor (KNN) ini dimulai dengan mencari perhitungan jarak antara data baru dan masing-masing data lainnya.
Adapun cara JUTSI (Jurnal Teknologi dan Sistem Informas.
ISSN 2774-9029 .
Vol.
4 No.
June 2024, hlm.
141 Ae 148 DOI: https://doi.
org/10.
33330/jutsi.
Available online at https://jurnal.
id/index.
php/jutsi/article/view/3347 menghitung jarak maka menggunakan metode Euclidean Distance adalah sebagai Data 1 dis = Oo.
Oe .
Oe .
Oe .
Oe .
2 = 71,21095421 Data 2 dis = Oo.
Oe .
Oe .
Oe .
Oe .
2 = 177,595045 Data 3 dis = Oo.
Oe .
Oe .
Oe .
Oe .
2 = 176,6182324 Data 4 dis = Oo.
Oe .
Oe .
Oe .
Oe .
2 = 95,115719 Data 5 dis = Oo.
Oe .
Oe .
Oe .
Oe .
2 = 79,96874389 Dari perhitungan Euclidean distance diatas, jika kita rangkum dari jarak terdekat, hasilnya sebagai berikut:
Tabel 3.
Data Jarak Terdekat Nama Euclidean Akar Usar
Kecibling Kumis Kucing Sambiroto
Melati Cina
71,21095421
177,595045
176,6182324
95,115719
79,96874389
Hasil Perhitungan K-Nearest Neighbor Pada Nilai K Dari hasil data jarak terdekat dan nilai K=3 maka data baru tersebut dapat dilihat pada tabel dibawah ini:
Tabel 4.
Hasil Data Jarak Terdekat dan Nilai K=3 Nama Euclidean Klasifikasi
Akar Usar
Kecibling Kumis Kucing Sambiroto
Melati Cina
71,21095421
177,595045
176,6182324
95,115719
79,96874389
Tidak Laris Laris Laris Laris Tidak Laris JUTSI (Jurnal Teknologi dan Sistem Informas.
ISSN 2774-9029 .
Vol.
4 No.
June 2024, hlm.
141 Ae 148 DOI: https://doi.
org/10.
33330/jutsi.
Available online at https://jurnal.
id/index.
php/jutsi/article/view/3347 Halaman Login Admin Halaman login admin digunakan untuk mengautentikasi hak admin dalam mengakses sistem.
Admin dengan kredensial yang valid, seperti nama pengguna: admin dan kata sandi: admin, dapat masuk.
Berikut adalah tampilan halaman login.
Gambar 2.
Tampilan Login Admin Halaman Data Training Halaman data training merupakan data untuk input data training serta mulai pelatihan dengan menginput nilai K.
Berikut tampilan halaman data training.
Gambar 3.
Tampilan Halaman Data Training Halaman Data Testing Halaman data testing merupakan halaman data yang akan di prediksi.
Berikut tampilan halaman data testing.
JUTSI (Jurnal Teknologi dan Sistem Informas.
ISSN 2774-9029 .
Vol.
4 No.
June 2024, hlm.
141 Ae 148 DOI: https://doi.
org/10.
33330/jutsi.
Available online at https://jurnal.
id/index.
php/jutsi/article/view/3347 Gambar 4.
Tampilan Halaman Data Testing Halaman klasifikasi KNN ini merupakan halaman hasil dari perhitungan data training dan data testing.
Berikut tampilan halaman klasifikasi KNN:
Gambar 5.
Tampilan Klasifikasi KNN Berdasarkan hasil implementasi dan pengujian, dapat dijelaskan bahwa sistem yang dirancang di http://localhost/KNN/ mempermudah admin dalam mengelola data training dan testing.
Sistem ini memungkinkan input data training dan testing serta menampilkan hasil prediksi menggunakan metode KNN.
SIMPULAN
Berdasarkan hasil penelitian yang telah dilakukan di Toko HJ Fatimah dengan judul AuPenerapan Metode K-Nearest Neighbor Untuk Memprediksi Penjualan RempahRempah Terlaris Pada Toko HJ FatimahAy.
Terciptanya sebuah aplikasi berbasis website dengan perhitungan K-Nearest Neighbor yang dapat membantu memprediksi penjualan produk rempah- rempah dan mengurangi kemungkinan kesalahan dalam menetapkan jumlah stok yang harus disediakan oleh pemilik Toko HJ Fatimah agar permintaan konsumen dapat terpenuhi dengan baik.
Dari hasil menerapkan metode K-Nearest JUTSI (Jurnal Teknologi dan Sistem Informas.
ISSN 2774-9029 .
Vol.
4 No.
June 2024, hlm.
141 Ae 148 DOI: https://doi.
org/10.
33330/jutsi.
Available online at https://jurnal.
id/index.
php/jutsi/article/view/3347 Neighbor untuk prediksi rempah- rempah pada Toko HJ Fatimah yang telah dilakukan, mendapatkan jumlah hasil prediksi klasifikasi KNN diantaranya produk yang laris sebanyak 13 dan produk tidak laris sebanyak 32.
Hasil prediksi ini dapat membantu pemilik toko dalam pengambilan keputusan terkait pengelolaan stok.
Dengan mengetahui produk mana yang laris dan mana yang tidak, pemilik toko dapat menyesuaikan jumlah stok yang harus disediakan, sehingga dapat mengurangi pemborosan dan memastikan ketersediaan produk yang diminati oleh konsumen.
DAFTAR PUSTAKA