SISTEM PREDIKSI PENJUALAN TRIPLEK MENGGUNAKAN METODE REGRESI TIME SERIES K-NEAREST NEIGHBOR (KNN) PADA TOKO MAKMUR CIBUBUR

Michael Joses Dharmali; Desi Arisandi; Tri Sutrisno

doi:10.30736/jt.v15i2.994

Sistem Prediksi Penjualan Triplek Menggunakan Metode Regresi Time Series K-Nearest Neighbor (KNN) pada Toko Makmur Cibubur

Authors

Michael Joses Dharmali Universitas Tarumanagara
Desi Arisandi Universitas Tarumanagara
Tri Sutrisno Universitas Tarumanagara

DOI:

https://doi.org/10.30736/jt.v15i2.994

Keywords:

K-Nearest Neighbor, Regresi, Time Series, Prediksi, Penjualan, Triplek

Abstract

Memastikan ketersediaan barang memiliki peranan yang sangat penting dalam perusahaan dagang. Hal ini juga berlaku pada ketersediaan triplek dalam Toko Makmur Cibubur. Tujuan dari penelitian ini adalah pembuatan program yang dapat memprediksi penjualan triplek menggunakan algoritma regresi K-Nearest Neighbor (KNN) pada data time series. Metode penelitian bersifat kuantitatif dengan menggunakan data time series penjualan tujuh jenis triplek. Ketujuh model yang telah dihasilkan dalam penelitian ini mencapai rata-rata tingkat akurasi tertinggi sebesar 62,71% untuk 28 data validasi. Hasil dan kesimpulan yang dapat diambil dari penelitian ini adalah bahwa metode KNN dapat memprediksi penjualan triplek bersifat time series dengan akurasi yang cukup, sehingga dapat membantu menentukan persediaan triplek.

Downloads

Download data is not yet available.

References

Kurniawan, F. (2022). Penentuan Persediaan Bahan Baku Kertas pada Perusahaan Manufaktur dengan Metode Long-Short Term Memory. http://repository.untar.ac.id/27974/4/535170023_Febryo%20Kurniawan_04%20Abstrak.pdf

Qossam, Muhammad, I. A. (2019). Analisis Daya Saing dan Struktur Pasar Kayu Lapis Indonesia di Pasar Internasional. Jurnal Ilmiah Mahasiswa FEB Universitas Brawijaya. 8(2).

Resti, H. & Erna, Z. A. (2022). Implementasi Metode K-Nearest Neighbor untuk Prediksi Penjualan Furniture pada CV Octo Agung Jepara. http://eprints.dinus.ac.id/18785/2/jurnal_17788.pdf

Stephensen, R. (2022). Perancangan Sistem Rekomendasi dan Reservasi Hotel Menggunakan Metode Case-Based Reasoning (CBR) dengan Algoritma KNN Berbasis Web. http://repository.untar.ac.id/27974/4/535170023_

Stephensen%20Reynard_04%20Abstrak.pdf

Natcha, K. S., Budi, A. D., Tesa, P. N. (2021). Prediksi Barang Keluar TB Wijaya Bangunan Menggunakan Algoritma KNN Regression dengan RStudio. JISKa, 4(2).

Abi, H., Indriani, Fatma & Muliadi (2019). Metode Timeseries K-Nearest Neighbor Regression dalam Prediksi Barang Keluar pada Gudang PT Putra Prenuer Banjarbaru. Seminar Nasional Ilmu Komputer (SOLITER), 2(1).

Marinoiu, C. (2018). Average Monthly Rainfall Forecast in Romania by Using K-Nearest Neighbors Regression. Annals of the „Constantin Brâncu?i” University of Târgu Jiu, 4.

Seruni, Sekar, D., Furqon, Tanzil, M., Wihandika, Cahya, R. (2020). Sistem Prediksi Pertumbuhan Jumlah Penduduk Kota Malang Menggunakan Metode K-Nearest Neighbor Regression. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 4(4).

Diajeng, S. S., Muhammad, T.F. & Randy, C.W. (2020). Sistem Prediksi Pertumbuhan Jumlah Penduduk Kota Malang Menggunakan Metode K-Nearest Neighbor Regression”, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 4(4), 1075-1082.

Sindhoora, K. M., Spandana, K. U., Ivanov, D., Borisova, E., Raghavendra, U., Rai, S., Kabekkodu, S. P., Mahato, K. K., Mazumder, N. (2021). Machine-learning based classification of Stokes-Mueller polarization images for tissue characterization. Journal of Physics: Conference Stories. 1859.

Downloads

PlumX Metrics

Published

2023-09-14

How to Cite

Dharmali, M. J., Arisandi, D., & Sutrisno, T. (2023). Sistem Prediksi Penjualan Triplek Menggunakan Metode Regresi Time Series K-Nearest Neighbor (KNN) pada Toko Makmur Cibubur. Jurnal Teknika, 15(2), 81–86. https://doi.org/10.30736/jt.v15i2.994

Download Citation

Issue

Vol. 15 No. 2 (2023): JURNAL TEKNIKA

Section

Jurnal Teknika

License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Teknika dilisensikan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Anda bebas untuk:

Bagikan â€” salin dan distribusikan ulang materi dalam media atau format apa pun
Beradaptasi â€” me-remix, mengubah, dan membangun materi untuk tujuan apa pun, bahkan secara komersial. Lisensi ini dapat diterima untuk Karya Budaya Bebas.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti persyaratan lisensi.

Atribusi â€” Anda harus memberikan kredit yang sesuai, memberikan tautan ke lisensi, dan menunjukkan jika ada perubahan. Anda dapat melakukannya dengan cara yang wajar, tetapi tidak dengan cara apa pun yang menunjukkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
ShareAlike â€” Jika Anda me-remix, mengubah, atau membangun materi, Anda harus mendistribusikan kontribusi Anda di bawah lisensi yang sama seperti aslinya.
Tidak ada batasan tambahan â€” Anda tidak boleh menerapkan persyaratan hukum atau tindakan teknologi yang secara hukum membatasi orang lain untuk melakukan apa pun yang diizinkan oleh lisensi.

Hak Cipta

Penulis yang menerbitkan dengan jurnal ini menyetujui persyaratan berikut:

Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal di jurnal ini .

Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.

Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).