PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN PRODUK ELEKTRONIK TERLARIS MENGGUNAKAN METODE K-NEAREST NEIGHBOR (STUDI KASUS INTERYASA HOMINDO PALEMBANG)-FIX

Abstract

Perkembangan teknologi informasi telah mendorong transformasi besar dalam system pengelolaan data penjualan, khususnya di sector perdagangan elektronik. Data penjualan yang dihasilkan setiap harinya mengandung pola-pola penting yang dapat dimanfaatkan untuk mendukung pengambilan keputusan strategis. Penelitian ini bertujuan untuk menerapkan algoritma K-Nearest Neighbor (K-NN) dalam memprediksi produk elektronik terlaris berdasarkan data penjualan historis di PT Interyasa Homindo Palembang. Metode penelitian yang digunakan adalah pendekatan deskriptif-analitis dengan tahapan pengolahan data mengikuti proses Knowledge Discovery in Database (KDD), meliputi seleksi data, praproses, transformasi, data mining, serta evaluasi hasil. Proses klasifikasi dilakukan menggunakan perangkat lunak RapidMiner. Hasil penelitian menunjukkan bahwa algoritma K-NN mampu memprediksi enam produk elektronik terlaris dengan tingkat akurasi mencapai 92,51%. Hasil ini diharapkan dapa tmembantu perusahaan dalam merencanakan stok barang, meningkatkan efisiensi operasional, dan mendukung strategi bisnis berbasis data.