<![CDATA[Penjualan produk elektronik merupakan bagian integral dari pasar yang terus berkembang dengan cepat. Dalam konteks ini, penerapan teknik Data Mining menjadi penting untuk mengungkap pola dan wawasan yang tersembunyi dalam data penjualan, dengan tujuan utama memprediksi produk elektronik terlaris. Penelitian ini fokus pada penerapan metode K-Nearest Neighbor (KNN) sebagai alat untuk mencapai prediksi yang akurat. Metode KNN adalah algoritma yang berdasarkan pada konsep bahwa entitas cenderung memiliki kinerja serupa jika mereka berdekatan dalam ruang fitur. Dalam konteks penjualan produk elektronik, KNN digunakan untuk mengidentifikasi pola dari sejumlah besar data penjualan, yang mencakup variabel-variabel seperti harga dan jumlah terjual. Dengan menganalisis pola ini, algoritma KNN dapat memprediksi produk elektronik yang kemungkinan besar menjadi produk terlaris di masa depan. Penelitian ini melibatkan langkah-langkah penting seperti pra-pemrosesan data, pemilihan parameter K dalam KNN, validasi model, dan pengukuran akurasi. Hasil penelitian ini berupa akurasi dalam melakukan prediksi dengan nilai 92% Dari total keseluruhan jumlah produk yang terjual adalah 491 produk. Secara keseluruhan penelitian ini menunjukkan bahwa penerapan Data Mining dengan metode KNN memiliki potensi untuk meningkatkan pemahaman tentang tren penjualan produk elektronik dan memberikan informasi berharga untuk prediksi produk terlaris di masa mendatang. Keakuratan prediksi dapat ditingkatkan dengan mempertimbangkan variabel tambahan dan menggabungkan metode analisis lainnya.]]>
