Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Algoritma K-Nearest Neighbor Dengan Model Manhattan Distance Untuk Memprediksi Penjualan Textile Siregar, Sari Ramadhani
JURNAL RISET KOMPUTER (JURIKOM) Vol. 11 No. 2 (2024): April 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v11i2.8446

Abstract

Memprediksi penjualan di masa depan memiliki peran yang sangat penting dalam membantu perusahaan menentukan jumlah permintaan serta potensi pasar yang dapat dijangkau. Proses ini memungkinkan perusahaan untuk mengantisipasi perubahan tren pasar dan merencanakan strategi bisnis yang lebih efektif. Dengan prediksi yang akurat, perusahaan dapat mengelola stok barang dengan lebih baik guna menghindari kekurangan atau kelebihan persediaan, yang dapat berdampak pada efisiensi operasional dan kepuasan pelanggan. Centra Moda Textile Medan adalah perusahaan yang bergerak di bidang perdagangan tekstil dan telah menerapkan sistem penjualan online untuk meningkatkan efektivitas bisnisnya. Namun, tingginya permintaan sering kali menyebabkan kehabisan stok barang tertentu, sehingga pelanggan harus menunggu lama untuk mendapatkan produk yang mereka butuhkan. Kondisi ini dapat berdampak negatif terhadap loyalitas pelanggan serta keuntungan perusahaan. Oleh karena itu, diperlukan sistem prediksi yang mampu mengidentifikasi pola penjualan dengan tingkat akurasi yang tinggi. Dalam penelitian ini, algoritma K-Nearest Neighbor (K-NN) dengan model Manhattan Distance digunakan untuk mengklasifikasikan data penjualan serta menentukan produk yang paling diminati pelanggan. Hasil penelitian menunjukkan bahwa metode ini memiliki tingkat keberhasilan sebesar 70% dengan toleransi error 10% serta rata-rata akurasi prediksi mencapai 85,91%. Dengan penerapan sistem prediksi ini, diharapkan perusahaan dapat lebih efektif dalam merencanakan ketersediaan stok barang, meningkatkan efisiensi operasional, dan memenuhi permintaan pasar secara lebih optimal, sehingga dapat mendukung pertumbuhan bisnis perusahaan di masa mendatang.