<![CDATA[Penelitian ini bertujuan mengembangkan model prediktif berbasis K-Nearest Neighbor (KNN) untuk memprediksi tren penyewaan kontainer pada tahun 2023 serta menganalisis faktor-faktor yang memengaruhinya. Data yang digunakan mencakup transaksi penyewaan dari kuartal I hingga IV tahun 2023. Evaluasi akurasi model dilakukan menggunakan metrik MAE, MSE, RMSE, dan R². Hasil prediksi total transaksi menunjukkan performa baik dengan MAE 15.247.442,46, RMSE 47.566.997,44, dan R² sebesar 0,9663. Namun, pada prediksi bulanan dan harian, akurasi menurun signifikan (R² masing-masing -0,2190 dan -1,9959), menandakan kelemahan dalam memprediksi data berskala lebih kecil. Analisis tren menunjukkan fluktuasi musiman: kuartal I mengalami peningkatan stabil, kuartal II mengalami penurunan jumlah sewa meskipun durasi meningkat, kuartal III mengalami penurunan signifikan, dan kuartal IV menunjukkan pemulihan, terutama pada bulan Desember. Berdasarkan temuan ini, disarankan agar perusahaan menambah armada menjelang kuartal IV dan memberikan promo di kuartal III. Hasil riset ini menyediakan model prediktif berbasis data yang dapat digunakan sebagai dasar pengambilan keputusan strategis untuk optimalisasi operasional perusahaan penyewaan kontainer.]]>
Copyrights © 2025
