Prediksi Penjualan Barang Menggunakan Algoritma K-Nearest Neighbor

Abstract

Kemampuan untuk memprediksi jumlah penjualan produk sangat penting dalam mendukungp engambilan keputusan bisnis seperti pengelolaan stok dan perencanaan produksi. Penelitiani ni bertujuan membangun model prediksi penjualan menggunakan algoritma K-Nearest Neighbor (KNN) berdasarkan data historis penjualan enam jenis produk dari Toko X pada periode Agustus 2022 hingga November 2023. Proses prediksi melibatkan penentuan nilai k, perhitungan jarak, pemilihan tetangga terdekat, dan evaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Mean Absolute Error (MAE). Hasil evaluasi menunjukkan bahwa model KNN mampu memprediksi tren penjualan dengan akurasi yang cukup baik, dengan nilai rata-rata MAPE sebesar 16,66% dan MAE sebesar 4168,77. Model ini dapat digunakan sebagai alat bantu untuk memperkirakan permintaan barang dan mendukung pengambilan keputusan operasional secara lebih efektif dan efisien.