METODE K-NEAREST NEIGHBOR UNTUK MEMPREDIKSI PENJUALAN PRODUK PADA UMKM PENGOLAHAN IKAN MAJU JAYA

Abstract

Abstrak

Penjualan produk pengolahan ikan di UMKM Maju Jaya tiap bulan mengalami fluktuasi dengan grafik tren menurun pada tahun 2021. Metode Naive yang dilakukan oleh penjual menghasilkan nilai potensi error mencapai 29% dari total penjualan produk olahan. UMKM Maju mengalami potensi kerugian mencapai Rp1,005,800.00 selama satu tahun. Tujuan dari penelitian ini yaitu mengetahui prediksi dan tingkat validasi error jumlah produksi olahan ikan metode K-Nearest Neighbor dibanding dengan metode SMA, DMA, SES, DES, dan Naive sampai bulan Desember 2022. Ada 6 model yang dikembangkan dalam penelitian dengan tujuan untuk mengetahui pengaruh pada faktor analisis yang digunakan. Hasil dari penelitian yaitu peramalan KNN time series menghasilkan uji performansi dengan nilai RSME lebih kecil dibandingkan metode lainnya. Rekomendasi yang diusulkan mendapatkan net Benefit Cost Ratio dengan nilai 2,82 investasi untuk membeli laptop sebagai alat bantu adalah layak.

Kata kunci : peramalan, KNN, penggalian data, RMSE

Sales of fish processing products at UMKM Maju Jaya have fluctuated every month with a downward trend in 2021. The Naive method carried out by the seller produces a potential error value of up to 29% of the total sales of processed products. UMKM Maju Jaya experience potential losses of up to IDR 1,005,800.00 for one year. The purpose of this study is to find out the prediction and validation error rate for processed fish production using the K-Nearest Neighbor method compared to the SMA, DMA, SES, DES, and Naive methods until December 2022. There are 6 models developed in this study with the aim of knowing the influence of the factor analysis used. The results of the research are the KNN time series forecasting which produces a performance test with a lower RSME value than other methods. The proposed recommendation with a value of Benefit Cost Ratio is 2.82 which make the investment to buy a laptop as a tool is feasible.

Keywords: forecasting, KNN, Data Mining, RMSE