This Author published in this journals
All Journal Technologic
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Technologic

IMPLEMENTASI METODE K-NEAREST NEIGHBOR UNTUK PREDIKSI PENJUALAN KEMASAN SKINCARE PADA PT. UNIVERSAL JAYA PERKASA Rino Indra Muhammad; Esron Rikardo Nainggolan; Jordy Lasmana Putra; Sidik Sidik; Susafa'ati Susafa'ati; Ummu Radiyah
Technologic Vol 12, No 2 (2021): TECHNOLOGIC
Publisher : Politeknik Manufaktur Astra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52453/t.v12i2.384

Abstract

PT. Universal Jaya Perkasa merupakan perusahaan yang bergerak dalam industri kemasan skincare. Perusahaan ini memiliki berbagai jenis kemasan skincare yang ditawarkan. Kendala yang dialami perusahaan yaitu belum adanya suatu metode dalam menentukan prediksi penjualan pada setiap produk di PT. Universal Jaya Perkasa dan belum adanya akurasi yang tepat dalam melihat penentuan suatu prediksi penjualan produk sehingga terjadi penumpukkan barang yang tidak terjual sesuai target perusahaan. Maka dibutuhkan prediksi untuk penjualan produk kemasan skincare yang paling banyak diminati setiap bulannya, yang berguna untuk mempermudah pihak perusahaan dalam perencanaan penyediaan stok produk. Untuk mengetahui penjualan produk kemasan skincare yang paling banyak diminati digunakan teknik klasifikasi data mining dan algoritma K-Nearest Neighbor menggunakan tools Rapidminer. Hasil perhitungan data mining menggunakan teknik klasifikasi dan algoritma K-Nearest Neighbor, terdiri dari atribut Kategori Produk, Kuantitas dan Bulan. Didapatkan hasil prediksi penjualan tertinggi pada produk kemasan skincare dengan 7 kategori produk yaitu Lipgloss Tube pada bulan (Juli & Maret), Cream Bottle (Februari), Essential Oil Bottle (Oktober), Spray Bottle (September), Powder Box (Januari), Pump Bottle (Agustus & Oktober) dan Tube (Agustus & Desember). Hasil pengujian perhitungan akurasi menggunakan Rapidminer untuk mengetahui penjualan beberapa bulan mendatang diperoleh hasil nilai akurasi 80%.