Klasifikasi Jenis Produk Sepatu Terlaris di TokoPedia Menggunakan Prediksi K-Nearest Neighbor

azzah luthfiatussundus luthfiatussundus

doi:10.30591/smartcomp.v12i2.4438

Klasifikasi Jenis Produk Sepatu Terlaris di TokoPedia Menggunakan Prediksi K-Nearest Neighbor

azzah luthfiatussundus luthfiatussundus

Abstract

Sepatu yaitu jenis alas kaki yang melindungi seluruh bagian kaki, namun jenis sepatu ada banyak sekali, tergantung dari tujuan pemakainya. Dengan banyak model sepatu, salah satu toko penjual sepatu menghadapi beberapa masalah. Diantaranya yaitu pada era digitalisasi ini, banyak toko-toko lain yang sudah melakukan penjualan online di situs web atau sering disebut dengan e-commerce salah satunya TokoPedia, jika penjual masih melakukan penjualan secara offline di era digitalisasi ini maka semakin banyak pesaing toko sepatu yang sudah melakukan pembukaan toko di internet. Sebelum toko sepatu ingin melakukan penjualan secara online perlu dilakukan prediksi jenis sepatu yang diminati oleh pelanggan agar toko dapat bersaing dengan toko lain yang berada di TokoPedia. Algoritma prediksi penelitian ini adalah algoritma K-NN. Proses perhitungan dan pengukuran akurasi role menggunakan aplikasi Orange Data Mining dan Microsoft Excel. Penelitian ini menggunakan model jenis sepatu yang diminati dengan algoritma prediksi KNN dengan nilai presisi 0,531. Jenis sepatu yang diminati yaitu sepatu Sneakers Pria (1333), ini merupakan hasil dari total data set sebanyak 5165 data.

Full Text:

References

A. Madya, “Laporan tugas akhir foto sepatu beazt dalam fotografi still life,” 2022.

N. K. Marchyta, “Antecedents of Online Experience on E-Commerce Platform in Indonesia,” J. Manaj. Pemasar., vol. 16, no. 1, pp. 32–36, 2022, doi: 10.9744/pemasaran.16.1.32-36.

L. E. Saputri and A. Utomo, “Pengaruh Brand Image, Kualitas Produk, Dan Harga Terhadap Keputusan Pembelian Sepatu Converse Di Surakarta,” Excellent, vol. 8, no. 1, pp. 92–103, 2021, doi: 10.36587/exc.v8i1.911.

B. Hardiyanto and F. Rozi, “PREDIKSI PENJUALAN SEPATU MENGGUNAKAN METODE K-NEAREST NEIGHBOR.”

S. Diwandari and A. T. Hidayat, “Predicting Analysis of User’s Interest from Web Log Data in e-Commerce using Classification Algorithms,” J. Ilmu Komput. dan Inf. (Journal Comput. Sci. Inf., vol. 1, no. 33, pp. 33–38, 2022, [Online]. Available: http://dx.doi.org/10.21609/jiki.v15i1.1024

S. S. Hilabi et al., “TechnoXplore Jurnal Ilmu Komputer & Teknologi Informasi ISSN : 2503-054X Vol 4 No: 1, April 2019,” J. Ilmu Komput. Teknol. Inf., vol. 4, no. 1, pp. 28–37, 2019.

L. Husna, S. Syahputra, and B. S. Ginting, “Penerapan data mining menggunakan metode K-Means cluster untuk pengelopokkan data perizinan Madrasah Diniyah Taklimiyah Awwaliyah (MDTA) studi kasus Kementerian Agama Stabat,” J. Inform. Kaputama, vol. 6, no. 3, 2022.

R. Fitra and I. Rusdi, “Penerapan Metode Algoritma K-Nearest Neighbor Menggunakan Rapidminer Studio Pada Klasifikasi Status Sosial Ekonomi Studi Kasus: Kelurahan Kapuk Muara Rt …,” Smart Comp Jurnalnya Orang Pint. …, pp. 653–660, 2022, [Online]. Available: http://ejournal.poltektegal.ac.id/index.php/smartcomp/article/view/4250

H. Gunawan and V. Purwayoga, “Data Mining Menggunakan Algoritma K-Means Clustering Untuk Mengetahui Potensi Penyebaran Virus Corona Di Kota Cirebon,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 11, no. 1, pp. 1–8, 2022, doi: 10.32736/sisfokom.v11i1.1316.

H. Putri, A. I. Purnamasari, A. R. Dikananda, O. Nurdiawan, and S. Anwar, “Penerima Manfaat Bantuan Non Tunai Kartu Keluarga Sejahtera Menggunakan Metode NAÏVE BAYES dan KNN,” Build. Informatics, Technol. Sci., vol. 3, no. 3, pp. 331–337, 2021, doi: 10.47065/bits.v3i3.1093.

P. Val, I. Framework, U. Mengevaluasi, and K. Sistem, “Jurnal saintesa,” vol. 2, pp. 1–7, 2022.

H. Hozairi, A. Anwari, and S. Alim, “Implementasi Orange Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model K-Nearest Neighbor, Decision Tree Serta Naive Bayes,” Netw. Eng. Res. Oper., vol. 6, no. 2, p. 133, 2021, doi: 10.21107/nero.v6i2.237.

Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.

Aji Priyambodo and Prihati Prihati, “Evaluasi Ekstraksi Fitur Klasifikasi Teks Untuk Peningkatan Akurasi Klasifikasi Menggunakan Naive Bayes,” Elkom J. Elektron. dan Komput., vol. 13, no. 1, pp. 159–175, 2020, doi: 10.51903/elkom.v13i1.277.

S. P. Dewi, N. Nurwati, and E. Rahayu, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor,” Build. Informatics, Technol. Sci., vol. 3, no. 4, pp. 639–648, 2022, doi: 10.47065/bits.v3i4.1408.

DOI: https://doi.org/10.30591/smartcomp.v12i2.4438