Model Prediksi Penjualan Jenis Produk Tekstil Menggunakan Algoritma K-Nearest Neighbor (K-NN)

Sari

Indonesia merupakan negara yang memiliki industri tekstil yang besar, mulai dari industri pembuatan serat sintetis (fiber making), industri pemintalan benang (spinning), industri pertenunan (weaving), industri perajutan (knitting), industri pencelupan, pencetakan dan penyempurnaan sampai dengan industri pakaian jadi (garment). Dalam dunia perstekstilan kita perlu memperhatikan pasar terhadap jenis kain yang akan diproduksi secara luas kepada masyarakat. Akan tetapi, tidak ada proses survey pasar pada perusahaan ini yang diakibatkan oleh kurangnya karyawan sehingga perusahaan hanya memproduksi barang tergantung dengan pesanan dari customer. Oleh karena itu diperlukan pemantauan terhadap permintaan oleh customer menggunakan klasifikasi data mining sehingga perusahaan dapat menentukan jenis produk mana yang akan tinggi permintaan dengan cara mengolah data penjualan perusahaan tersebut. Penelitian ini bertujuan untuk membantu perusahaan dalam menentukan arah untuk produksi serta penjualan di masa yang akan datang. Dalam penelitian ini algoritma yang dipilih adalah klasifikasi data mining dengan K-Nearest Neighbor dengan mengklaster data dari nilai k=1 hingga k=5. Hasil yang diperoleh dengan nilai k=1 mendapatkan akurasi 86.9% dengan RMSE 0.362. Serta nilai class recall & class precision pada confussion matrix yang didapat cukup baik sehingga model algoritma yang digunakan pada penelitian ini bekerja dengan baik.

Indonesia is a country that has a large textile industry, ranging from the synthetic fiber manufacturing industry (fiber making), the yarn spinning industry (spinning), the weaving industry (weaving), knitting industry (knitting), dyeing, printing and refinement industries to the clothing industry. so (garments). In the world of textiles, we need to pay attention to the market for the types of fabrics that will be widely produced to the public. However, there is no market survey process at this company which is caused by a lack of employees so that the company only produces goods depending on orders from customers. Therefore, it is necessary to monitor demand by customers using data mining classification so that companies can determine which types of products will be in high demand by processing the company's sales data. This study aims to assist the company in determining the direction for production and sales in the future. In this study, the algorithm chosen is data mining classification with K-Nearest Neighbor by clustering data from values k=1 to k=5. The results obtained with a value of k = 1 get an accuracy of 86.9% with an RMSE of 0.362. And the value of class recall & class precision in the confusion matrix is quite good so that the algorithm model used in this study works well.