Perancangan Smart System dalam Klasifikasi Kelancaran Penjualan Produk Sembako pada Toko Udo Berkah Kabupaten Batu Bara
Pengabdian
DOI:
https://doi.org/10.31004/jerkin.v4i4.6756Keywords:
Smart System, K-Nearest Neighbor, Klasifikasi, Penjualan Sembako, Sistem InformasiAbstract
Pengelolaan stok di toko sembako kerap mengalami kendala akibat ketidakpastian dalam menentukan produk yang terjual cepat maupun lambat, sehingga pemilik usaha sering menghadapi risiko kelebihan atau kekurangan persediaan. Studi kasus pada Toko Sembako Udo Berkah yang berlokasi di Jalan Istana Dusun III, Desa Mekar Laras, Kecamatan Tanjung Tiram, Kabupaten Batu Bara, Sumatera Utara menunjukkan permasalahan serupa, di mana pemilik toko kesulitan menentukan kategori kelancaran penjualan setiap produk secara sistematis. Penelitian ini menerapkan algoritma K-Nearest Neighbor (K-NN) untuk mengklasifikasikan produk sembako ke dalam kategori Lancar dan Tidak Lancar. Tiga atribut utama digunakan, yaitu jumlah produk terjual, harga satuan, dan persentase keterjualan terhadap stok awal. Dataset terdiri atas 30 data latih dan 10 data uji dengan K=3. Proses klasifikasi melibatkan normalisasi Min-Max dan perhitungan jarak Euclidean. Hasil pengujian memperlihatkan akurasi klasifikasi mencapai 100%, dengan seluruh data uji berhasil diprediksi sesuai label aktualnya. Sistem informasi berbasis web juga dikembangkan menggunakan PHP dan MySQL untuk mendukung proses klasifikasi secara otomatis.
References
Alfani, W. P. R., Rozi, F., & Sukmana, F. (2021). Prediksi Penjualan Produk Unilever Menggunakan Metode K-Nearest Neighbor. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 6(1), 155–160. https://doi.org/10.29100/jipi.v6i1.1910
Azis, A., & Turmudi, A. Z. (2024). Prediksi Penjualan Obat dan Alat Kesehatan Terlaris Menggunakan Algoritma K-Nearest Neighbor. Jurnal Teknologi dan Sistem Informasi Bisnis, 6(1), 1–10. https://doi.org/10.47233/jteksis.v6i1.1077
Cover, T., & Hart, P. (1967). Nearest Neighbor Pattern Classification. IEEE Transactions on Information Theory, 13(1), 21–27. https://doi.org/10.1109/TIT.1967.1053964
Dewi, S. P., Nurwati, N., & Rahayu, E. (2022). Penerapan Data Mining untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor. Building of Informatics, Technology and Science (BITS), 3(4), 639–648. https://doi.org/10.47065/bits.v3i4.1408
Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann Publishers.
Muttaqin, A. G., Auliasari, K., & Wahyuni, F. S. (2020). Penerapan Metode K-Nearest Neighbor untuk Prediksi Penjualan Berbasis Web pada PT Wika Industri Energy. JATI (Jurnal Mahasiswa Teknik Informatika), 4(2), 1–6. https://doi.org/10.36040/jati.v4i2.2728
Prasetyo, E. (2014). Data Mining: Mengolah Data Menjadi Informasi Menggunakan Matlab. Penerbit Andi.
Rahmawati, L., & Indriyanti, A. D. (2024). Penerapan Metode K-Nearest Neighbor (K-NN) untuk Prediksi Penjualan Pakaian (Studi Kasus: UMKM Kresna). Journal of Emerging Information System and Business Intelligence (JEISBI), 5(3), 307–313.
Sabda, M. A., & Suhardi. (2023). Implementasi Data Mining dalam Memprediksi Penjualan Parfum Terlaris Menggunakan Metode K-Nearest Neighbor. Jurnal Sistem Komputer dan Informatika (JSON), hal. 415–422.
Sonita, A., & Lestari, A. (2024). Implementasi Metode K-Nearest Neighbor untuk Prediksi Penjualan Produk Rumah Tangga Terlaris. JSAI: Journal Scientific and Applied Informatics, 7(3), 544–552. https://doi.org/10.36085/jsai.v7i3.6350
Suryadi, L., Ngajiyanto, N., Pratiwi, N. E., Ardhy, F., & Riswanto, P. (2022). Penerapan Data Mining Prediksi Penjualan Mebel Terlaris Menggunakan Metode K-Nearest Neighbor. JUSIM (Jurnal Sistem Informasi Musirawas), 7(2), 174–184. https://doi.org/10.32767/jusim.v7i2.1697
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Rizky Riansyah Panjaitan, Bambang Irwansyah, Dicky Apdillah, Harmayani Harmayani, Suci Ramadani, Imelda Regina Siswi, Icha Wayu Mayanda, Putri Rahmawani

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.












