PENERAPAN DATA MINING UNTUK MEMPREDIKSI DATA PENJUALAN BARANG PADA PT. DANO SIGARAP PERDANA

Abstract

Penelitian ini menerapkan metode K-Nearest Neighbor (KNN) untuk menganalisis dan memprediksi tren penjualan di PT. Dano Sigarap Perdana. Dengan memeriksa jarak Euclidean dari fitur produk dan status penjualannya, analisis ini mengidentifikasi pola dalam perilaku penjualan. Produk dengan jarak Euclidean yang lebih kecil menunjukkan tren penurunan penjualan, sementara produk dengan jarak yang lebih besar menunjukkan potensi peningkatan. Algoritma KNN membantu memprediksi tren penjualan masa depan dengan menemukan kesamaan antara data baru dan data historis. Rekomendasi meliputi fokus pada pemasaran produk yang diprediksi akan naik penjualannya, secara rutin memperbarui model dengan data baru untuk menangkap perubahan pasar, dan mengoptimalkan pemilihan fitur untuk akurasi prediksi yang lebih baik. Pendekatan ini bertujuan untuk meningkatkan pengambilan keputusan dan perencanaan strategis dalam penjualan dan pemasaran produk. Sistem ini dibangun menggunakan bahasa pemrograman PHP dan MySQL sebagai basis data.