SISTEM INFORMASI PREDIKSI PENJUALAN PRODUK THRIFT DI TOKO MANADO MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN)

Isi Artikel Utama

Siska Ayu Widiana
Iqbal Firdaus
Edwin Tenda
Eliasta Ketaren

Abstrak

Zaman yang modern dan cepat seperti sekarang ini tentu mempengaruhi gaya hidup serta gaya dalam berpakaian atau pemenuhan kebutuhan fashion. fashion sangat lekat dengan kehidupan sehari-hari hal ini dapat di lihat setiap hari kita menggunakan pakaian dan ingin tampil stylish. Fashion merupakan sesuatu yang mudah didapatkan oleh semua orang dan cenderung bersifat musiman, sehingga dapat dengan cepat mengalami perubahan. Perubahan-perubahan fashion yang cepat ini membuat banyak sekali mode dalam berpakaian dan kini muncul fenomena dalam industri fashion adalah pakaian dengan nuansa lawas (Vintage), namun untuk mendapatkan pakaian bernuansa lawas tersebut hanya bisa didapatkan di toko yang menjual pakaian bekas atau yang saat ini sering di sebut dengan pakaian thrifting. Semakin berkembang dan menjadi trend produk thrift, mengharuskan toko untuk merencanakan strategi penjualan. Agar toko tetap menjadi toko favorit dan tidak kalah dengan pesaing-pesaing baru, untuk menghindari hal tersebut maka perlu adanya prediksi penjualan untuk melihat potensi dari para pelanggan dan produk yang disukai pelanggan. Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Metode K-Nearest Neighbor merupakan sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data contoh yang mempunyai jarak paling dekat dengan objek tersebut. Algoritma ini hanya melakukan penyimpanan dan klasifikasi data. Tujuan dari penelitian ini adalah untuk menganalisis produk yang akan dijual untuk periode berikutnya serta dapat memberi informasi yang akurat tentang produk thrift yang paling diminati oleh konsumen. Keputusan yang diambil oleh penjual untuk melakukan perencanaan penyediaan stock produk thrift akan mempengaruhi penjualan. Oleh karena itu toko perlu memprediksi apa yang akan terjadi pada periode yang akan datang yang digunakan sebagai landasan pembuat keputusan atau kebijakan.

Rincian Artikel

Cara Mengutip
[1]
Siska Ayu Widiana, Iqbal Firdaus, Edwin Tenda, dan Eliasta Ketaren, “SISTEM INFORMASI PREDIKSI PENJUALAN PRODUK THRIFT DI TOKO MANADO MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN)”, JTM, vol. 12, no. 2, hlm. 52–57, Des 2023.
Bagian
Articles

Referensi

M. A. Rizaty, "Industri Tekstil Kembali Melesat 13,74% pada Kuartal II/2022," 19 Agustus 2022. [Online]. Available: https://dataindonesia.id/sektor-riil/detail/industri- tekstil-kembali-melesat-1374-pada-kuartal-ii2022.

A. A. M. S. Putri and A. S. Patria, "Perancangan Referensi Gaya Berpakaian Thrifting Melalui Feed Instagram," Jurnal Barik, Vol. 3 No. 2, pp. 125-137, 2022.

S. Margaretta, I. Arwani and D. E. Ratnawati, "Implementasi Algoritma K-Nearest Neighbor Pada Database Menggunakan Bahasa SQL," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 4, No. 7, pp. 2043-2052, 2020.

R. Ghilmansyah, S. Nursanti and W. Utamidewi, "Fenomena Thrifting Sebagai Gaya Hidup Milenial Bogor Vol. 8, No. 1," Jurnal Nomosleca, pp. 1-16, 2022.

G. Gafara, Why Do We Thrifting, London: Cambrige Press, 2018.

Yahya. and W. P. Hidayanti, "Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape (Rokok Elektrik) pada “Lombok Vape On”," Infotek : Jurnal Informatika dan Teknologi Vol. 3 No. 2, pp. 104-114, 2020.

A. Pujohardiyanto and S. Rofiah, "Sistem Informasi Pemesanan Tiket Pesawat dengan Codeigniter dan Bootstrap," Bina Insani ICT Journal, Vol. 6, No. 1, pp. 103-112, 2019.

P. Yenti and G. Farell, "Rancang Bangun Sistem Informasi Pengelolaan Tugas Mahasiswa Pada Matakuliah Pemrograman Sistem Bergerak Berbasis Web," Jurnal Vocational Teknik Elektronika dan Informatika, Vol. 9, No. 1, pp. 200-211, 2021.

Artikel paling banyak dibaca berdasarkan penulis yang sama