Prediksi Penjualan Produk Pepsodent Unilever dengan Algoritma K-Nearest Neighbor

Maulida, Dzikra (2024) Prediksi Penjualan Produk Pepsodent Unilever dengan Algoritma K-Nearest Neighbor. Journal of Computer System and Informatics (JoSYC).

Text Jurnal_Dzikra_Maulida.pdf Download (1MB)

Abstract

Dalam era globalisasi dan persaingan pasar yang semakin ketat, perusahaan-perusahaan berusaha untuk meningkatkan efisiensi operasional dan strategi pemasaran mereka untuk mempertahankan pangsa pasar dan meningkatkan pendapatan. PT. Unilever Tbk, sebagai salah satu perusahaan multinasional yang mengoperasikan berbagai jenis produk konsumen, termasuk produk-produk perawatan gigi seperti Pepsodent, membutuhkan prediksi penjualan yang handal untuk memaksimalkan kinerja produknya di pasar. Tujuan utama dari penelitian ini adalah Untuk menerapkan metode K-Nearest Neighbor pada produk pepsodent Unilever dalam model prediksi yang dapat melakukan praproses terhadap data produk pepsodent selama 1 tahun terakhir menggunakan Rapid Miner serta Untuk mengukur tingkat akurasi prediksi penjualan produk Pepsodent. Data yang digunakan adalah jumlah stock, jenis pepsodent, penjualan, factor musiman. Dari hasil analisis dan evaluasi, dapat disimpulkan bahwa akurasi Prediksi dalam algoritma K-NN mampu memberikan prediksi penjualan yang cukup akurat untuk produk Pepsodent Whitening dengan nilai 161, 186, 165 pediksinya sama-sama 114. Pepsodent Ekonomi dengan nilai 982 prediksinya 1021, nilai 638 dan 774 prediksinya sama-sama 927. Pepsodent Herbal dengan nilai 173 prediksinya 193 dan nilai 129 dan 118 nilai prediksinya sama-sama 207. Prediksi penjualan yang akurat sangat membantu dalam perencanaan produksi dan strategi pemasaran, yang pada akhirnya dapat meningkatkan efisiensi operasional dan kepuasan pelanggan. Algoritma K-NN terbukti efektif dalam kasus ini, meskipun pemilihan parameter K yang tepat sangat penting untuk mendapatkan hasil terbaik.

Jenis Item:	Artikel
Subjects:	000 Generalities > 005 Computer programming, programs, data
Divisions:	Fakultas Sains dan Teknologi > Ilmu Komputer
Pengguna yang mendeposit:	Mrs Siti Masitah
Date Deposited:	23 Jan 2025 07:56
Last Modified:	23 Jan 2025 07:56
URI:	http://repository.uinsu.ac.id/id/eprint/23874

Actions (login required)

View Item