Prediksi Penjualan Oli Pertamina Pada PT Presol Indo Prima Menggunakan K Nearest Neighbor

Ahmad, Luckyta (2025) Prediksi Penjualan Oli Pertamina Pada PT Presol Indo Prima Menggunakan K Nearest Neighbor. Undergraduate Thesis thesis, UIN Raden Fatah Palembang.

[img]
Preview
Text
COVER.pdf

Download (224kB) | Preview
[img]
Preview
Text
ABSTRAK.pdf

Download (114kB) | Preview
[img] Text
BAB I.pdf
Restricted to Registered users only

Download (104kB) | Request a copy
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (133kB) | Request a copy
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (320kB) | Request a copy
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text
BAB V.pdf
Restricted to Registered users only

Download (121kB) | Request a copy
[img]
Preview
Text
DAFTAR PUSTAKA.pdf

Download (296kB) | Preview

Abstract

PT. Presol Indo Prima merupakan perusahaan distribusi minyak terkemuka Pertamina yang berlokasi di Sumatera Selatan, yang menawarkan beragam produk minyak. Berdasarkan data penjualan dari tahun sebelumnya, diperlukan prediksi penjualan minyak untuk mengidentifikasi produk yang paling laku. Untuk mencapai hal ini, penelitian ini menggunakan teknik klasifikasi menggunakan algoritma k-Nearest Neighbor (k-NN), yang dipilih karena efektivitasnya dalam mengklasifikasikan data berdasarkan kesamaan dengan data sebelumnya. Penelitian ini melakukan proses data mining pada data penjualan dari PT. Presol Indo Prima dari tahun 2021-2023. Evaluasi model algoritma dilakukan dengan mengukur akurasi, presisi, recall, dan f1-score untuk nilai k = 3. Hasil pengujian menunjukkan bahwa nilai K = 3 memberikan performa yang baik dengan Kelas 1 atau kurang laris menghasilkan precision 96%, recall 98%, dan f1-score 97%, kelas 2 atau laris menghasilkan precision 50%, recall 60%, dan f1-score 55%, kelas 3 atau sangat laris menghasilkan precision 0%, recall 0%, dan f1-score 0%. Hasil tersebut menjadi dasar perhitungan akurasi menggunakan metode confusion matriks yang diperoleh akurasi sebesar 0,9456 atau 94,56% dengan tingkat kesalahan sebesar 5,44% .

Item Type: Thesis (Undergraduate Thesis)
Uncontrolled Keywords: K-Nearest Neighbor (KNN), Klasifikasi, Prediksi
Subjects: 500 Sains dan Matematika > 510 Matematika
Sains dan Teknologi > Sistem Informasi
Divisions: Fakultas Sains dan Teknologi > 57201 - Sistem Informasi
Depositing User: Ahmad Luckyta 2020803034
Date Deposited: 24 Jun 2025 08:40
Last Modified: 24 Jun 2025 08:40
URI: http://repository.radenfatah.ac.id/id/eprint/47410

Actions (login required)

View Item View Item