Ahmad, Luckyta (2025) Prediksi Penjualan Oli Pertamina Pada PT Presol Indo Prima Menggunakan K Nearest Neighbor. Undergraduate Thesis thesis, UIN Raden Fatah Palembang.
|
Text
COVER.pdf Download (224kB) | Preview |
|
|
Text
ABSTRAK.pdf Download (114kB) | Preview |
|
![[img]](http://repository.radenfatah.ac.id/style/images/fileicons/text.png) |
Text
BAB I.pdf Restricted to Registered users only Download (104kB) | Request a copy |
|
|
Text
BAB II.pdf Restricted to Registered users only Download (133kB) | Request a copy |
|
|
Text
BAB III.pdf Restricted to Registered users only Download (320kB) | Request a copy |
|
|
Text
BAB IV.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text
BAB V.pdf Restricted to Registered users only Download (121kB) | Request a copy |
|
|
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 |