Husna, Asmaul (2024) IMPLEMENTASI ALGORITMA ANALITYCAL HIERARCHY PROCESS(AHP) DAN K-NEAREST NEIGHBOR (KNN) UNTUK KLASIFIKASI PENJUALAN BARANG . S1 thesis, Universitas Malikussaleh.

	Text cover.pdf Download (37kB)
	Text Abstrak.pdf Download (70kB)
	Text BAB I.pdf Download (76kB)
	Text DAFTAR PUSTAKA.pdf Download (125kB)
	Text SKRIPSI ASMAUL HUSNA.pdf Restricted to Registered users only Download (2MB)

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja algoritma Analytical Hierarchy Process (AHP) dan K-Nearest Neighbor (KNN) dalam mengklasifikasikan barang yang terjual di Supermarket PIM berdasarkan kategori terlaris, laris, dan tidak laris. Penilaian dilakukan dengan mempertimbangkan sejumlah kriteria utama, yaitu jumlah penjualan, harga per satuan, dan kategori barang. Studi ini menggunakan data penjualan Supermarket PIM tahun 2022 sebagai sumber data untuk menguji efektivitas kedua algoritma dalam memprediksi klasifikasi barang. Hasil penelitian menunjukkan perbedaan signifikan antara kedua algoritma tersebut. Algoritma AHP menghasilkan nilai Consistency Index (CI) sebesar 0,067 dan Consistency Ratio (CR) sebesar 0,116. Nilai CR yang melebihi batas toleransi 0,1 atau 10% menunjukkan bahwa hasil klasifikasi yang diperoleh dari metode AHP kurang konsisten. Ketidakkonsistenan ini kemungkinan besar disebabkan oleh kelemahan dalam proses pengisian matriks perbandingan berpasangan yang memerlukan evaluasi subyektif. Oleh karena itu, perbaikan pada matriks tersebut sangat diperlukan untuk meningkatkan keandalan hasil yang dihasilkan oleh metode AHP. ebaliknya, algoritma KNN menunjukkan performa yang sangat baik dalam memprediksi klasifikasi barang. Dengan menggunakan data penjualan yang sama, KNN berhasil mencapai nilai akurasi (Accuracy), presisi (Precision), daya deteksi (Recall), dan skor keseimbangan (F1-Score) masing masing sebesar 98,9%. Tingkat akurasi yang tinggi ini mengindikasikan bahwa algoritma KNN lebih mampu menangani data yang bersifat numerik dan memiliki kompleksitas tinggi. Keunggulan lainnya adalah KNN tidak memerlukan proses subjektif seperti yang dilakukan dalam AHP, sehingga meminimalkan potensi kesalahan manusia. Dari hasil penelitian ini, dapat disimpulkan bahwa algoritma KNN lebih unggul dibandingkan AHP untuk memprediksi barang terlaris, laris, dan tidak laris berdasarkan data penjualan Supermarket PIM. Dengan akurasi yang sangat tinggi, KNN direkomendasikan sebagai metode utama dalam mengelola sistem prediksi penjualan di masa depan. Kata Kunci: AHP, KNN, Penjualan, Barang, Klasifikasi.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Asmaul Husna
Date Deposited:	11 Feb 2025 08:47
Last Modified:	11 Feb 2025 08:47
URI:	https://rama.unimal.ac.id/id/eprint/9864

Actions (login required)

View Item