Telaumbanua, Fitusapril (2021) Penerapan K-Nearest Neighbor Regression Untuk Memprediksi Penjualan Produk sepatu Terlaris di Toko Brandrockvelly. Undergraduate thesis, Universitas Bhayangkara Jakarta Raya.
Text
201710225249_Fitu Sapril Telaumbanua_Cover - Daftar Isi.pdf Download (1MB) |
|
Text
201710225249_Fitu Sapril Telaumbanua_BAB I.pdf Download (633kB) |
|
Text
201710225249_Fitu Sapril Telaumbanua_BAB II, III, IV.pdf Restricted to Registered users only Download (1MB) |
|
Text
201710225249_Fitu Sapril Telaumbanua_Daftar Pustaka.pdf Download (91kB) |
|
Text
201710225249_Fitu Sapril Telaumbanua_BAB V.pdf Download (413kB) |
|
Text
201710225249_Fitu Sapril Telaumbanua_Lampiran.pdf Restricted to Registered users only Download (1MB) |
Abstract
Toko Brandrockvelly merupakan pusat perbelanjaan yang menjual berbagai jenis merek sepatu seperti merk Fladeo, Cardinal, dr.Kevin, dan Jackson. Sistem pengelolaan data di Toko Brandrockvelly masih menggunakan pencacatan secara konvesional dimana data hasil penjualan masih diolah kedalam bentuk MS.excel. dilihat. Untuk mempermudah pihak pengelola Toko maka dibutuhkan prediksi penjualan dimasa yang akan datang dengan menggunakan teknik klasifikasi data mining algoritma K-Nearest Neighbor Regresion. Hasil dari penelitian prediksi penjualan produk sepatu terlaris adalah nilai K = 2 menghasilkan nilai RMSE 0.43494, k = 3 menghasilkan nilai RMSE 0.46214 untuk produk Cardinal, k = 13 menghasilkan nilai RMSE 0.45539 untuk produk dr.Kevin, k = 6 menghasilkan nilai RMSE 0.48950 untuk produk Jackson. Seperti yang terteradalam pedoman RMSE dapat disimpulkan bahwa seluruh model yang diuji memilikan tingkan kesalahan yang sedang yaitu 0.30-0,559
Item Type: | Thesis (Undergraduate) |
---|---|
Subjects: | Teknologi dan Ilmu Terapan > Komputer |
Divisions: | Fakultas Ilmu Komputer > Informatika |
Depositing User: | Admin Repositori |
Date Deposited: | 24 Sep 2023 20:00 |
Last Modified: | 24 Sep 2023 20:00 |
URI: | http://repository.ubharajaya.ac.id/id/eprint/23694 |
Actions (login required)
View Item |
Downloads
Downloads per month over past year