Penerapan Data Mining untuk Memprediksi Tingkat Penjualan pada Produk Layanan Spesialis Kecantikan Menggunakan Metode K-Nearest Neighbor

Hutapea, Richard Parulian (2022) Penerapan Data Mining untuk Memprediksi Tingkat Penjualan pada Produk Layanan Spesialis Kecantikan Menggunakan Metode K-Nearest Neighbor. Undergraduate thesis, Universitas Pembangunan Jaya.

	Text Pendahuluan.pdf Download (944kB)
	Text Abstract.pdf Download (403kB)
	Text Abstrak.pdf Download (453kB)
	Text Daftar Isi.pdf Download (296kB)
	Text Daftar Gambar.pdf Download (302kB)
	Text Daftar Tabel.pdf Download (284kB)
	Text Daftar Lampiran.pdf Download (283kB)
	Text BAB I.pdf Download (258kB)
	Text BAB II.pdf Download (764kB)
	Text BAB III.pdf Download (1MB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (213kB)
	Text Daftar Pustaka.pdf Download (383kB)
	Text Lampiran.pdf Download (224kB)

Abstract

PT. Joanne Studio merupakan sebuah studio kecantikan spesialis di bidang sambung bulu mata. Selama ini belum ada perhitungan yang menghasilkan prediksi atau peramalan untuk penjualan produk layanan pada PT. Joanne Studio, sehingga sering terjadi penumpukan barang, barang rusak, atau bahkan kekurangan stok barang yang mengakibatkan kerugian bagi perusahaan. Maka untuk mengatasi masalah tersebut maka dibutuhkan prediksi atau peramalan. Untuk mengetahui hasil prediksi digunakan teknik klasifikasi data mining dan algoritma K-Nearest Neighbor. Diharapkan dengan menggunakan teknik tersebut dapat mengolah data penjualan selama 6 bulan terakhir menjadi suatu hasil perhitungan yang akurat, sehingga dapat membantu pihak perusahaan dalam perencanaan penyediaan stok barang.

Item Type:	Karya Tulis Ilmiah (KTI) (Undergraduate)
Uncontrolled Keywords:	Data Mining, Forecasting, K-Nearest Neighbor
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknologi dan Desain > Sistem Informasi
Depositing User:	Mr Richard Parulian Hutapea
Date Deposited:	19 Jul 2022 14:54
Last Modified:	19 Jul 2022 14:54
URI:	http://eprints.upj.ac.id/id/eprint/3223

Actions (login required)

View Item