PREDIKSI HARGA CABAI MERAH DI PASARAYA MMTC MEDAN MENGGUNAKAN K-NEAREST NEIGHBOR

Abstract

Fluktuasi harga cabai merah di Pasaraya MMTC Medan kerap menimbulkan permasalahan bagi petani, pedagang, maupun konsumen karena sulit diprediksi secara akurat. Harga cabai dipengaruhi oleh berbagai faktor seperti cuaca, musim panen, dan permintaan pasar, sehingga memerlukan suatu sistem prediksi yang dapat membantu pelaku pasar dalam mengambil keputusan. Penelitian ini bertujuan untuk membangun sistem prediksi harga cabai merah dengan menggunakan algoritma K-Nearest Neighbor (KNN), yang dikenal sederhana namun efektif dalam mempelajari pola data historis. Data penelitian diperoleh dari harga historis cabai merah selama tiga bulan terakhir serta variabel pendukung seperti ketersediaan pasokan dan permintaan pasar. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan tahapan pengumpulan data, preprocessing, pengujian model menggunakan rumus Euclidean Distance, dan evaluasi hasil prediksi. Hasil dari penelitian ini diharapkan mampu memberikan prediksi harga yang lebih akurat, sehingga bermanfaat bagi petani dalam menentukan waktu penjualan, bagi pedagang dalam mengatur stok dan strategi penjualan, serta bagi konsumen dalam merencanakan pembelian. Dengan adanya sistem berbasis web ini, diharapkan ketidakpastian harga dapat diminimalisir serta mendukung pengambilan keputusan yang lebih tepat.