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.