Abstract:
Penelitian ini bertujuan untuk menganalisis penggunaan algoritma K-Nearest
Neighbor (KNN) dalam mengklasifikasikan penjualan produk kuliner pada Tenant
1 PT. Usaha Mitra Milenial. Permasalahan utama dalam penelitian ini adalah
bagaimana KNN dapat memberikan prediksi yang akurat terhadap kategori
penjualan serta bagaimana pengaruh normalisasi data terhadap hasil klasifikasi.
Data yang digunakan sebanyak 150 transaksi penjualan dengan atribut utama
berupa nominal transaksi, jenis produk, dan metode pembayaran. Proses
normalisasi dilakukan menggunakan dua metode, yaitu Min-Max Scaling dan Z
Score Normalization, untuk menyamakan skala data sebelum diproses dengan
algoritma KNN. Implementasi dilakukan menggunakan bahasa pemrograman
Python melalui Google Colab, serta dilakukan validasi manual terhadap sebagian
data untuk memastikan keakuratan perhitungan. Hasil penelitian menunjukkan
bahwa KNN mampu mengklasifikasikan penjualan produk kuliner dengan tingkat
akurasi yang tinggi. Normalisasi data terbukti berpengaruh signifikan terhadap
akurasi model, di mana Min-Max Scaling menghasilkan nilai klasifikasi yang lebih
stabil dibandingkan Z-Score. Perbandingan antara perhitungan manual dan hasil
Google Colab menunjukkan perbedaan kecil pada nilai Z-Score akibat tingkat
presisi perhitungan, namun hal tersebut tidak memengaruhi hasil klasifikasi.
Dengan demikian, penelitian ini membuktikan bahwa algoritma KNN, dengan
dukungan proses normalisasi yang tepat, dapat digunakan sebagai metode
klasifikasi penjualan kuliner yang akurat dan dapat mendukung pengambilan
keputusan pada sektor UMKM.
