Detail Cantuman Kembali
Penerapan Algoritma K-Nearest Neighbor (KNN) Pada Prediksi Data Pemesanan Makanan
- Bagikan:
Perkembangan teknologi informasi telah memberikan dampak besar terhadap industri kuliner melalui meningkatnya penggunaan sistem pemesanan makanan berbasis aplikasi. Data historis dari sistem ini dapat dimanfaatkan untuk memprediksi jumlah pemesanan makanan, sehingga pelaku usaha dapat mengoptimalkan produksi dan menghindari risiko kelebihan maupun kekurangan stok. Penelitian ini dilakukan untuk membangun model prediksi jumlah pemesanan makanan menggunakan algoritma K-Nearest Neighbor (KNN).
Dataset yang digunakan berasal dari situs Kaggle dengan nama train.csv oleh Aditya Srivastava yang berisi sembilan variabel dan lebih dari 450 ribu data. Penelitian meliputi tahapan pembersihan data menggunakan metode Interquartile Range (IQR) untuk menghapus outlier, normalisasi data, pembagian data menjadi data latih dan data uji, serta penerapan algoritma KNN dengan berbagai nilai k.
Hasil implementasi menunjukkan bahwa algoritma KNN mampu mengenali pola data historis pemesanan makanan dengan tingkat akurasi yang baik. Penerapan metode IQR terbukti meningkatkan konsistensi model dengan mengurangi pengaruh data ekstrem. Aplikasi yang dikembangkan menggunakan antarmuka Tkinter memudahkan pengguna dalam melakukan prediksi tanpa memerlukan kemampuan pemrograman. Penelitian ini membuktikan bahwa metode KNN dapat digunakan sebagai alat bantu pengambilan keputusan bagi pelaku usaha kuliner dalam memperkirakan jumlah produksi harian secara lebih efisien dan berbasis data.
Kata Kunci : Data, Food, Prediction, IQR, KNN
099 FAD P R.1
NONE
Text Skripsi
Indonesia
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2026
Yogyakarta
099 Informatika 2026
LOADING LIST...
LOADING LIST...