Maulana, Ferdian (2021) KLASIFIKASI DATA PRODUK MEBEL ANEKA JAYA MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERBASIS WEB. Skripsi thesis, Institut Teknologi Nasional Malang.
Text
1718116_AWAL - ferdian maulana.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB) |
|
Text
1718116_BAB I - ferdian maulana.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB) |
|
Text
1718116_BAB II - ferdian maulana.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (449kB) | Request a copy |
|
Text
1718116_BAB III - ferdian maulana.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (479kB) | Request a copy |
|
Text
1718116_BAB IV - ferdian maulana.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy |
|
Text
1718116_BAB V - ferdian maulana.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (278kB) | Request a copy |
|
Text
1718116_DAFTAR_PUSTAKA - ferdian maulana.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (345kB) |
|
Text
1718116_LAMPIRAN - ferdian maulana.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy |
Abstract
KLASIFIKASI DATA PRODUK MEBEL ANEKA JAYA MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERBASIS WEB Ferdian Maulana Program Studi Teknik Informatika S1, Fakultas Teknologi Industri Institut Teknologi Nasional Malang, Jalan Raya Karanglo km 2 Malang, Indonesia ferdianmaulana1999@gmail.com ABSTRAK Penelitian bertujuan untuk memudahkan pemilik toko mebel Aneka Jaya dalma mengklasifikasikan data produk mebel. Subjek penelitian adalah 188 data berupa data latih dan data uji dari tahun 2019-2021. Data penelitian diperoleh melalui dokumentasi. Validasi data dengan menggunakan metode algoritma K-Nearest Neighbor. Pada proses penelitian ini, dibuatlah sebuah sistem untuk mengklasifikasi data produk mebel untuk memudahkan pemilik toko mebel dalam mengklasifikasikan data produk mebel baru dengan menggunakan metode K-Nearest Neighbor (K-NN). Kriteria yang digunakan pada sistem ini adalah Nilai Panjang, Nilai Lebar, Nilai Tinggi, dan Nilai Harga. Website pada penelitian ini diimplementasikan dan dirancang dengan menggunakan bahasa pemograman PHP (Hypertext Preprocessor), dan Database menggunakan MySQL. Dari hasil pengujian website yang telah dibuat dengan metode K-Nearest Neighbor dapat ditarik kesimpulan bahwa hasil pengujian metode menggunakan confussion matrix menghasilkan nilai accuracy sebesar 90% dari data prediksi menggunakan data di tahun 2019 dibandingkan dengan data real di tahun 2020 dan 80% dari data prediksi menggunakan data di tahun 2020 dibandingkan dengan data real di tahun 2021 dan berhasil membantu dalam mengklasifikasikan data produk mebel baru. Perhitungan algoritma ini dilakukan menggunakan metode Euclidean Distance. Pengujian dilakukan pada website dengan menggunakan 2 browser yang berbeda, semua tampilan dan fungsi aplikasi dapat berjalan 100% pada 2 browser yaitu, Opera versi 76.0.4017.177 dan Google Chrome versi 91.0.4472.106 pada Windows 10. Dengan adanya website ini diharapkan pemilik toko mebel dapat melakukan klasifikasi terhadap data produk mebel yang baru. Kata Kunci : Klasifikasi, Mebel, K-Nearest Neighbor
Item Type: | Thesis (Skripsi) |
---|---|
Additional Information: | FERDIAN MAULANA 17.18.116 |
Uncontrolled Keywords: | Klasifikasi, Mebel, K-Nearest Neighbor |
Subjects: | Engineering > Informatics Engineering |
Divisions: | Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi) |
Depositing User: | Ms Nunuk Yuli |
Date Deposited: | 05 Oct 2021 03:02 |
Last Modified: | 05 Oct 2021 03:02 |
URI: | http://eprints.itn.ac.id/id/eprint/5660 |
Actions (login required)
View Item |