KLASIFIKASI PRODUK BERDASARKAN JUMLAH TRANSAKSI PEMBAYARAN DI EDU POS SMKN 2 PADANG
Kata Kunci:
Classification (Klasifikasi), K-Nearest Neighbor, Python, Rapidminer, Data Mining, Transaksi PembayaranAbstrak
Penelitian ini bertujuan untuk mengklasifikasikan produk berdasarkan jumlah transaksi pembayaran di Edu Pos SMKN 2 Padang. Edu Pos adalah layanan yang memfasilitasi pembayaran berbagai tagihan, dan penelitian ini menggunakan metode K-Nearest Neighbor (KNN) untuk mengelompokkan pelanggan menjadi pelanggan rutin dan sporadis berdasarkan data transaksi selama periode Januari hingga Desember 2023. Proses data mining meliputi tahapan data selection, preprocessing, transformasi data, dan normalisasi. Hasil analisis menunjukkan bahwa metode KNN berhasil mengklasifikasikan data dengan akurasi sebesar 90,28%. Hasil klasifikasi menunjukkan bahwa produk yang paling sering dibayar adalah PDAM Kota Padang dan PLN Postpaid, sementara produk yang jarang dibayar adalah pengisian ShopeePay, GoPay, dan pulsa. Temuan ini memberikan wawasan baru untuk meningkatkan layanan dan pengambilan keputusan di Edu Pos SMKN 2 Padang. Penelitian selanjutnya disarankan untuk menggabungkan dua metode algoritma data mining untuk hasil yang lebih variatif dan bernilai informasi tinggi.
Referensi
Afri, Y., Yosep, N., & Budi, P. (2021). KLASIFIKASI PENENTUAN CUSTOMER KREDIT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR. Jurnal Sains & Teknologi Fakultas Teknik, 11(1), 64-71.
Amalia, Y. R. (2018). Penerapan Data Mining Untuk Prediksi Penjualan Produk Elektronik Terlaris Menggunakan Metode K-Nearest Neighbor (Studi Kasus: PT. Bintang Multi Sarana Palembang) (Doctoral dissertation, UIN RADEN FATAH PALEMBANG).
Halim, T. N., Martin, R., Hutasoit, R. K. B., & Aisyah, S. (2023). Klasifikasi Kepuasan Pelanggan Terhadap Platform E-Commerce dengan Metode K–Nearest Neighbor (K-NN). Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika), 8(2), 512-523.
Junaedi, E., Siregar, A., & Nurlaelasari, E. (2022). Implementasi C4. 5 Dan Algoritma K Nearest Neighbor Untuk Prediksi Kelayakan Pemberian Kredit Menggunakan RapidMiner Studio. Scientific Student Journal for Information, Technology and Science, 3(1), 83-90.
Mustaqim, K., Amaresti, F. A., & Dewi, I. N. (2024). Analisis Sentimen Ulasan Aplikasi PosPay untuk Meningkatkan Kepuasan Pengguna dengan Metode K-Nearest Neighbor (KNN). Edumatic: Jurnal Pendidikan Informatika, 8(1), 11-20.
Susilo, A. (2023). Perbandingan Kinerja K-Nearest Neighbors dan Naive Bayes Untuk Klasifikasi Perilaku Nasabah Pada Pembayaran Kredit Bank. Jurnal Sains dan Teknologi (JSIT), 3(2), 153-169.
Tangkelayuk, A. (2022). The Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes, dan Decision Tree. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(2), 1109-1119.
Sumarlin. 2015. Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM. (http://ejournal.undip.ac.id/index.php/jsinbis) diakses 3 Maret 2018.
