ThesisOpen AccessMetadata saja
•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Muhammad Fajar Firdaus, C1655201026, 2020. Introduction of Dendrobium Orchid Species With Color Characteristics Using the K-Nearest Neighbor (KNN) method, Supervisor I Sulistyowati, S.Kom., M.Cs., Supervisor II Catharina Elmayantie, M.Pd
Orchid is one of the types of plants that are in great demand because of its attractive flower appearance. Orchids are often used as home decorations, religious ceremonies and as congratulations. The types are widespread throughout the world. Some types of orchids that are widely known include Cattleya, Cymbidium, Dendrobium, Phalaenopsis, and Vanda. Dendrobium is an extraordinary type of orchid both in quantity and in the beauty of flowers. Because of the diverse shapes and colors and the many types of orchids derived from crossing, orchids have very many species and species.
The number of orchid species and species makes it very difficult for people to recognize orchid species and species, so a system based on appropriate literary and expert references is established, namely the introduction of dendrobium orchid species with color characteristics using the K-Nearest Neighbor (KNN) method, to identify types of orchids more easily and precisely. Flower colors can be identified through the extraction of color features that can be extracted through the calculation of the average value of Red Green Blue (RGB) and Hue Saturation Value (HSV) images.
The results of the two extractions can then be classified by the K-Nearest Neighbor (KNN) method to determine the appropriate type of orchid. KNN classifies objects based on the characteristics of learning data (training data) that are closest to the object's characteristics. Based on the test results, the highest system accuracy reaches 100% with a value of k = 5 and 62.5% for a value of k = 10.
ThesisOpen AccessMetadata saja
•
Braen Dwiatmajaya Garang, C1755201090, 2022. Penerapan Data Mining Untuk Prediksi Penjualan Smartphone Paling Laris Menggunakan Metode K-Nearest Neighbor, Pembimbing I Veny Cahya Hardita, M.Kom., Pembimbing II Elok Faiqotul Himmah, S.Si., M.Sc. Penjualan merupakan sesuatu yang sangat penting bagi perusahaan yaitu memperoleh penghasilan dan laba untuk perusahaan agar tetap bisa berjalan. PPL (Pusat Ponsel & laptop) merupakan toko komputer yang menjual laptop, printer & smartphone baru di kota Palangka Raya. Untuk mempermudah toko dalam penyediaan stok barang maka diperlukan sebuah prediksi berdasarkan data-data penjualan terdahulu menggunakan metode peramalan penjualan yang ada di data mining. Salah satu metode peramalan penjualan adalah metode K-Nearest Neighbor. Penelitian ini bertujuan untuk membuat prediksi penjualan smartphone paling laris di PPL dengan menggunakan metode K-Nearest Neighbor. Jenis penelitian menggunakan penelitian kuantitatif dengan pendekatan deskriptif yaitu studi kasus pada toko Pusat Ponsel & Laptop Palangka Raya. Data yang digunakan dalam penelitian ini adalah data penjualan smartphone selama 6 bulan dari Oktober 2021 sampai Maret 2022 dengan total penjualan sebanyak 1519 unit smartphone dengan teknik pengumpulan data seperti observasi, dokumentasi dan studi kepustakaan yang terkait dengan topik penelitian. Selanjutnya, data akan dianalisis dengan mengikuti proses tahapan dalam Knowledge Discovery in Database (KDD), untuk menentukan informasi yang berguna serta pola-pola yang ada di dalam data. Untuk memprediksi penjualan yang akan datang dengan Euclidean Distance, nilai k = 3 menggunakan aplikasi Rapidminer didapatkan hasil prediksinya untuk setiap brand smartphone dengan total penjualan oppo = 130 unit, vivo = 210 unit, samsung = 53 unit, xiaomi = 23 unit, dan realme = 44 unit. Hasil evaluasi algoritma yang diperoleh dari nilai RMSE pada setiap brand smartphone seperti oppo = 6,643, vivo = 11,468, samsung = 3,538, xiaomi = 4,23, dan realme = 3,325. Dapat disimpulkan bahwa smartphone yang paling laris adalah vivo dan brand smartphone realme memiliki RSME terkecil, yang berarti memiliki hasil prediksi yang mendekati dengan nilai yang sebenarnya.
ThesisOpen AccessMetadata saja
2021•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Pada era globalisasi sekarang ini laptop merupakan sebuah perangkat yang bisa dimiliki semua kalangan sehingga memicu meningkatnya penjualan laptop pada perusahaan penjual laptop. Permasalahan yang umum dihadapi oleh para pemilik perusahaan adalah bagaimana memprediksi atau meramalkan penjualan barang di masa mendatang berdasarkan data yang telah direkam sebelumnya. Prediksi tersebut sangat berpengaruh pada keputusan pemilik perusahaan untuk menentukan jumlah barang yang harus disediakan oleh perusahaan, apabila memesan barang dalam jumlah yang cukup banyak dan ternyata penjualan barang tersebut hanya terjual beberapa saja hal tersebut tentunya sangat merugikan perusahaan. Ada banyak metode untuk memprediksi penjualan, pada penelitian ini menggunakan Metode K-Nearest Neighbor. Hasil dari penelitian ini adalah K-Nearest Neighbor (KNN) dapat memprediksi penjualan laptop di tahun 2021 berdasarkan data penjualan laptop dari tahun 2018-2020 menggunakan Euclidean Distance dengan nilai K=8 dengan hasil prediksi rata-rata penjualan setiap laptop di tahun 2021 adalah asus = 183, acer = 114, axioo = 27, lenovo = 30, hp = 18, dell = 1,6, msi = 1,8, macbook = 1,8 laptop dan hasil evaluasi algoritma diperoleh nilai RMSE pada masing-masing laptop, asus = 54.055, acer = 33,185, axioo = 14,849, lenovo = 20,450, hp = 4,861, dell = 1,325, msi = 2.056 dan macbook = 1.917, dapat disimpulkan bahwa hasil prediksi penjualan laptop dell memiliki nilai RMSE terkecil, yang berarti hasil prediksi tersebut yang paling mendekati nilai sebenarnya.
ThesisOpen AccessMetadata saja
2021•Skripsi, Thesis, Disertasi, dan Tugas Akhir
ABSTRACT Muhammad Ihsan Al-Hafiz, C1655201059, 2021. Implementation of the K-Nearest Neighbor Algorithm in Determining the Types of Cats, Advisor I Hotmian Sitohang M.Kom, Advisor II Elia Zakharia M.T. Cats are one type of mammal that is liked by many people. There are many types of cats that can be found in this world, but not all types of cats can be used as pets by humans. Choosing the type of cat you want is not easy, you have to go through several considerations that must be considered before making a decision. Making the right decision based on the required standard categories, comprehensive information is needed, using existing criteria such as hair length, nose width, nose height, type of food, and type of hair. Then a system for determining the type of cat will be built that determines what type of cat is selected. In this research, it will be developed using the K-Nearest Neighbor method. This K-Nearest Neighbor method can solve a problem that contains ambiguous and uncertainty variables that become clear and definite. Test results using 50 cat data. The system for determining the type of cat using K-Nearest Neighbor using criteria for hair length, nose width, nose height, type of food, and type of hair is made to determine the type of cat for system testing using 50 data, there are 45 appropriate data and 5 data are not in accordance with the value of the match rate of the system is 90% with an error of 10%.
