Penerapan Data Mining Dalam Segmentasi Kebutuhan Belanja Anggota Koperasi Karyawan Menggunakan Metode K-Nearest Neighbor (KNN)

Anggelina H Lumban Gaol; Purwadi; Jufri Halim

doi:10.53513/jis.v24i2.12312

Authors

Anggelina H Lumban Gaol STMIK Triguna Dharma
Purwadi STMIK Triguna Dharma
Jufri Halim STMIK Triguna Dharma

DOI:

https://doi.org/10.53513/jis.v24i2.12312

Keywords:

Koperasi, Data Mining, Metode K-Nearest Neighbor, Blackbox Testing, Segmentasi

Abstract

Koperasi Karyawan Budi Murni Medan bertujuan meningkatkan kesejahteraan anggota melalui penyediaan kebutuhan sehari-hari. Namun, sering muncul masalah dalam segmentasi kebutuhan belanja anggota yang menyebabkan konflik dengan pengelola. Penelitian ini menggunakan metode K-Nearest Neighbor (KNN) untuk menganalisis data transaksi belanja anggota, dengan harapan dapat memahami pola dan preferensi mereka, serta meningkatkan efisiensi operasional dan kepuasan anggota. Hasil penelitian menunjukkan bahwa KNN berhasil mengelompokkan anggota berdasarkan kesamaan pola belanja, memungkinkan pengelola menetapkan kebijakan belanja yang lebih adil. Sistem ini dirancang menggunakan model UML dan diimplementasikan dalam bentuk website dengan bahasa pemrograman PHP. Pemodelan sistem mencakup Use Case Diagram, Activity Diagram, dan Class Diagram untuk merepresentasikan interaksi pengguna dan alur kerja aplikasi. Pengujian dilakukan dengan metode Blackbox Testing, yang menunjukkan bahwa sistem berfungsi dengan baik dan memberikan segmentasi yang akurat. Dengan sistem ini, koperasi dapat mengambil keputusan lebih mudah dan pengelola dapat menetapkan kebijakan yang lebih adil.

References

N. K. Lingga, “Analisis Sentimen Nasabah Pada Kotak Komentar Terhadap Pelayanan Koperasi Simpan Pinjam Bangun Mandiri Mengunakan Metode K-Nearest Neighbor,” JIKTEKS : Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 02, no. 02, pp. 47–59, 2024.

A. Halim Lubis And R. Rizky Nasution, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Elektronik Terlaris Menggunakan Metode K-Nearest Neighbor,” 2024. [Online]. Available: Http://Jurnal.Goretanpena.Com/Index.Php/Jssr

A. Wibowo, A. R. Handoko, and P. Korespondensi, “Segmentasi Pelanggan Ritel Produk Farmasi Obat Menggunakan Metode Data Mining Klasterisasi Dengan Analisis Recency Frequency Monetary (Rfm) Termodifikasi Segmentation Of Customers Of Drug Pharmaceutical Product Retail Using Clasterization Mining Data Method Using Modified Monetary Recency Frequency (Rfm) Analysis,” Vol. 7, No. 3, 2020, Doi: 10.25126/Jtiik.202072925.

S. P. Dewi, N. Nurwati, and E. Rahayu, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor,” Building of Informatics, Technology and Science (BITS), vol. 3, no. 4, pp. 639–648, Mar. 2022, doi: 10.47065/bits.v3i4.1408.

N. Huda Ahsina, F. Fatimah, F. Rachmawati, U. Ibn Khaldun Bogor JlKH Sholeh Iskandar Km, and K. Bogor, “Analisis Segmentasi Pelanggan Bank Berdasarkan Pengambilan Kredit Dengan Menggunakan Metode K-Means Clustering,” 2022.

“FullBook Pengenalan Data Mining”.

P. Sari Ramadhan and N. Safitri STMIK Triguna Dharma, “Penerapan Data Mining Untuk Mengestimasi Laju Pertumbuhan Penduduk Menggunakan Metode Regresi Linier Berganda Pada BPS Deli Serdang,” vol. 18, no. SAINTIKOM, pp. 55–61, 2019, [Online]. Available: https://sirusa.bps.go.id/index.php

Y. S. Siregar, D. Handoko, M. Khairani, N. I. Syahputri, H. Harahap, and H. Artikel, “Implementasi Data Mining Klasifikasi Algoritma Chaid Dalam Menentukan Pola Penerima Mahasiswa Baru,” Digital Transformation Technology (Digitech) | e, vol. 3, no. 2, 2023, doi: 10.47709/digitech.v3i2.3612.

D. Cahyanti, A. Rahmayani, and S. Ainy Husniar, “Indonesian Journal of Data and Science Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara,” vol. 1, no. 2, pp. 39–43, 2020.

Y. S. Ambar, “Penerapan Algoritma K-Nearest Neighbour Dalam Menentukan Pembinaan Koperasi Kabupaten Kotawaringin Timur Application of K-NN Algorithm in Determining Co-operative Development in East Kotawaringin Regency,” 2019.

Y. Suhanda, I. Kurniati, and S. Norma, “Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik,” Jurnal Teknologi Informatika dan Komputer, vol. 6, no. 2, pp. 12–20, Sep. 2020, doi: 10.37012/jtik.v6i2.299.

M. Faid, M. Jasri, and T. Rahmawati, “Perbandingan Kinerja Tool Data Mining Weka dan Rapidminer Dalam Algoritma Klasifikasi,” Teknika, vol. 8, no. 1, pp. 11–16, Jun. 2019, doi: 10.34148/teknika.v8i1.95.

A. Rizky, S. Achmadi, and A. F. Setiawan, “Penerapan Data Mining Dengan Algoritma Knn Untuk Menentukan Tingkat Kerusakan Drainase Kota Jombang,” 2024.

I. Dwi, P. Nugroho, W. I. Rahayu, R. Nuraini, And S. Fathonah, “Analisis Perbandingan Metode K-Nearest Neighbor Dan Neural Network Dalam Penentuan Rekomendasi Layanan Baru,” 2023.

D. Handoko, H. Satria Tambunan, and J. T. Hardinata, “Analisis Penjualan Produk Paket Kuota Internet Dengan Metode K-Nearest Neighbor,” vol. 6, pp. 111–119, [Online]. Available: https://tunasbangsa.ac.id/ejurnal/index.php/jurasik

R. Harun, K. Chandra Pelangi, and Y. Lasena, “Penerapan Data Mining Untuk Menentukan Potensi Hujan Harian Dengan Menggunakan Algoritma K Nearest Neighbor (Knn),” Online, 2020. [Online]. Available: http://e-journal.stmiklombok.ac.id/index.php/misi

A. H. Nasyuha, M. Zunaidi, and P. Purwadi, “Analisis K-Nearest Neighbour Dalam Mendiagnosa Grandemultipara,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 3, no. 4, p. 405, Jun. 2022, doi: 10.30865/json.v3i4.4120.

R. Sakti Arief Daulay and S. Pangeran Antasari, “Analisis Kritis dan Pengembangan Algoritma K-Nearest Neighbor (KNN): Sebuah Tinjauan Literatur,” Jurnal Pendidikan Sains dan Komputer, vol. 4, no. 2, pp. 2809–476, doi: 10.47709/jpsk.v4i02.5055.

A. Hernawan and R. Fauzi, “Data Mining Untuk Pengelompokan Jenis Usaha Di Rumah Bumn Batam Menggunakan Metode Clustering,” Jurnal Comasie, Vol. 8, no. 3, 2023.