Implementasi Metode K-Nearest Neigbour dalam Mengklasifikasikan Harga Suplement Kesehatan

Di masa pandemi ini, kebutuhan akan suplemen kesehatan meningkat sehingga permintaan akan suplemen kesehatan pun juga mengalami peningkatan signifikan. Namun dengan stok suplemen kesehatan yang terbatas, harga jual suplemen kesehatan yang tersedia pun ikut meningkat untuk mengimbangi permintaan yang tinggi tersebut. Hal ini tentu akan menyulitkan baik bagi penjual maupun pembeli. Dengan demikian, adanya prediksi harga produk-produk suplemen kesehatan akan sangat membantu mengantisipasi kenaikan permintaan ini dan mencegah agar harga jual produk tidak meningkat secara berlebihan. Oleh karena itu, dibuatlah sistem yang dapat mengklasifikasikan harga suplemen kesehatan. Sistem ini berguna bagi masyarakat yang butuh untuk membeli produk kesehatan dan bagi apotek dalam membeli stok dari supplier. Sistem ini akan mengimplementasikan Metode Klasifikasi KNN dalam mengklasifikasikan harga suatu produk berdasarkan fitur-fitur yang dimilikinya, yang dalam hal ini adalah harga produk dari bulan-bulan sebelumnya. Dengan nilai k dan metode pengukuran jarak yang tepat, sistem akan dapat mengklasifikasi suatu produk dengan akurat dan membantu penggunanya dalam mengambil keputusan sebelum membeli stok suplemen kesehatan. Setelah sistem prediksi selesai dibuat, dilakukan pengujian terhadap kinerja sistem dan didapatkan hasil bahwa model klasifikasi yang dibangun menggunakan dataset yang dibagi-bagi berdasarkan kategori memiliki tingkat akurasi rata-rata sebesar 43,92, sedangkan model yang dibangun menggunakan dataset yang tidak dibagi-bagi memiliki tingkat akurasi sebesar 57,143