PENERAPAN METODE K-NEAREST NEIGHBORS (KNN)
UNTUK KLASIFIKASI PRODUK PADA PLATFORM
E-COMMERCE C2C
Dalam era digital yang semakin berkembang, e-commerce memiliki peran penting dalam transformasi bisnis. Penelitian ini bertujuan untuk mengklasifikasikan produk di salah satu platform e-commerce C2C menggunakan algoritma K-Nearest Neighbors (KNN) berdasarkan kategori produk. Data yang digunakan berasal dari wilayah Sumatera dengan total 51.218 produk yang diunduh pada tanggal 23 Juni 2024 dan memiliki 9 kategori utama serta 55 sub-kategori. Data preprocessing yang dilakukan meliputi case folding, data cleaning, stemming,
tokenizing, stopwords removal/custom-words removal, menggunakan pembobotan TF-IDF dan N-gram serta menerapkan teknik Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan data. Model KNN dioptimalkan dengan GridSearchCV menggunakan K-Fold Cross-Validation untuk menemukan nilai hyperparameter terbaik, yaitu jumlah tetangga terdekat (k) dan pembobotan (weights). Hasil penelitian menunjukkan bahwa untuk kategori utama (Skenario 1), nilai k terbaik = 4 dengan akurasi mencapai 92%, sedangkan untuk sub-kategori (Skenario 2), nilai k terbaik = 13 dengan akurasi sebesar 82%. Berdasarkan hasil ini, skenario klasifikasi dengan kategori utama yaitu Skenario 1 menunjukkan performa yang lebih baik dibandingkan dengan sub-kategori. Pendekatan klasifikasi pada tingkat kategori utama lebih optimal untuk mendukung otomatisasi produk di e-commerce C2C, sehingga hasil ini dapat digunakan untuk menentukan strategi pengelompokan produk secara efisien sesuai kebutuhan klasifikasi di dunia nyata.
URI
https://repo.itera.ac.id/depan/submission/SB2501200014
Keyword
Metode K-NEAREST NEIGHBORS (KNN) KLASIFIKASI PRODU