Pemodelan Klasifikasi Produk pada E-Katalog Lembaga Kebijakan Pengadaan Barang/Jasa Pemerintah Kota Bandar Lampung Menggunakan Metode K-Nearest Neighbors
Pengadaan barang dan jasa oleh pemerintah telah mengalami modernisasi melalui
platform e-katalog yang dikelola oleh Lembaga Kebijakan Pengadaan Barang/Jasa
Pemerintah (LKPP). Namun, salah satu tantangan utama adalah penyedia masih
mengklasifikasikan etalase produk secara manual, yang dapat menyebabkan
kesalahan dalam pengelompokan produk. Penelitian ini mengembangkan model
klasifikasi otomatis untuk etalase produk pada e-katalog LKPP di Kota Bandar
Lampung dengan menggunakan metode K-Nearest Neighbors (KNN). Peneliti
mengumpulkan data dari e-katalog LKPP selama periode 15 Juli hingga 15
Agustus 2024, dengan total 98.225 produk yang tersebar dalam 18 etalase.
Penelitian ini melakukan tahapan praproses data, yaitu lowercasing, text cleansing,
tokenization, dan custom word removal, serta mengekstraksi fitur menggunakan
Term Frequency-Inverse Document Frequency (TF-IDF). Peneliti menggunakan
Grid Search dan Stratified K-Fold Cross Validation (SKCV) untuk menentukan
hyperparameter optimal. Model KNN dengan hyperparameter k = 4 dan
pembobotan berbasis jarak (distance weighting) mencapai akurasi sebesar 90,54%,
dengan macro average precision, recall, dan F1-score yang konsisten di atas 90%.
Hasil ini membuktikan bahwa metode KNN mampu mengklasifikasikan produk
secara efektif dalam e-katalog LKPP. Temuan ini diharapkan dapat mendukung
percepatan realisasi Instruksi Presiden Nomor 2 Tahun 2022 dan mendorong
pemberdayaan Usaha Mikro, Kecil, dan Menengah (UMKM) dalam sistem
pengadaan elektronik.
URI
https://repo.itera.ac.id/depan/submission/SB2501200022
Keyword
E-Katalog Klasifikasi Etalase Produk