View/Open

Author
ROBBY, HIDAYAH RAMADHAN

Advisor
Adhi Rahmadian, M.Si,
Luluk Muthoharoh, S.Si., M.Si.,

Koleksi
Sains Data

Publisher

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