Saat ini, perkembangan dunia usaha semakin berfokus pada pemenuhan kebutuhan konsumen, termasuk dalam sektor bisnis jual-beli mobil bekas. Fenomena ini menunjukkan bahwa banyak konsumen cenderung memilih mobil bekas karena menawarkan kualitas yang memadai dengan harga yang lebih murah dibandingkan mobil yang baru. Beragam kebutuhan masyarakat Indonesia, seperti generasi muda yang menginginkan mobil bergaya, keluarga yang membutuhkan kendaraan luas, hingga pengusaha yang memprioritaskan kapasitas angkut dan kenyamanan, dapat terpenuhi melalui ketersediaan mobil bekas yang mudah diakses di pasar. Penelitian ini bertujuan untuk menganalisis pola pembelian mobil bekas dengan menggunakan algoritma K-Nearest Neighbor (K-NN) pada nilai K=7. Hasil penelitian menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi yang cukup tinggi sebesar 93%. Nilai precision tercatat sebesar 96% untuk kelas 0 dan 88% untuk kelas 1, sedangkan nilai recall mencapai 94% pada kelas 0 dan 91% pada kelas 1. Selain itu, nilai f-score tercatat sebesar 95% pada kelas 0 dan 89% pada kelas 1. Temuan ini membuktikan bahwa algoritma K-Nearest Neighbor memiliki performa yang sangat baik dalam mengklasifikasikan dataset terkait pembelian mobil bekas.


Deskripsi Lain

Currently, the development of the business world is increasingly focused on meeting consumer needs, including in the used car buying and selling business sector. This phenomenon shows that many consumers tend to choose used cars because they offer adequate quality at a cheaper price than new cars. The diverse needs of the Indonesian people, such the younger generation who want stylish cars, families who need spacious vehicles, to entrepreneurs who prioritize transportation capacity and comfort, can be met through the availability of easily accessible used cars in the market. This study aims to analyze the pattern of buying used cars using the K-Nearest Neighbor (K-NN) algorithm at the value of K=7. The results show that the model developed has a fairly high accuracy level of 93%. The precision value was recorded at 96% for class 0 and 88% for class 1, while the recall value reached 94% for class 0 and 91% for class 1. In addition, the f-score was recorded at 95% in class 0 and 89% in class 1. These findings prove that the K-Nearest Neighbor algorithm has excellent performance in classifying datasets related to used car purchases.

• IDENTIFIKASI UNTUK PENENTUAN TINGKAT KESESUAIAN LAHAN TERHADAP PADI SAWAH MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION DENGAN VISUALISASI GOOGLE MAPS API
• Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
• KLASIFIKASI KOMPLEKSITAS VISUAL CITRA BERDASARKAN STRUCTURE, NOISE, DAN DIVERSITY MENGGUNAKAN SISTEM INFERENSI FUZZY MAMDANI
• Klasifikasi Efektifitas Pencapaian Belajar Menghafal Asmaul Husna Melalui Metode Pembelajaran Hanifida Menggunakan Game Edukai Dengan Metode Fuzzy
• RANCANG BANGUN E-DOCUMENT DI KANTOR PELAYANAN PERIJINAN TERPADU KABUPATEN BANGKALAN MENGGUNAKAN NAIVE BAYES CLASSIFIER