Penerapan Metode K-Nearest Neighbor untuk Identifikasi Produk Nike Paling Laris Terjual

Abstract

Industri ritel menghadapi persaingan yang semakin ketat, sehingga kemampuan untuk memprediksi produk terlaris menjadi faktor penting dalam memaksimalkan keuntungan. Nike, sebagai salah satu produsen sepatu olahraga terkemuka, mengalami penurunan signifikan selama pandemi COVID-19 dengan pendapatan turun sebesar 38% dan kerugian mencapai $790 juta pada tahun 2020. Oleh karena itu, prediksi akurat terhadap produk terlaris periode 2020-2021 menjadi krusial untuk memulihkan kinerja pasar global. Penelitian ini menerapkan algoritma K-Nearest Neighbors (KNN) untuk memprediksi produk Nike yang paling laris menggunakan dataset open-source dari Kaggle. Penelitian ini melibatkan tahapan preprocessing data, seperti feature selection, normalisasi, dan label encoding. Model KNN diimplementasikan dengan variasi nilai k untuk mengevaluasi pengaruhnya terhadap akurasi. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-Score. Hasil penelitian menunjukkan akurasi model mencapai 87% dengan keseimbangan baik antara precision (0.89) dan recall (0.87). "Women's Street Footwear" teridentifikasi sebagai produk terlaris dengan 57,737unit terjual. Model menunjukkan performa optimal dengan akurasi 75%. Penelitian ini memberikan kontribusi signifikan dalam pengambilan keputusan strategis untuk optimasi inventory dan strategi penjualan Nike.