Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Risiko Produk Kadaluarsa

Abstract

Produk yang telah kadaluarsa adalah salah satu tantangan utama dalam pengelolaan inventaris di sektor ritel, terutama bagi usaha menengah yang belum menerapkan sistem pengelolaan stok berbasis data. Studi ini menawarkan penerapan algoritma K-Nearest Neighbor (KNN) untuk menentukan tingkat risiko kadaluarsa produk dalam tiga kategori: Aman, Waspada, dan Kritis. Data yang dianalisis merupakan data sekunder dari unit usaha menengah dengan atribut termasuk sisa waktu hingga kadaluarsa, persentase stok yang ada, dan tingkat perputaran barang. Pengujian dilakukan berbagai nilai k (k=1, 3, 5, 7, 9) melalui metode validasi silang 10-fold. Hasil dari evaluasi menunjukkan bahwa konfigurasi terbaik dicapai pada k=5 dengan akurasi sebesar 88.33%, precision 0.89, recall 0.88, dan F1-Score 0.89. Hasil ini menegaskan bahwa algoritma KNN dapat diterapkan secara efektif sebagai elemen dalam sistem pendukung keputusan untuk pengelolaan inventaris ritel.