ANALISIS KLASIFIKASI MODEL PEMILIHAN LOKASI PERUMAHAN DALAM MENINGKATKAN STRATEGI MANAJEMEN PENJUALAN MENGGUNAKAN MODEL K-NEAREST NEIGHBOR

Rahmaniar Rahmaniar

doi:10.29103/sisfo.v7i2.15373

ANALISIS KLASIFIKASI MODEL PEMILIHAN LOKASI PERUMAHAN DALAM MENINGKATKAN STRATEGI MANAJEMEN PENJUALAN MENGGUNAKAN MODEL K-NEAREST NEIGHBOR

Rahmaniar Rahmaniar

Abstract

Analisis pemilihan penentuan klasifikasi model pemilihan lokasi perumahan merupakan salah satu peneltiian yang penting dalam menentukan klasifikasi model pemilihan lokasi perumahan dalam meningkatkan strategi manajemen penjualan menggunakan model K-Nearest Neighbor. Tujuan penelitian ini dapat membantu strategi penjualan dalam memberikan gambaran pada calon pembeli rumah dan lokasi sesuai dengan preferensi dan kriteria. selanjutnya proses Klasifikasi pemilihan lokasi perumahan yang bertujuan untuk menentukan lokasi yang paling sesuai untuk membangun perumahan berdasarkan beberapa kriteria, seperti ketersediaan lahan, aksesibilitas, kelayakan lingkungan, dan preferensi konsumen. adapun langkah-langkah dalam penelitian ini berupa pengumpulan data, analisis kriteria dan hasil peringkat klasifikasi dan proses pengolahan analisis pemilihan lokasi perumahan dalam meningkatkan strategi manajemen penjualan menggunakan model K-Nearest Neighbor untuk mendapatkan hasil peringkat yang layak untuk dijadikan perumahan. hasil penelitian dari klasifikasi model KNN dapat membantu para pengembang / calon pembeli dalam memilih lokasi perumahan dalam merencanakan dan mengimplementasikan proyek-proyek perumahan yang efisien, efektif, dan berkelanjutan.

Full Text:

PDF

References

B. Santoso, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis 1 edition. Yogyakarta: Graha Ilmu, 2007.

D. A. Salazar, J. L. Velez, J. C. Salazar, "Comparison between svm and logistic regression: which one is better to discriminate?" Revista Colombiana de Estadistica, 35(SPE2), pp. 223- 237, June. 2012.

Fithri, D. L. (2016). Model Data Mining Dalam Penentuan Kelayakan Pemilihan Tempat Tinggal Menggunakan Metode Naive Bayes. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 7(2), 725-730.

Friedman, Jack P., Jack C. Harris, J. Bruce Lindeman. (1997). Dictionary of Real Estate Terms (4th ed). United States of America: Barron’s Educational Series, Inc.

Frick, H., 2003. Rumah Sederhana. Kebijak-sanaan Perencanaan dan Konstruksi, Penerbit Kanisius, Yogyakarta.

Gallion. B. Arthur. Simon Eisner. 1996. Pengantar Perancangan Kota. Desain dan Perencanaan Kota. Erlangga. Jakarta.

Huang Zhonghua dan Xuejun Du. 2015. Assessment and determinants of residential satisfaction with public housing in Hangzhou, China. College of conomics and Management, Zhejiang University of Technology, Hangzhou, China.

J. Han and M. Kamber, Data Mining Concept and Tehniques. San Fransisco: Morgan Kauffman, 2006.

Kharisma Dkk. 2017. Pengaruh Faktor Preferensi Bermukim Masyarakat Dalam Memilih Hunian Perumahan Terhadap Kondisi Fisik Lingkungan Di Pinggiran Selatan Kota Surakarta. Fakultas Tenik-UNS. Solo

Supriyana, I wayan (2012) “Sistem Pendukung Keputusan dalam Pemilihan Tempat Kost dengan Metode Pembobotan (Studi Kasus Sleman Yogyakarta).Jurrnal ilmu computer Volume 5 - No 2 – September 2012.

Kalesaran, R. C., Mandagi, R. J., & Waney, E. Y. (2013). Analisa Faktor-Faktor Yang Mempengaruhi Keputusan Konsumen Dalam Pemilihan Lokasi Perumahan Di Kota Manado. Jurnal Ilmiah Media Engineering, 3(3).

Jayadinata T.J. 1999. Tata Guna Tanah dalam Perencanaan Pedesaan, Perkotaan dan Wilayah. ITB. Bandung.

Toro, R., & Lestari, S. (2023). Perbandingan Algoritma Data Mining Untuk Penentuan Lokasi Promosi Penerimaan Mahasiswa Baru Pada IIB Darmajaya Lampung. Techno. Com, 22(1), 223-234.

X. Wu and V. Kumar, The Top Ten Algorithms in Data Mining. New York: CRC Press, 2009.

DOI: https://doi.org/10.29103/sisfo.v7i2.15373