Penerapan Algoritma K-Nearest Neighbor Pada Minat Beli Mobil Bekas Menggunakan Pendekatan CRISP-DM

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.