PENERAPAN ALGORITMA K-NEAREST NEIGHBORS (KNN) UNTUK PREDIKSI HARGA JUAL SAPI

Prediksi harga jual sapi yang akurat memiliki peran penting dalam mendukung pengambilan keputusan di sektor peternakan, terutama bagi peternak skala kecil yang masih bergantung pada pencatatan manual. Penelitian ini bertujuan untuk membangun dan mengevaluasi model prediksi harga jual sapi menggunakan algoritma K-Nearest Neighbors (KNN) regresi. Data yang digunakan sebanyak 605 data historis dari PD. Berkah Farm, mencakup periode 2021 hingga 2025, dengan fitur seperti jenis sapi, usia, berat, jenis kelamin, musim, dan biaya operasional. Metode penelitian meliputi tahapan preprocessing data (encoding dan normalisasi), pemodelan KNN, serta tuning parameter menggunakan GridSearchCV dengan validasi K-Fold Cross Validation untuk menentukan nilai K optimal. Hasil terbaik diperoleh pada nilai K = 8 dengan metrik evaluasi berupa MAE sebesar 0.0276, MSE 0.0023, RMSE 0.0483, MAPE 0.8712%, MPE 9.60%, RMSPE -5.21%, dan R² sebesar 17.03%. Meskipun nilai R² menunjukkan kemampuan prediksi model masih terbatas, metode KNN tetap layak digunakan karena sifatnya yang sederhana, mudah diimplementasikan, serta mampu memberikan hasil prediksi yang cukup kompetitif untuk data yang terbatas.

Kata Kunci: Cross Validation, GridSearchCV, K-Nearest Neighbors, Machine Learning, Prediksi Harga Sapi, Regresi.