IMPLEMENTASI K-NEAREST NEIGBORS UNTUK PREDIKSI WAKTU TUNGGU SERVICE MOTOR DI DEVELOP TECH

Penelitian ini mengkaji penerapan algoritma K-Nearest Neighbors (KNN) untuk memprediksi waktu tunggu di bengkel Develop Tech, yang menawarkan layanan dengan harga terjangkau tetapi memiliki waktu tunggu suku cadang yang lebih lama dibandingkan bengkel resmi. Metode penelitian yang digunakan adalah deskriptif kuantitatif, melibatkan pengumpulan dan pengolahan data. Dalam penelitian ini, algoritma KNN digunakan untuk memprediksi waktu tunggu dengan mengukur jarak antar data menggunakan Euclidean Distance, serta melakukan voting berdasarkan nilai K untuk menentukan prediksi akhir. Hasil pengujian terhadap 232 data menunjukkan bahwa KNN mampu memprediksi waktu tunggu dengan sangat baik, mencapai akurasi, presisi, dan recall sebesar 100% pada nilai K tertentu. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian, sebuah metode yang sering digunakan dalam penelitian machine learning untuk memastikan keseimbangan antara data pelatihan dan validasi. Hasil penelitian menunjukkan bahwa algoritma KNN dapat diandalkan untuk memprediksi waktu tunggu dengan kinerja optimal pada nilai K antara 3 hingga 10. Hasil ini mendukung kesimpulan bahwa algoritma KNN berfungsi efektif dalam memprediksi waktu tunggu di bengkel.