Klasifikasi penempatan barang pada alat angkut menggunakan K-Nearest Neighbor dan Support Vector Machine

ABSTRAK

Penelitian ini membahas klasifikasi penempatan barang pada alat angkut menggunakan metode K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM). Data yang digunakan berasal dari pengiriman Kantor Pos Malang pada 10–17 November 2022 untuk membandingkan akurasi kedua metode pada berbagai rasio split data. Hasil menunjukkan bahwa KNN dengan k=9 mencapai akurasi tertinggi, sebesar 84,3%, pada rasio 50:50. Sementara itu, SVM menunjukkan performa optimal pada rasio 70:30 dengan akurasi 83,57%. Penelitian ini menyoroti pentingnya efisiensi dalam logistik untuk meminimalkan risiko keterlambatan, kerusakan barang, dan meningkatkan kepuasan pelanggan. Prinsip-prinsip efisiensi ini juga selaras dengan ajaran Islam, seperti dalam Surat Al-Baqarah ayat 269 dan Al-Isra' ayat 7, yang menekankan penggunaan hikmah dalam tindakan.Penerapan metode klasifikasi yang tepat diharapkan dapat membantu perusahaan logistik meningkatkan efektivitas operasional dan tanggung jawab dalam pengelolaan barang. Penelitian ini sekaligus membuktikan relevansi penggunaan teknologi dan ilmu pengetahuan untuk menyelesaikan permasalahan logistik secara praktis dan terarah.

مستخلص البحث

تناقش هذه الدراسة تصنيف وضع البضائع على وسائل النقل باستخدام طريقتي K-Nearest Neighbor (KNN) وآلة ناقلات الدعم (SVM). جاءت البيانات المستخدمة من تسليم مكتب بريد مالانج في الفترة من 10 إلى 17 نوفمبر 2022 لمقارنة دقة الطريقتين على نسب تقسيم البيانات المختلفة. أظهرت النتائج أن KNN مع k = 9 حقق أعلى دقة بنسبة 84.3٪ بنسبة 50:50. وفي الوقت نفسه ، أظهر SVM الأداء الأمثل بنسبة 70:30 بدقة 83.57٪. يسلط هذا البحث الضوء على أهمية الكفاءة في الخدمات اللوجستية لتقليل مخاطر التأخير والأضرار التي تلحق بالبضائع وتحسين رضا العملاء. تتماشى مبادئ الكفاءة هذه أيضا مع التعاليم الإسلامية ، كما هو الحال في سورة البقرة الآية 269 والإسراء الآية 7 ، التي تؤكد على استخدام الحكمة في العمل. من المتوقع أن يساعد تطبيق طريقة التصنيف الصحيحة شركات الخدمات اللوجستية على زيادة الفعالية التشغيلية والمسؤولية في إدارة البضائع. يثبت هذا البحث أيضا أهمية استخدام التكنولوجيا والعلوم لحل المشكلات اللوجستية بطريقة عملية ومستهدفة.

ABSTRACT

This study discusses the classification of the placement of goods on means of transportation using the K-Nearest Neighbor (KNN) and Support Vector Machine (SVM) methods. The data used came from the Malang Post Office delivery on November 10–17, 2022 to compare the accuracy of the two methods on various data split ratios. The results showed that KNN with k=9 achieved the highest accuracy, at 84.3%, at a ratio of 50:50. Meanwhile, SVM showed optimal performance at a ratio of 70:30 with an accuracy of 83.57%. This research highlights the importance of efficiency in logistics to minimize the risk of delays, damage to goods, and improve customer satisfaction. These principles of efficiency are also in line with Islamic teachings, such as in Surah Al-Baqarah verse 269 and Al-Isra' verse 7, which emphasizes the use of wisdom in action. The application of the right classification method is expected to help logistics companies increase operational effectiveness and responsibility in managing goods. This research also proves the relevance of using technology and science to solve logistics problems in a practical and targeted manner.