Prediksi Pelanggan dan Estimasi Stok UMKM Kuliner Menggunakan Algoritma K-Nearest Neighbor
Abstrak
Perkembangan UMKM kuliner menghadapi tantangan ketidakpastian jumlah pelanggan yang
menyebabkan overstock, understock, serta pencatatan stok manual yang tidak efisien. Penelitian ini
bertujuan merancang aplikasi CulinaryOS berbasis web yang mengintegrasikan prediksi kasiran,
manajemen stok, kasir digital, dan laporan keuangan otomatis menggunakan algoritma K-Nearest
Neighbor (KNN) dengan variabel cuaca, jenis hari, status gajian, dan keberadaan event. Sistem
dikembangkan menggunakan metode SDLC Waterfall dengan Laravel dan MySQL serta arsitektur
multi-peran (Admin, Kasir, Dapur, Pembeli) berbasis Role-Based Access Control (RBAC). Pengujian
akurasi menggunakan Mean Absolute Percentage Error (MAPE) menghasilkan nilai terbaik 5,67%
pada K=3, tergolong sangat akurat. Hasil User Acceptance Testing memperoleh skor rata-rata 4,38
dari skala 5, sehingga sistem dinilai sangat layak digunakan untuk membantu UMKM kuliner
meningkatkan efisiensi operasional.

