REKOMENDASI KOMODITAS EKSPOR MENGGUNAKAN K-NEAREST NEIGHBOR

Indonesia memiliki produksi komoditas yang beragam dan melimpah dengan nilai ekspor yang luar biasa, khususnya pada bidang agrikultur. Banyaknya komoditas yang tersedia, membuat para eksportir maupun calon ekportir mengalami kesulitan menentukan komoditas yang mempunyai potensi untuk diekspor. Karena itu dibutuhkan sebuah sistem pendukung keputusan yang dapat merekomendasikan komoditas ekspor dengan cepat, tepat dan akurat. Penelitian ini bertujuan untuk menerapkan algoritme machine learning untuk menentukan komoditas yang disarankan untuk diekspor ke negara tertentu. Data pada penelitian ini diambil dari website Trademap International Trade Center (ITC) menggunakan HS Code (Harmonized System). Data yang digunakan merupakan data eksport tahun 2017-2021 yang terdiri dari data transaksi, negara pengimpor, komoditas, nilai impor, jumlah impor, dan pertumbuhan nilai. Data yang dipilih berasal dari beberapa jenis komuditas seperti: sayuran, buah-buahan, rempah-rempah, umbi-umbian, tanaman aromatik, serta jenis daun dan dahan. Menggunakan sebuah model dengan algoritme K-Nearest Neighbors (KNN), penelitian ini mengelompokkan sebuah komoditas ke dalam kelompok rekomendasi rendah, sedang dan tinggi. Hasil pengujian menunjukkan KNN memiliki nilai accuracy tertinggi yaitu pada parameter K=1 dengan nilai accuracy 85.71%. Nilai accuracy terendah terdapat pada parameter K=7 dan K=9 dengan nilai 78.57%. Peneliti berhasil menerapkan metode K-Nearest Neighbor untuk rekomendasi komoditas ekspor berdasarkan nilai yang diimpor, pertumbuhan nilai tahunan, dan jumlah yang diimpor. Penelitian dapat memberikan rekomendasi komoditas agrikultur yang bisa mempermudah para eksportir, maupun calon eksportir untuk memilih komoditas yang tepat untuk diekspor.   Kata Kunci: Euclidean Distance, K-Nearest Neighbor, Komoditas Ekspor, Rekomendasi